基于粒子群优化算法的USV集群协同避碰方法

doi:10.3969/j.issn.1001-506X.2019.09.16

系统工程与电子技术 ›› 2019, Vol. 41 ›› Issue (9): 2034-2040.doi: 10.3969/j.issn.1001-506X.2019.09.16

基于粒子群优化算法的USV集群协同避碰方法

练青坡, 王宏健, 袁建亚, 高娜, 胡文月

哈尔滨工程大学自动化学院, 黑龙江哈尔滨 150001

出版日期:2019-08-27 发布日期:2019-08-20

USV cluster collision avoidance based on particle swarm optimization algorithm

LIAN Qingpo, WANG Hongjian, YUAN Jianya, GAO Na, HU Wenyue

College of Automation, Harbin Engineering University, Harbin 150001, China

Online:2019-08-27 Published:2019-08-20

摘要/Abstract

摘要：

针对无人水面艇(unmanned surface vessel, USV)集群在路径规划中的协同避碰问题,提出了基于滚动优化策略结合粒子群优化算法的USV集群协同避碰方法。首先,通过已有雷达、光电等传感器参数指标建立综合视域模型;其次,采取基于正切函数的惯性权重调整结合线性调整学习因子的方法来提高粒子群优化算法的全局搜索能力,同时,在适应度函数中加入转艏角控制来提高路径的平滑性;最后,利用改进后的粒子群优化算法规划出每个综合视域内的路径。仿真实验结果表明,该优化算法能实现USV集群的实时避碰,并快速为USV集群规划出平滑、安全的全局最优无避碰路径。

关键词: 无人水面艇集群, 滚动优化策略, 粒子群优化算法, 协同避碰, 视域模型

Abstract:

To deal with the collaborative collision avoidance problem in path planning for unmanned surface vessel (USV) clusters, a USV cluster coordination collision avoidance method based on the rolling optimization strategy and the particle swarm optimization algorithm is proposed. Firstly, a comprehensive field of the view model is established by existing sensor parameters such as radar and photoelectric. Secondly, the standard particle swarm optimization algorithm is easy to fall into the local optimal problem. The inertia weight adjustment based on the tangent function is combined with the linear adjustment learning factor to improve the global search ability of the particle swarm optimization algorithm. At the same time, the transition angle control strategy is added to the selection of the fitness function to improve the smoothness of the path. Finally, the improved particle swarm optimization algorithm is used to plan the path in each integrated view. The simulation results show that the optimization algorithm can realize real-time collision avoidance of USV clusters, and quickly plan a smooth and secure global optimal path for USV clusters.

Key words: unmanned surface vessel (USV) cluster, rolling optimization strategy, particle swarm optimization algorithm, collaborative collision avoidance, sight model

练青坡, 王宏健, 袁建亚, 高娜, 胡文月. 基于粒子群优化算法的USV集群协同避碰方法[J]. 系统工程与电子技术, 2019, 41(9): 2034-2040.

LIAN Qingpo, WANG Hongjian, YUAN Jianya, GAO Na, HU Wenyue. USV cluster collision avoidance based on particle swarm optimization algorithm[J]. Systems Engineering and Electronics, 2019, 41(9): 2034-2040.

[1]	杨建峰, 肖和业, 李亮, 白俊强, 董维浩. 基于模糊聚类和专家评分机制的无人机多层次模块划分方法[J]. 系统工程与电子技术, 2022, 44(8): 2530-2539.
[2]	杜思予, 全英汇, 沙明辉, 方文, 邢孟道. 基于进化PSO算法的稀疏捷变频雷达波形优化[J]. 系统工程与电子技术, 2022, 44(3): 834-840.
[3]	王坤, 侯树贤, 王力. 基于自适应变异PSO-SVM的APU性能参数预测模型[J]. 系统工程与电子技术, 2021, 43(2): 526-536.
[4]	赵帅, 刘松涛, 汪慧阳. 基于PSO-CNN的LPI雷达波形识别算法[J]. 系统工程与电子技术, 2021, 43(12): 3552-3563.
[5]	李玖阳, 胡敏, 王许煜, 徐家辉, 李菲菲. 基于ALPSO算法的低轨卫星小推力离轨最优控制方法[J]. 系统工程与电子技术, 2021, 43(1): 199-207.
[6]	何春蓉, 朱江. 基于注意力机制的GRU神经网络安全态势预测方法[J]. 系统工程与电子技术, 2021, 43(1): 258-266.
[7]	马愈昭, 王强强, 王瑞松, 熊兴隆. 基于SVD和MPSO-SVM的光纤周界[J]. 系统工程与电子技术, 2020, 42(8): 1652-1661.
[8]	苏志刚, 陈欣然, 郝敬堂. 基于粒子群优化的圆阵列波束形成方法[J]. 系统工程与电子技术, 2020, 42(7): 1449-1454.
[9]	吴明功, 叶泽龙, 温祥西, 王宏军. 基于局部弹性路由层的关键航路段改航规划[J]. 系统工程与电子技术, 2020, 42(7): 1534-1542.
[10]	孙胜祥, 韩霜. 基于双层决策的装备订购多因素激励定价模型与算法[J]. 系统工程与电子技术, 2020, 42(6): 1338-1347.
[11]	徐涛, 吴志帅, 卢敏, 吕宗磊, 李忠虎. 面向拥堵问题的枢纽航线网络优化模型[J]. 系统工程与电子技术, 2020, 42(11): 2553-2559.
[12]	蒋旭瑞, 吴明功, 温祥西, 涂从良, 聂党民. 基于合作博弈的多机飞行冲突解脱策略[J]. 系统工程与电子技术, 2018, 40(11): 2482-.
[13]	范成礼, 付强, 邢清华. 基于改进PSO的临空高速飞行器协同跟踪优化[J]. 系统工程与电子技术, 2017, 39(3): 476-481.
[14]	朱江, 段昂, 熊加毫, 陈红翠. 认知无线网络中准入控制和功率控制联合优化[J]. 系统工程与电子技术, 2017, 39(3): 641-648.
[15]	杨永建, 樊晓光, 甘轶, 禚真福, 王晟达, 赵鹏. 基于改进PSO算法的传感器网络覆盖优化[J]. 系统工程与电子技术, 2017, 39(2): 310-315.

基于粒子群优化算法的USV集群协同避碰方法

USV cluster collision avoidance based on particle swarm optimization algorithm

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价