改進(jìn)粒子群優(yōu)化算法的艦船三維路徑規(guī)劃

鄭勇明

(東華理工大學(xué) 長江學(xué)院，江西 撫州 344000)

0 引 言

在艦船編隊(duì)作戰(zhàn)和調(diào)度中，需要結(jié)合艦船的空間方位信息進(jìn)行路徑規(guī)劃設(shè)計(jì)，采用分布式的編隊(duì)控制技術(shù)，結(jié)合對艦船目標(biāo)信息估計(jì)和方位參數(shù)分析，構(gòu)建艦船編隊(duì)的分布式組網(wǎng)控制模型，結(jié)合路徑規(guī)劃方法，實(shí)現(xiàn)對艦船編隊(duì)的三維路徑規(guī)劃設(shè)計(jì)，提高艦船的作戰(zhàn)規(guī)劃能力。在進(jìn)行艦船的三維路徑規(guī)劃設(shè)計(jì)中，需要通過對艦船的剛體平移和旋轉(zhuǎn)性參數(shù)分析，結(jié)合控制器設(shè)計(jì)和中心節(jié)點(diǎn)分布設(shè)計(jì)，實(shí)現(xiàn)對艦船三維路徑規(guī)劃設(shè)計(jì)[1]。

目前，對艦船三維路徑規(guī)劃方法主要有粒子濾波算法、點(diǎn)跟蹤識(shí)別算法、Kalman濾波估計(jì)方法等，通過路徑動(dòng)態(tài)檢測方法[2]，根據(jù)艦船編隊(duì)的空間分布數(shù)據(jù)進(jìn)行動(dòng)態(tài)加權(quán)和最短路徑尋優(yōu)控制，建立艦船三維路徑規(guī)劃模型，實(shí)現(xiàn)艦船三維路徑規(guī)劃[3]。但傳統(tǒng)方法進(jìn)行艦船三維路徑規(guī)劃的實(shí)時(shí)性不好，為此，本文提出基于改進(jìn)粒子群優(yōu)化算法的艦船三維路徑規(guī)劃方法。首先采用視點(diǎn)模型跟蹤方法實(shí)現(xiàn)對艦船三維路徑移動(dòng)任務(wù)規(guī)劃設(shè)計(jì)，然后通過改進(jìn)粒子群仿生算分獲取虛擬剛體狀態(tài)約束特征值，結(jié)合方位信息編隊(duì)移動(dòng)分布情況，實(shí)現(xiàn)對目標(biāo)艦船編隊(duì)的形成、保持與跟蹤識(shí)別，通過對艦船目標(biāo)三維參數(shù)估計(jì)結(jié)果實(shí)現(xiàn)對艦船的路徑規(guī)劃。最后，進(jìn)行仿真測試。

1 艦船三維路徑移動(dòng)任務(wù)參數(shù)分析

1.1 艦船三維路徑視點(diǎn)模型跟蹤

為了實(shí)現(xiàn)改進(jìn)粒子群優(yōu)化算法的艦船三維路徑規(guī)劃，首先采用視點(diǎn)模型跟蹤方法實(shí)現(xiàn)對艦船三維路徑移動(dòng)任務(wù)規(guī)劃設(shè)計(jì)。將艦船編隊(duì)目標(biāo)視為一個(gè)剛體結(jié)構(gòu)[4]，艦船三維路徑規(guī)劃問題為一個(gè)具有未知擾動(dòng)的二階模型參數(shù)分析問題，通過構(gòu)建時(shí)變編隊(duì)控制策略，采用誤差的收斂性判斷與編隊(duì)系統(tǒng)規(guī)劃設(shè)計(jì)的方法[5]，獲取虛擬剛體狀態(tài)約束特征值，得到艦船三維路徑視點(diǎn)模型和剛體分布模型如圖1所示。采用粒子群規(guī)劃方法，構(gòu)建集中式編隊(duì)控制模型，得到系統(tǒng)中某幾個(gè)機(jī)體的虛擬位置參數(shù)信息，采用一階、二階模型參數(shù)識(shí)別，得到機(jī)體感知?jiǎng)討B(tài)參數(shù)為lc。

圖1 艦船三維路徑視點(diǎn)模型和剛體分布模型Fig.1 3D path viewpoint model and rigid body distribution model of ships

將艦船的動(dòng)力學(xué)模型描述為一個(gè)二階微分方程，得到慣性坐標(biāo)系下的姿態(tài)旋轉(zhuǎn)矩陣，第i個(gè)粒子的lc取值為：

式中：lcMax和lcMin分別為基于位置的編隊(duì)控制下的學(xué)習(xí)過程參數(shù)的最大與最小值，本文選用lcMin=0.05，lcMax=0.5，α為大于0的常數(shù)。

采用方位信息對期望隊(duì)形進(jìn)行自適應(yīng)控制，得到系統(tǒng)動(dòng)力學(xué)模型梯度分布函數(shù)為：

式中：F(x)表示各機(jī)體的初始位置分布模糊度函數(shù)，vi(x)為艦船編隊(duì)的個(gè)體集合參數(shù)，在即有向圖中的一條邊，如下式：

式中：ca表示工作空間和構(gòu)形空間采樣的特性，xa表示局部規(guī)劃器的動(dòng)態(tài)特性，Edge表示全局規(guī)劃的有向邊，StartID表示障礙物發(fā)生碰撞的初始ID，EndID表示沿著障礙物邊界分布的終止ID。

根據(jù)艦船路徑分布點(diǎn)的方位信息，用N表示樣本點(diǎn)的類型，基于傾角分層的倒角距離參數(shù)分布集合為：

式中：e1,e2,e3···eM均為方位距離誤差。

采用大范圍搜索和小范圍組合控制，得到艦船三維路徑的空間規(guī)劃函數(shù)為：

式中：J為橫向平移誤差，ta0為不同位姿下與邊緣正自適應(yīng)系數(shù)，ca為模型中心投影位置參數(shù)。

由此構(gòu)建了艦船三維路徑視點(diǎn)模型跟蹤模型，根據(jù)粒子群跟蹤識(shí)別方法，進(jìn)行路徑尋優(yōu)。

1.2 艦船的方位信息及編隊(duì)任務(wù)分布

通過大量的像素點(diǎn)融合和方位信息估計(jì)，得到粒子群狀態(tài)參數(shù)為T60，在非固定路徑引入的視角偏移，得到路徑規(guī)劃的Hama尋優(yōu)分布為Xi(t)=(xi1(t),xi2(t),···,xiD(t))，求解數(shù)據(jù)之間的關(guān)聯(lián)性，在并行尋優(yōu)控制算法下，得到最短分布距離T0,U0,V0，在視覺里程計(jì)估計(jì)位姿分布下，得到粒子群的個(gè)體信息素為T61，從場景外觀描述路徑規(guī)劃的干擾分量，得到路徑規(guī)劃的過程融合迭代模型為p1=(p1x,p1y,p1z)T，以最短路徑為尋優(yōu)目標(biāo)函數(shù)，得到多串聯(lián)點(diǎn)分布式模糊度信息量為T1,U1,V1，深度學(xué)習(xí)的閉環(huán)檢測體系下的梯度學(xué)習(xí)過程參數(shù)為：

式中：T為場景記憶模型參數(shù)，U0為傳感器數(shù)檢測的偏移，V0為閉環(huán)決策模型參數(shù)，U1為組合映射特征值，V1為二階穩(wěn)態(tài)特征值，T1為粒子尋優(yōu)模糊度特征量。

選擇不同的指標(biāo)權(quán)重，得到場景非結(jié)構(gòu)化融合機(jī)制下的粒子群尋優(yōu)參數(shù)xi,yi,zi,Ti,Ui,Vi(i=1,2,···,6)。根據(jù)模糊控制方法，進(jìn)行改進(jìn)粒子群尋優(yōu)，得到多個(gè)艦船編隊(duì)及其語義信組合控制下的粒子群控制方程：

式中：s表示執(zhí)行閉環(huán)檢測的定位誤差，c表示全局特征描述符，θi為位姿相位，di為2個(gè)節(jié)點(diǎn)之間的距離分量，基于的位姿和環(huán)境地圖參數(shù)分析，得到非結(jié)構(gòu)化環(huán)境下基于方位信息檢測的規(guī)劃模型參數(shù)為P0,P1,P2,···,Pn，艦船編隊(duì)全局路徑自主規(guī)劃的空間變化矩陣由此得到艦船的方位信息及編隊(duì)任務(wù)分布模型。

2 艦船三維路徑規(guī)劃實(shí)現(xiàn)

2.1 艦船方位信息估計(jì)

建立艦船編隊(duì)的多串聯(lián)點(diǎn)分布式尋優(yōu)模型，結(jié)合方位信息編隊(duì)移動(dòng)分布情況，實(shí)現(xiàn)對目標(biāo)艦船編隊(duì)的形成、保持與跟蹤識(shí)別，得到最短路徑尋優(yōu)的目標(biāo)方位參數(shù)估計(jì)值為：

式中：τ為目標(biāo)的方位信息及其他分布信息，f為艦船目標(biāo)的擴(kuò)展頻率參數(shù)，t為時(shí)間參數(shù)，μ為第i個(gè)分布源的角度自相關(guān)核，Ds(f,μ)為同一目標(biāo)體內(nèi)不同角度動(dòng)態(tài)參數(shù)。

以最短路徑為尋優(yōu)目標(biāo)函數(shù)，得到分布式目標(biāo)個(gè)數(shù)分布為T1,U1,V1，采用分布式目標(biāo)信號(hào)源估計(jì)方法，根據(jù)信號(hào)中心頻率，相關(guān)分布式目標(biāo)模型表示為：

式中：aij為艦船輻射的相關(guān)信號(hào)源（PCD源），定義{Wfinal}={{WH},{WC},{WO}}為艦船三維路徑分布的實(shí)時(shí)狀態(tài)，得到實(shí)時(shí)狀態(tài)參數(shù)估計(jì)式為：

由此構(gòu)建了艦船方位信息估計(jì)模型，結(jié)合方位信息編隊(duì)移動(dòng)分布情況，實(shí)現(xiàn)對目標(biāo)艦船編隊(duì)的形成、保持與跟蹤識(shí)別。

2.2 路徑規(guī)劃粒子群優(yōu)化算法

采用粒子群路徑規(guī)劃方法，結(jié)合離散時(shí)間間隔采樣，得到粒子群尋優(yōu)節(jié)點(diǎn)i與節(jié)點(diǎn)之間j之間的聯(lián)合分布式為：

式中：xi(t)為單峰分布的函數(shù)，vi(t+1)為統(tǒng)計(jì)特性。

采用零均值的復(fù)值閉合參數(shù)分析的方法，得到艦船的方位及路徑尋優(yōu)的動(dòng)態(tài)函數(shù)為：

式中：aij為點(diǎn)目標(biāo)信號(hào)源參數(shù)，b(k)為每一束信號(hào)的隨機(jī)增益分布矩陣，bH(k)為b(k)的酉矩陣。

初始化粒子種群，根據(jù)對艦船的實(shí)時(shí)動(dòng)態(tài)信息參數(shù)估計(jì)，實(shí)現(xiàn)對艦船三維路徑規(guī)劃。

3 仿真測試

對艦船三維路徑規(guī)劃的仿真實(shí)驗(yàn)中，給出艦船編隊(duì)有32個(gè)陣元組成，相鄰艦船的間隔為λ/2，λ對應(yīng)中心頻率的波長，艦船三維路徑分布的組網(wǎng)間隔為2 000×1 200，粒子種群個(gè)數(shù)為3 000，艦船編隊(duì)路徑的空間節(jié)點(diǎn)分布如表1所示.

表1 艦船編隊(duì)路徑的空間節(jié)點(diǎn)分布Tab.1 Spatial node distribution of ship formation paths

據(jù)參數(shù)設(shè)定，進(jìn)行艦船三維路徑規(guī)劃設(shè)計(jì)，初始艦船方位分布如圖2所示。

圖2 艦船目標(biāo)初始方位分布Fig.2 Initial azimuth distribution of ship targets

采用本文方法進(jìn)行三維路徑規(guī)劃，首先對艦船目標(biāo)的空間位置進(jìn)行估計(jì)和跟蹤識(shí)別，如圖3所示。

圖3 艦船目標(biāo)空間位置估計(jì)和跟蹤識(shí)別Fig.3 Estimation and tracking recognition of ship target spatial position

根據(jù)對空間方位估計(jì)結(jié)果，進(jìn)行三維路徑規(guī)劃，如圖4所示。

圖4 艦船三維路徑規(guī)劃Fig.4 3D path planning for ships

分析可知，本文方法對艦船三維路徑規(guī)劃的空間分布定位能力較好，能準(zhǔn)確估計(jì)艦船位置和空間方位信息，測試艦船目標(biāo)定位精度，對比結(jié)果見表2。分析可知，本文方法實(shí)現(xiàn)艦船路徑規(guī)劃，定位精度較高。

表2 艦船方位估計(jì)誤差對比Tab.2 Comparison of ship azimuth estimation errors

4 結(jié) 語

本文結(jié)合對路徑規(guī)劃方法，實(shí)現(xiàn)對艦船編隊(duì)的三維路徑規(guī)劃設(shè)計(jì)，提高艦船的作戰(zhàn)規(guī)劃能力。提出基于改進(jìn)粒子群優(yōu)化算法的艦船三維路徑規(guī)劃方法，構(gòu)建時(shí)變編隊(duì)控制策略。采用誤差的收斂性判斷與編隊(duì)系統(tǒng)規(guī)劃設(shè)計(jì)的方法，獲取虛擬剛體狀態(tài)約束特征值。建立艦船編隊(duì)的多串聯(lián)點(diǎn)分布式尋優(yōu)模型，結(jié)合方位信息編隊(duì)移動(dòng)分布情況，實(shí)現(xiàn)對目標(biāo)艦船編隊(duì)的形成、保持與跟蹤識(shí)別。分析可知，本文方法對艦船三維路徑規(guī)劃的空間分布定位能力較好，能準(zhǔn)確估計(jì)艦船位置和空間方位信息。