海洋多平台多传感器协同监测任务智能规划技术
发布时间：2021-06-23 12:09
海洋多平台多传感器协同监测任务智能规划技术面向大型复杂海洋传感网络,能够在海洋信息平台及传感设备大规模海上部署的情况下进行大批量的任务规划和观测资源分配,形成海洋情报分析-系统行动规划-行动规划实施-精确情报再收集的良性闭环监测模式。针对重要海上态势,能够通过多平台、多传感器协同行动规划手段,对情报进行持续的、多手段协同的精确观测,有效提升海洋传感网络的监测效率和精确度,显著降低系统对指挥调度人员的素质经验要求,极大提升了海洋传感网络系统的指挥调度智能化自动化水平。该技术全面分析了海洋传感网络的共性特点和特性差异,充分考虑了海上环境、能源、通信等多方面制约因素,建立具有广泛适应性的海洋多平台多传感器协同监测任务智能规划问题模型,能够快速移植到不同的海洋传感网络,采用差分进化、蚁群、贪心等多种群体人工智能算法和状态空间启发式搜索算法,满足不同业务场景规划的需求,同时具备智能约束匹配和规划冲突消解的能力,实现运行规划动态调整、系统资源实时匹配和协同保障。
【文章来源】：海洋信息. 2020,35(03)
【文章页数】：9 页
【部分图文】：
图２编码设计??每个观测Ｈ标需要安排载荷，针对载荷又要??
?ｍｉｎ、丨ｍｉｎ．由此组成了一个二元组作为标??志位。??但是二元的标志位在表示的时候仍然较为复??杂，因此本文将二元标志位映射到一元标志位上??进行简化。具体规则如下??（１）?一元标志位的第一位设置为０，其意义??为不进行观测。??（２）规定／．＝０或ｗ＝０认为是不进行观测，不??重复计入单标志位。??（３）根据?＜?的升序排序逐一和Ｍ；的升序排序??进行组合，逐一对应到单标志位ａ上。??（４）保存由（《，，叫）到〇？，的映射关系。??二元标志位到一元标志位额映射如图３所示??观测任务ｎ，??Ｋ??观测任务ｎ??ｔｉ??〇ｍ??／??Ｖ??图３二元标志位到一元标志位的映射??采用这种整数编码的方式，会大大简化Ｎ题??的处理复杂度。在海洋观测任务规划屮，设备的??数量基本上是可以认为有限的，但是起始时Ｍ和??终止时间的选择范Ｍ会随竚时间褚度的变化不Ｍ??而不间，选取一个较为适屮的时Ｎ精度可以大大??地减少解的搜索范围，提高解决Ｍ题的速度，同??时也不失任务安排的合理性，因此，选择这种编??码方式在观测任务规划上具有很好的效果和较大??的优势。??为了简化规划模型，在观测约束屮设定一项??间一设备Ｎ?－时ＮＭ能执行一项任务但是在实??际的观测场镇屮存在如下的情况：对于雷达这种??全向设备，可以间时执行多个观测任务。为了尽??可能使规划结果贴近实际观测场景，本课题设汁??了规划修正模块，修正模块对于该种情况的解决??方法是：当安排结果中存在全向设备时，检测未??安排任务列表，判断是否存在可以在相㈣平台、??相Ｎ设备、相Ｎ模式下执行的任务，如果有则无??条件将该任务添加到规划结果中，
。除此之外，还需要将读取到的移动目标数??据信息放入到移动目标历史数据表中，并读取移??动目标的历史数据表，将本次应急观测任务规划??没有生成任务的移动目标的目标数据使用卡尔曼??＿｜?７６涤评信息２０２０年第３期｜??滤波算法［１７］进行航迹预测，根据预测的结果，生??成对应的应急观测任务。??当任务与载荷都处理完毕后，进行应急规??划，匹配静止、移动目标和预测的航迹生成的应??急观测任务与各种类型的观测载荷，生成相应的??预案写入数据库。??应急规划算法的详细设计流程如图４所示。??图４应急规划算法详细设计流程图??２结果??２．１常规规划算法结果??为了对各个算法和各种应用场景进行评价??分析，本实验测试了?２８批数据（列出３批，见??表３），每批数据都有相应的特点，表３算法实??验用例表给出各批号任务的特点。每个观测批??号分别使用差分演化算法和蚁群算法各进行５??次测试，根据规划结果，分别从算法规划结果、??算法运行效率以及解的稳定性３个方面进行比??较，进行比较的数据都是对同一批数据经过５次??规划得到的平均值。??算法的规划结果包括５个方面的内容，分别??是：任务完成率、平均任务优先级、任务总耗??时、任务总能耗以及区域目标平均覆盖率。对每??一批数据分别采用差分演化、蚁群算法两种改进??算法进行规划，得到每种算法的规划结果，具体??数据结果如表４批号为１的规划结果至表６批号??为３的规划结果所示（列出３批结果，见表４、??表５和表６）。??
【参考文献】：
期刊论文
[1]海洋气象观测技术研发进展[J]. 陈洪滨,李军,马舒庆,胡树贞. 科技导报. 2019(06)
[2]蚁群算法的基本原理及应用综述[J]. 肖艳秋,焦建强,乔东平,杜江恒,周坤. 轻工科技. 2018(03)
[3]蚁群算法及其应用综述[J]. 乔东平,裴杰,肖艳秋,周坤. 软件导刊. 2017(12)
[4]海洋水下无线传感网络资源准确探测仿真研究[J]. 钟新梅. 计算机仿真. 2017(07)
[5]蚁群算法综述[J]. 吴庆洪,张颖,马宗民. 微计算机信息. 2011(03)
[6]基于整数编码遗传算法的传感器优化配置研究[J]. 覃柏英,林贤坤,张令弥,郭勤涛. 振动与冲击. 2011(02)
[7]水下自航式海洋观测平台技术发展研究[J]. 惠绍棠. 海洋技术. 2001(04)
博士论文
[1]演化算法和蚁群算法的性能分析[D]. 彭雪.华南理工大学 2016
[2]船舶自动识别系统（AIS）关键技术研究[D]. 刘畅.大连海事大学 2013
[3]基于差分进化算法的多目标优化方法研究及其应用[D]. 徐斌.华东理工大学 2013
[4]差异演化算法及其应用研究[D]. 武志峰.北京交通大学 2009
[5]基于演化算法的多目标优化方法及其应用研究[D]. 汪祖柱.安徽大学 2005
硕士论文
[1]海洋环境下UUV协同任务规划方法研究[D]. 张建库.哈尔滨工程大学 2019
[2]基于ADS-B数据监视性能评估技术研究[D]. 唐鹏.中国民航大学 2015
[3]K-均值聚类算法的研究与改进[D]. 刘莉莉.曲阜师范大学 2015
[4]差分进化算法的改进及其应用[D]. 魏玉霞.华南理工大学 2013
本文编号：3244911
【文章来源】：海洋信息. 2020,35(03)
【文章页数】：9 页
【部分图文】：
图２编码设计??每个观测Ｈ标需要安排载荷，针对载荷又要??
?ｍｉｎ、丨ｍｉｎ．由此组成了一个二元组作为标??志位。??但是二元的标志位在表示的时候仍然较为复??杂，因此本文将二元标志位映射到一元标志位上??进行简化。具体规则如下??（１）?一元标志位的第一位设置为０，其意义??为不进行观测。??（２）规定／．＝０或ｗ＝０认为是不进行观测，不??重复计入单标志位。??（３）根据?＜?的升序排序逐一和Ｍ；的升序排序??进行组合，逐一对应到单标志位ａ上。??（４）保存由（《，，叫）到〇？，的映射关系。??二元标志位到一元标志位额映射如图３所示??观测任务ｎ，??Ｋ??观测任务ｎ??ｔｉ??〇ｍ??／??Ｖ??图３二元标志位到一元标志位的映射??采用这种整数编码的方式，会大大简化Ｎ题??的处理复杂度。在海洋观测任务规划屮，设备的??数量基本上是可以认为有限的，但是起始时Ｍ和??终止时间的选择范Ｍ会随竚时间褚度的变化不Ｍ??而不间，选取一个较为适屮的时Ｎ精度可以大大??地减少解的搜索范围，提高解决Ｍ题的速度，同??时也不失任务安排的合理性，因此，选择这种编??码方式在观测任务规划上具有很好的效果和较大??的优势。??为了简化规划模型，在观测约束屮设定一项??间一设备Ｎ?－时ＮＭ能执行一项任务但是在实??际的观测场镇屮存在如下的情况：对于雷达这种??全向设备，可以间时执行多个观测任务。为了尽??可能使规划结果贴近实际观测场景，本课题设汁??了规划修正模块，修正模块对于该种情况的解决??方法是：当安排结果中存在全向设备时，检测未??安排任务列表，判断是否存在可以在相㈣平台、??相Ｎ设备、相Ｎ模式下执行的任务，如果有则无??条件将该任务添加到规划结果中，
。除此之外，还需要将读取到的移动目标数??据信息放入到移动目标历史数据表中，并读取移??动目标的历史数据表，将本次应急观测任务规划??没有生成任务的移动目标的目标数据使用卡尔曼??＿｜?７６涤评信息２０２０年第３期｜??滤波算法［１７］进行航迹预测，根据预测的结果，生??成对应的应急观测任务。??当任务与载荷都处理完毕后，进行应急规??划，匹配静止、移动目标和预测的航迹生成的应??急观测任务与各种类型的观测载荷，生成相应的??预案写入数据库。??应急规划算法的详细设计流程如图４所示。??图４应急规划算法详细设计流程图??２结果??２．１常规规划算法结果??为了对各个算法和各种应用场景进行评价??分析，本实验测试了?２８批数据（列出３批，见??表３），每批数据都有相应的特点，表３算法实??验用例表给出各批号任务的特点。每个观测批??号分别使用差分演化算法和蚁群算法各进行５??次测试，根据规划结果，分别从算法规划结果、??算法运行效率以及解的稳定性３个方面进行比??较，进行比较的数据都是对同一批数据经过５次??规划得到的平均值。??算法的规划结果包括５个方面的内容，分别??是：任务完成率、平均任务优先级、任务总耗??时、任务总能耗以及区域目标平均覆盖率。对每??一批数据分别采用差分演化、蚁群算法两种改进??算法进行规划，得到每种算法的规划结果，具体??数据结果如表４批号为１的规划结果至表６批号??为３的规划结果所示（列出３批结果，见表４、??表５和表６）。??
【参考文献】：
期刊论文
[1]海洋气象观测技术研发进展[J]. 陈洪滨,李军,马舒庆,胡树贞. 科技导报. 2019(06)
[2]蚁群算法的基本原理及应用综述[J]. 肖艳秋,焦建强,乔东平,杜江恒,周坤. 轻工科技. 2018(03)
[3]蚁群算法及其应用综述[J]. 乔东平,裴杰,肖艳秋,周坤. 软件导刊. 2017(12)
[4]海洋水下无线传感网络资源准确探测仿真研究[J]. 钟新梅. 计算机仿真. 2017(07)
[5]蚁群算法综述[J]. 吴庆洪,张颖,马宗民. 微计算机信息. 2011(03)
[6]基于整数编码遗传算法的传感器优化配置研究[J]. 覃柏英,林贤坤,张令弥,郭勤涛. 振动与冲击. 2011(02)
[7]水下自航式海洋观测平台技术发展研究[J]. 惠绍棠. 海洋技术. 2001(04)
博士论文
[1]演化算法和蚁群算法的性能分析[D]. 彭雪.华南理工大学 2016
[2]船舶自动识别系统（AIS）关键技术研究[D]. 刘畅.大连海事大学 2013
[3]基于差分进化算法的多目标优化方法研究及其应用[D]. 徐斌.华东理工大学 2013
[4]差异演化算法及其应用研究[D]. 武志峰.北京交通大学 2009
[5]基于演化算法的多目标优化方法及其应用研究[D]. 汪祖柱.安徽大学 2005
硕士论文
[1]海洋环境下UUV协同任务规划方法研究[D]. 张建库.哈尔滨工程大学 2019
[2]基于ADS-B数据监视性能评估技术研究[D]. 唐鹏.中国民航大学 2015
[3]K-均值聚类算法的研究与改进[D]. 刘莉莉.曲阜师范大学 2015
[4]差分进化算法的改进及其应用[D]. 魏玉霞.华南理工大学 2013
本文编号：3244911
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3244911.html
