關(guān)于未知環(huán)境下多無人機(jī)協(xié)同搜索動(dòng)態(tài)目標(biāo)的研究

唐攀

四川大學(xué) 電子信息學(xué)院 四川 成都 610065

1 搜索環(huán)境描述與建模

1.1 場景描述

1.2 實(shí)驗(yàn)參數(shù)設(shè)置

根據(jù)環(huán)境大小和動(dòng)態(tài)目標(biāo)個(gè)數(shù)動(dòng)態(tài)變化，但會(huì)保證每個(gè)算法都設(shè)置相同的最大迭代次數(shù)。假設(shè)目標(biāo)環(huán)境的大小為100m×100m，無人機(jī)最大速度是1m/s，那么最大迭代次數(shù)就設(shè)置為200。對于存在續(xù)航能力有限的動(dòng)態(tài)目標(biāo)搜索問題，任務(wù)的主要目標(biāo)則是在規(guī)定時(shí)間內(nèi)找到盡可能多的目標(biāo)。在下列所有算法中，都將無人機(jī)的通信半徑設(shè)置為10m，最小的斥力半徑設(shè)置為2m，最大排斥半徑為5m，最大速度為1m/s。各個(gè)算法可以表示如下：

（1）SPB：群無人機(jī)行人行為算法，慣性系數(shù)w等于0.85，等于0.4，最大鄰居數(shù)量等于4，最大碰撞系數(shù)等于0.7，等于0.55；

（2）PSO：粒子群優(yōu)化算法，慣性系數(shù)w等于0.9，認(rèn)知因子等于1，社會(huì)因子等于1；

（3）LFS：萊維飛行α等于1.5，b等于1.002；

（4）EPSO：無人機(jī)粒子群優(yōu)化算法，慣性系數(shù)w等于0.95，認(rèn)知因子等于1，社會(huì)因子等于1；

（6）GSO：人工螢火蟲算法，提升因子r等于0.6，最大群組數(shù)量等于5，β等于0.08。

2 行人行為算法

在地鐵站內(nèi)，不存在外部的指令，但行人之間仍然能夠按照某種規(guī)則形成一定的結(jié)構(gòu)和功能，進(jìn)而保持地鐵站的高速運(yùn)行。受啟發(fā)于這種現(xiàn)象，發(fā)現(xiàn)地鐵站中的行人和執(zhí)行搜索任務(wù)的群體無人機(jī)有著許多相似之處。所以本文提出了以SPB算法來描述行人行為這種自組織行為，并且把算法應(yīng)用于搜索動(dòng)態(tài)目標(biāo)場景。

2.1 SPB算法搜索過程

SPB算法的速度和位置迭代方程如下：

無人機(jī)機(jī)的數(shù)量設(shè)定為18，4個(gè)動(dòng)態(tài)目標(biāo)初始位置分別是P1(90,80)，P2(20,15)，P3(85,20)，P4(25,90)，并且四個(gè)動(dòng)態(tài)目標(biāo)均沿著不同方向做直線運(yùn)動(dòng)。如下圖所示，其中目標(biāo)軌跡由粗線表示，無人機(jī)由不同五角星代表，不同五角星身后對應(yīng)的線條線為不同無人機(jī)的軌跡。圖1給出了發(fā)現(xiàn)四個(gè)動(dòng)態(tài)目標(biāo)源的軌跡。

圖1 18個(gè)無人機(jī)搜索4個(gè)動(dòng)態(tài)目標(biāo)

3 對比實(shí)驗(yàn)分析

本文通過碰撞率和發(fā)現(xiàn)目標(biāo)個(gè)數(shù)等指標(biāo)來與PSO、LFS、EPSO、GSO、FA算法進(jìn)行比較。在實(shí)驗(yàn)場景為100m×100m的環(huán)境，4個(gè)動(dòng)態(tài)目標(biāo)，20架無人機(jī)，最大迭代次數(shù)為200的場景下，每個(gè)算法都進(jìn)行200次實(shí)驗(yàn)，取平均結(jié)果。實(shí)驗(yàn)結(jié)果如圖2所示，在平均碰撞率這一性能指標(biāo)下和其他算法差距較小，但SPB算法的性能明顯高于上述幾個(gè)算法。在相同時(shí)間下，根據(jù)平均發(fā)現(xiàn)目標(biāo)數(shù)量指標(biāo)可以看出，SPB算法的目標(biāo)發(fā)現(xiàn)個(gè)數(shù)遠(yuǎn)高于其他算法。

圖2 隨機(jī)無人機(jī)初始位置，200次實(shí)驗(yàn)性能比較

綜合以上數(shù)據(jù)可以看出，在同一實(shí)驗(yàn)條件下，本文所提出的行人行為算法收斂速度更快，精度更高，可以發(fā)現(xiàn)更多目標(biāo)的同時(shí)保持較低的碰撞率，充分體現(xiàn)了行人行為算法在動(dòng)態(tài)目標(biāo)搜索問題上的優(yōu)勢。

4 結(jié)束語

目前，市面上主要是針對靜態(tài)目標(biāo)進(jìn)行群體無人機(jī)協(xié)同搜索方法的研究。如：覆蓋搜索法、貪婪搜索法、動(dòng)態(tài)規(guī)劃法等；但在實(shí)際環(huán)境中，大多數(shù)目標(biāo)一般都處于運(yùn)動(dòng)狀態(tài)。所以本文提出了行人行為算法，能夠在未知情況下對動(dòng)態(tài)目標(biāo)進(jìn)行協(xié)同搜索。仿真實(shí)驗(yàn)結(jié)果表明，SPB算法表現(xiàn)出更強(qiáng)的穩(wěn)定性，在發(fā)現(xiàn)更多目標(biāo)的同時(shí)保持較低的碰撞率。