【摘要】：移动传感器网络具有自组织性、灵活性和可扩展性,可以广泛地应用在广域监控、搜救任务和追逃行动等场景中。这些典型的应用场景要求移动传感器网络具备快速高效的广域覆盖和多目标追踪能力,并对移动节点的运行灵活性、任务处理效率、环境适应能力以及协调协作性能等都提出了较高的要求。然而实际应用场景中存在许多约束和不确定因素,如节点运行环境复杂、网络拓扑结构易变、信息交换效率低下等,移动节点之间的协调性能受到严重影响而造成整个系统的紊乱以及监控能力的下降。面对日益增长的监控性能需求以及繁琐庞杂的运行环境限制,设计出适用的移动传感器网络协调控制方案来高效地执行多目标任务具有很大的挑战性。本文主要基于一致性协调、人工势场和蜂拥行为控制理论,提出能够快速覆盖指定区域和跟踪多个目标的分布式自适应蜂拥算法,并联合路径规划算法有效降低移动传感器网络在已知崎岖地形中的目标检测时间,同时统筹考虑区域覆盖、目标追踪和节能导航性能,提出了适用于未知复杂地形中的自适应蜂拥控制算法,进一步提升移动传感器网络的多目标追踪能力并可以有效降低移动节点运动过程中产生的能耗。该算法利用简单的规则和局部通信的策略即可完成对移动传感器网络的有效控制,并且移动节点可以根据实际任务需求对其运行模式进行自适应调整,保证区域覆盖率的动态最大化并提高其多目标跟踪性能,能够为实现移动传感器网络在实际监控场景中的高效运行提供有价值的技术储备和理论支撑。本文的主要研究内容和工作目标如下:第一,为了能够使移动传感器网络同时具备区域覆盖和目标跟踪能力,本文提出了一种基于局部通信策略的分布式自适应蜂拥算法。移动传感器网络中的节点具有移动能力,这使得网络的拓扑结构会随时发生变化,同时复杂的运行环境会影响通信链路的质量和稳定性。为了解决移动传感器网络中信息交换效率低下的问题,本文为移动节点设计了一种高效的局部通信策略。基于移动节点之间的信息交换和交互协作,它们根据不同的任务需求和环境因素可以在搜索模式和跟踪模式之间进行切换。为了能够能够结合蜂拥算法和抗蜂拥算法的优点,本文设计了一种模式切换机制。在模式切换机制的控制下,部分移动节点在不同的目标周围形成小规模的队形对其进行持续跟踪,其余节点继续负责区域搜索。为了增强移动节点的目标跟踪能力以及提高系统的运行稳定性,本文考虑对移动节点的输入控制量进行优化。此外,针对不同优先级的多目标跟踪问题,本文提出了一种新的目标选择方法,可以根据目标的优先级分配合适的移动节点对其进行跟踪。第二,考虑到多个地形约束条件会影响移动节点的运动性能,在崎岖地形中运行的移动传感器网络存在目标跟踪效率低下的问题。为了提高移动传感器网络在已知崎岖地形中的目标跟踪能力,本文提出一种基于启发式路径规划的自适应蜂拥算法。基于已知崎岖地形的相关信息(比如地势起伏状况、植被密度和土壤特性等)以及移动节点本身的特性,可以构建出合理的模型来表示移动节点在不同区域的运动速度限制。在对已知崎岖地形建模之后,本文设计了高效率的启发式路径规划算法,可以为移动节点找到一条最快的路径趋近其目标。在基于路径规划的自适应蜂拥算法控制下,移动节点不仅能够高效协作对指定区域进行搜索,还能快速发现和跟踪所检测到所有目标。所提出的算法提升了移动传感器网络在已知崎岖地形上的运行效率和适应性。第三,针对一些难以构建地形模型的未知复杂场景,比如极地地区、远程岛屿和敌对战场等,需要设计更合适的算法控制移动传感器网络以提高其监控效率。本文提出了一种基于石蚁迁徙模型的自适应蜂拥算法以提升移动传感器网络在未知复杂地形中的多目标跟踪性能。在所提出的算法中引入石蚁迁徙模型中的高效协调机制,移动节点能更有效得与邻近节点进行信息交换和协调协作,并能够更快得发现和跟踪到指定区域内的所有目标。另一方面,考虑到在大多数移动传感器网络的应用场景中,移动节点的运动消耗了其大部分的能量。然而移动节点的能源存储是有限的,那么降低移动节点的运动能耗至关重要。为了降低移动节点运行在未知复杂地形时的能量损耗,并同时能够保证其高效的区域搜索和目标追踪能力,本文考虑一种结合地形适应力和新的导航目标选择方法的自适应蜂拥算法,可以控制移动节点沿着节能路径运动,以更低的能耗实现期望的区域搜索和目标追踪性能。
【图文】：
a) 混合蜂拥算法b) 自适应蜂拥算法图 3-6 在第 0 秒, 第 30 秒以及第 60 秒时移动传感器网络的瞬时覆盖示意图Fig.3-6 Dynamic area coverage at time 0, 30, and 60 s of a MSN- 51 -
0 50 100 150 200x (m)0图 4-1 移动节点运动速度限制模型示意图Fig.4-1 An example of the motion velocity limit model，那么可以用文献 [128] 或文献 [129] 中的方法，对已知动速度限制模型的形式表示。如图 4-1所示是一个随机生指定区域中包含不同颜色的子区域，其对应于移动节点在最大运动速度。作为示例，图中蓝色点为移动节点的运动点。规划的的路径连接了起点与终点，在图中用绿色线条规划的路径与运动速度限制模型中相邻子区域的边界的交其所在子区域的中心。点搜索的 A* 搜索算法关于路径规划算法的研究结果，，该研究旨在为所提出的自
【学位授予单位】：哈尔滨工业大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TN929.5;TP212.9
【参考文献】
相关期刊论文 前7条
1 刘楚豪;;基于集中式控制的多个无人飞行器编队[J];华中科技大学学报(自然科学版);2015年S1期
2 么洪飞;李艳东;孙明;;多移动机器人的领航者模式编队控制[J];计算机仿真;2014年07期
3 纪良浩;廖晓峰;;Consensus problems of first-order dynamic multi-agent systems with multiple time delays[J];Chinese Physics B;2013年04期
4 宋运忠;杨飞飞;;基于行为法多智能体系统构形控制研究[J];控制工程;2012年04期
5 ;Consensus problem of second-order multi-agent systems with time-varying communication delay and switching topology[J];Journal of Systems Engineering and Electronics;2011年04期
6 张凤;孙哲;刘美菊;;基于Leader-follower与人工势场的多移动机器人编队控制[J];沈阳建筑大学学报(自然科学版);2010年04期
7 袁健;张文霞;;递阶式虚拟结构非完整机器人的编队控制[J];汕头大学学报(自然科学版);2010年02期
相关硕士学位论文 前2条
1 蒋伯亨;多智能体系统集群控制中的蜂拥算法研究[D];吉林大学;2018年
2 王超瑞;基于信息一致性理论的无人机编队控制算法研究[D];哈尔滨工业大学;2017年
本文编号：
2690653
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2690653.html
