基于單平臺(tái)探測(cè)概率模型的水下無(wú)人集群部署規(guī)劃算法

生雪莉, 李鵬飛, 郭龍祥, 陸 典, 韓 笑

?

基于單平臺(tái)探測(cè)概率模型的水下無(wú)人集群部署規(guī)劃算法

生雪莉, 李鵬飛, 郭龍祥, 陸 典, 韓 笑

(1. 哈爾濱工程大學(xué) 水聲技術(shù)重點(diǎn)實(shí)驗(yàn)室, 哈爾濱, 150001; 2. 海洋信息獲取與安全工信部重點(diǎn)實(shí)驗(yàn)室(哈爾濱工程大學(xué)), 工業(yè)和信息化部, 哈爾濱, 150001; 3. 哈爾濱工程大學(xué) 水聲工程學(xué)院, 哈爾濱, 150001)

在執(zhí)行海洋環(huán)境監(jiān)測(cè)、近海勘探及軍事戰(zhàn)術(shù)偵察等任務(wù)時(shí), 水下無(wú)人集群探測(cè)的探測(cè)性能取決于集群內(nèi)平臺(tái)的部署規(guī)劃及單個(gè)平臺(tái)的探測(cè)性能模型。文中基于主動(dòng)聲吶信息流程和海軍水面艦艇模型(NISSM), 引入了單平臺(tái)區(qū)域探測(cè)的概率模型, 提出一種基于布谷鳥(niǎo)搜索算法, 采用高斯變異算子和錦標(biāo)賽選擇機(jī)制的指定區(qū)域內(nèi)無(wú)人平臺(tái)部署規(guī)劃算法, 并進(jìn)行了仿真驗(yàn)證。仿真結(jié)果表明: 單平臺(tái)探測(cè)概率模型能夠量化地給出區(qū)域內(nèi)各點(diǎn)的探測(cè)概率, 有效反映受平臺(tái)自身參數(shù)及海洋環(huán)境約束引起的平臺(tái)探測(cè)信息的不確定性, 且平臺(tái)探測(cè)能力的衰減程度與虛警概率相關(guān)。文中的無(wú)人平臺(tái)部署規(guī)劃算法較布谷鳥(niǎo)算法性能優(yōu)異、進(jìn)化曲線斜率更陡、收斂速度更快, 不同數(shù)量平臺(tái)基于該算法部署規(guī)劃后的區(qū)域有效探測(cè)覆蓋率較隨機(jī)部署高0.2, 達(dá)0.8以上。文中的研究可對(duì)任務(wù)區(qū)域無(wú)人集群的布放提供參考。

水下無(wú)人集群; 單平臺(tái)探測(cè)概率模型; 無(wú)人平臺(tái)部署規(guī)劃算法; 區(qū)域有效探測(cè)覆蓋率

0 引言

隨著無(wú)人科技的發(fā)展, 在現(xiàn)代戰(zhàn)爭(zhēng)追求人員零傷亡的需求下, 作為無(wú)人作戰(zhàn)系統(tǒng)重要組成部分的水下無(wú)人集群, 已經(jīng)成為世界各國(guó)研究的熱點(diǎn)[1]。

由于水下無(wú)人集群不受惡劣的水文環(huán)境和高危險(xiǎn)海底環(huán)境影響, 能突破人體極限, 全天候、高強(qiáng)度地偵察和獲取水中的各種信息, 各國(guó)紛紛利用水下無(wú)人集群進(jìn)行水下戰(zhàn)場(chǎng)偵察、監(jiān)視、情報(bào)收集、預(yù)警探測(cè)、通信中繼、環(huán)境調(diào)查、有效載荷預(yù)置、水聲對(duì)抗、目標(biāo)探測(cè)與識(shí)別、獵雷及跟蹤打擊等任務(wù)[2-3]。在上述監(jiān)視和偵察任務(wù)中, 無(wú)人集群的部署規(guī)劃是構(gòu)建水下探測(cè)網(wǎng)絡(luò)區(qū)域覆蓋的關(guān)鍵, 而單平臺(tái)的探測(cè)性能又是影響集群部署規(guī)劃的關(guān)鍵因素。

目前, 對(duì)水下探測(cè)網(wǎng)絡(luò)部署問(wèn)題的研究已有很多, 蔣鵬等[4]提出了一種受果蠅啟發(fā)的水下傳感網(wǎng)部署算法, 考慮到實(shí)際水下存在障礙物及邊界, 該算法以網(wǎng)絡(luò)重連通為約束條件, 利用果蠅群的覓食行為結(jié)合歐瓊鳥(niǎo)飛行機(jī)制求解節(jié)點(diǎn)移動(dòng)位置來(lái)提高網(wǎng)絡(luò)覆蓋率; 范興剛等[5]針對(duì)柵欄平面上的覆蓋空洞, 提出了基于節(jié)點(diǎn)重部署的能量高效的三維柵欄構(gòu)建算法, 該算法選擇移動(dòng)能耗最小的節(jié)點(diǎn)移動(dòng)到空洞的垂直修補(bǔ)線段上, 修補(bǔ)覆蓋空洞, 實(shí)現(xiàn)了三維柵欄覆蓋; 崔頻[6]在遺傳算法的基礎(chǔ)上結(jié)合虛擬力方法, 同時(shí)兼顧目標(biāo)水域的能量平均, 研究了一種虛擬力導(dǎo)向遺傳算法的水下傳感器網(wǎng)絡(luò)能量均衡部署策略。但以上的部署算法均是基于布爾感知模型所做的研究, 布爾感知模型無(wú)法反映出平臺(tái)自身工作參數(shù)、傳輸距離和海洋環(huán)境噪聲干擾等因素對(duì)平臺(tái)探測(cè)性能的約束, 難以真實(shí)有效反映其探測(cè)信息的不確定性[7]。

為了有效反映單平臺(tái)的探測(cè)性能和提高無(wú)人集群的區(qū)域覆蓋率, 文中基于主動(dòng)聲吶信息流程和海軍水面艦艇模型(navy interim surface ship model, NISSM)主動(dòng)聲吶模型[8], 引入了單個(gè)平臺(tái)區(qū)域探測(cè)的概率模型, 提出了基于布谷鳥(niǎo)算法的水下探測(cè)網(wǎng)絡(luò)無(wú)人平臺(tái)部署規(guī)劃算法, 并進(jìn)行了仿真驗(yàn)證。

1 單平臺(tái)探測(cè)概率模型

實(shí)際應(yīng)用環(huán)境中, 由于海洋環(huán)境噪聲干擾、傳播損失等因素的影響, 水下無(wú)人平臺(tái)的探測(cè)能力表現(xiàn)出一定的不確定性, 即平臺(tái)距離目標(biāo)位置越近, 其探測(cè)能力越強(qiáng); 反之, 平臺(tái)距離目標(biāo)位置越遠(yuǎn), 其探測(cè)能力越弱, 其獲取的信息可靠度越低。傳統(tǒng)的布爾感知模型下平臺(tái)對(duì)信息的獲取是確定的, 無(wú)法體現(xiàn)平臺(tái)的探測(cè)能力。單平臺(tái)探測(cè)概率模型能夠量化地給出探測(cè)范圍內(nèi)各點(diǎn)的探測(cè)概率, 較布爾感知模型能夠有效反映特定區(qū)域中平臺(tái)獲取信息的不確定性。

考慮聲波以球面波形式傳播, 則

結(jié)合式(1)~式(4), 得給定虛警概率下的探測(cè)概率

其中

2 協(xié)同探測(cè)策略

在單平臺(tái)探測(cè)概率模型下, 由于平臺(tái)獲取信息的不確定性, 目標(biāo)區(qū)域的點(diǎn)并不是以均一概率被感知。探測(cè)信息的可靠程度由平臺(tái)與目標(biāo)點(diǎn)之間的距離、海洋環(huán)境噪聲干擾和目標(biāo)強(qiáng)度決定。為了降低目標(biāo)區(qū)域目標(biāo)點(diǎn)成為探測(cè)盲點(diǎn)的可能性, 需要對(duì)目標(biāo)點(diǎn)實(shí)施多平臺(tái)協(xié)同探測(cè)策略。

3 算法設(shè)計(jì)

3.1 布谷鳥(niǎo)算法

2009年, 劍橋大學(xué)Yang等[9]提出了一種新型的智能優(yōu)化算法——布谷鳥(niǎo)算法(cuckoo search alg- orithm, CSA)。CSA具有參數(shù)設(shè)置少, 收斂速度快, 全局搜索性能強(qiáng)等優(yōu)點(diǎn), 一經(jīng)提出就被廣泛應(yīng)用到多目標(biāo)優(yōu)化、工程設(shè)計(jì)、微電網(wǎng)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練以及計(jì)算機(jī)網(wǎng)絡(luò)等領(lǐng)域[10]。

CSA是受布谷鳥(niǎo)寄生孵育雛鳥(niǎo)的生物現(xiàn)象啟發(fā)而設(shè)計(jì)的一種優(yōu)化算法, 其主要思想是通過(guò)萊維飛行路徑產(chǎn)生候選鳥(niǎo)窩以及采用精英策略更新當(dāng)前鳥(niǎo)窩位置, 最終使鳥(niǎo)窩位置能夠達(dá)到或接近全局最優(yōu)解。

在這3個(gè)理想狀態(tài)下, 鳥(niǎo)巢位置的更新公式為

3.2 無(wú)人平臺(tái)部署規(guī)劃算法

在CSA中, 由于采用基于萊維飛行的搜索策略, 使得搜索新鳥(niǎo)巢的路徑長(zhǎng)度和方向具有較大的隨機(jī)性, 有利于算法在優(yōu)化前期進(jìn)行全局搜索, 但在優(yōu)化后期存在收斂速度慢、求解精度低以及容易陷入局部最優(yōu)等問(wèn)題, 為了提高CSA的求解精度以及防止其陷入局部最優(yōu), 文中將高斯變異算子及錦標(biāo)賽選擇機(jī)制引入CSA中, 提出了無(wú)人平臺(tái)部署規(guī)劃算法。

4 仿真結(jié)果與分析

4.1 單平臺(tái)探測(cè)概率模型仿真

圖1是基于表1中參數(shù)信息進(jìn)行的仿真試驗(yàn), 圖2是選取單平臺(tái)探測(cè)概率模型的部分進(jìn)行了局部放大。由圖中可知, 由于海洋環(huán)境噪聲干擾、傳播損失及目標(biāo)強(qiáng)度的影響, 無(wú)人平臺(tái)的探測(cè)能力表現(xiàn)出一定的不確定性。由圖1和圖2直觀地顯示出: 平臺(tái)距離目標(biāo)的位置越近, 探測(cè)信息的可信度越高; 平臺(tái)距離目標(biāo)的位置越遠(yuǎn), 其探測(cè)能力越弱。探測(cè)能力衰減趨勢(shì)如圖2所示, 區(qū)域內(nèi)點(diǎn)探測(cè)概率的具體數(shù)學(xué)表達(dá)見(jiàn)式(6)。

圖1 單平臺(tái)探測(cè)概率模型

4.2 仿真驗(yàn)證

表1 參數(shù)列表

圖2 探測(cè)概率模型局部

圖3 變虛警概率下的單平臺(tái)探測(cè)概率模型

對(duì)比可知: 圖4中, 迭代次數(shù)為40時(shí), CSA優(yōu)化得到的協(xié)同覆蓋率低于0.8, 而無(wú)人平臺(tái)部署規(guī)劃算法優(yōu)化得到的協(xié)同覆蓋率高于0.85; 圖5中,迭代次數(shù)為50時(shí), CSA優(yōu)化得到的協(xié)同覆蓋率為0.75, 無(wú)人平臺(tái)部署規(guī)劃算法優(yōu)化得到的協(xié)同覆蓋率高于0.85。圖4和圖5中無(wú)人平臺(tái)部署規(guī)劃算法的進(jìn)化曲線斜率均大于CSA的進(jìn)化曲線斜率。

圖4 100次條件下2種算法進(jìn)化曲線對(duì)比圖

圖5 200次條件下2種算法進(jìn)化曲線對(duì)比圖

引入高斯變異算子和錦標(biāo)賽選擇機(jī)制的無(wú)人平臺(tái)部署規(guī)劃算法收斂速率優(yōu)于CSA。當(dāng)?shù)螖?shù)低于100次時(shí), 文中所提算法規(guī)劃效果更優(yōu)。

圖6和圖7中: 顏色深淺表示區(qū)域中某點(diǎn)探測(cè)概率的大小; *表示單平臺(tái)探測(cè)概率模型的中心即平臺(tái)的部署位置。圖6(a)是4個(gè)平臺(tái)隨機(jī)部署的效果圖, 區(qū)域有效探測(cè)覆蓋率為0.63; 圖6(b)是文中所提算法對(duì)4個(gè)平臺(tái)部署規(guī)劃的效果圖, 區(qū)域有效探測(cè)覆蓋率為0.9。圖7(a)是6個(gè)平臺(tái)隨機(jī)部署的效果圖, 區(qū)域有效探測(cè)覆蓋率為0.73; 圖7(b)是文中所提算法對(duì)6個(gè)平臺(tái)部署規(guī)劃的效果圖, 區(qū)域有效探測(cè)覆蓋率為0.95。4或6個(gè)平臺(tái)基于文中所提算法區(qū)域有效探測(cè)覆蓋率較隨機(jī)部署提升0.2以上。優(yōu)化后的4或6個(gè)平臺(tái)部署位置見(jiàn)表2。

文中所提出的無(wú)人平臺(tái)部署規(guī)劃算法對(duì)區(qū)域內(nèi)平臺(tái)部署具有很好的規(guī)劃效果, 較隨機(jī)部署有效提高了區(qū)域有效探測(cè)覆蓋率。

圖6 4個(gè)平臺(tái)部署對(duì)比示意圖

圖7 6個(gè)平臺(tái)部署對(duì)比示意圖

表2 位置信息列表

5 結(jié)束語(yǔ)

文中基于主動(dòng)聲吶信息流程和NISSM聲吶模型引入的單平臺(tái)探測(cè)概率模型能夠有效地反映監(jiān)測(cè)區(qū)域內(nèi)平臺(tái)探測(cè)信息的不確定性, 量化地給出區(qū)域內(nèi)各點(diǎn)的探測(cè)概率。所提出的無(wú)人平臺(tái)部署規(guī)劃算法能夠很好地解決區(qū)域內(nèi)平臺(tái)部署問(wèn)題, 由于引入高斯變異算子和錦標(biāo)賽選擇機(jī)制, 該算法的收斂速率優(yōu)于CSA, 對(duì)區(qū)域內(nèi)平臺(tái)部署具有很好的規(guī)劃效果。

文中介紹的單平臺(tái)探測(cè)概率模型是基于二維平面且全指向性的, 由于現(xiàn)實(shí)水環(huán)境是三維空間, 后續(xù)還需研究三維空間里的探測(cè)概率模型及有向探測(cè)概率模型, 以及相關(guān)的平臺(tái)部署規(guī)劃算法。

[1] 鐘宏偉. 國(guó)外無(wú)人水下航行器裝備與技術(shù)現(xiàn)狀及展望[J]. 水下無(wú)人系統(tǒng)學(xué)報(bào), 2017, 25(3): 215-225.Zhong Hong-wei. Review and Prospect of Equipment and Techniques for Unmanned Undersea Vehicle in Foreign Countries[J]. Journal of Unmanned Undersea Systems, 2017, 25(3): 215-225.

[2] Han Y, Zhang J, Sun D. Error Control and Adjustment Method for Underwater Wireless Sensor Network Localization[J]. Applied Acoustics, 2018, 130: 293-299.

[3] Wang S Q, Sun D J, Zhang Y W. An Efficient Intra-Clust- er MAC Protocol in Underwater Acoustic Sensor Networks[J]. Applied Mechanics & Materials, 2014, 651-653: 1790-1797.

[4] 蔣鵬, 馮洋, 吳鋒. 果蠅啟發(fā)的水下傳感網(wǎng)部署算法[J]. 電子學(xué)報(bào), 2017, 45(6): 1403-1407.Jiang Peng, Feng Yang, Wu Feng. Fruit Fly Inspired Underwater Sensor Network Deployment Algorithm[J]. Acta Electronica Sinica, 2017, 45(6): 1403-1407.

[5] 范興剛, 蒿翔, 程斯顥, 等. 基于節(jié)點(diǎn)重部署的水下傳感器網(wǎng)絡(luò)三維柵欄覆蓋[J]. 傳感技術(shù)學(xué)報(bào), 2018, 31(2): 304-311.Fan Xing-gang, Hao Xiang, Cheng Si-hao, et al. Node Re- deployment for 3D Barrier Coverage in Underwater Sen- sor Networks[J]. Chinese Journal of Sensors and Actuat- ors, 2018, 31(2): 304-311.

[6] 崔頻. 水下無(wú)線傳感器網(wǎng)絡(luò)部署算法研究[D]. 鎮(zhèn)江: 江蘇科技大學(xué), 2016.

[7] 賈杰. 無(wú)線傳感器網(wǎng)絡(luò)覆蓋控制與節(jié)點(diǎn)部署技術(shù)[M]. 沈陽(yáng): 東北大學(xué)出版社, 2013: 30-34.

[8] Etter P E. 水聲建模與仿真[M]. 北京: 電子工業(yè)出版社, 2005: 303-310.

[9] Deb S, Yang X S. Cuckoo Search via Levy Flights[C]//2009 World Congress on Nature & Biologically Inspired Computing. New Zealand: NABIC, 2009: 210-214.

[10] 劉長(zhǎng)良, 王鵬飛, 劉帥, 等. 一種改進(jìn)的CS算法及其在微電網(wǎng)優(yōu)化中的應(yīng)用[J]. 系統(tǒng)仿真學(xué)報(bào), 2018, 30(3): 930-936.Liu Chang-liang, Wang Peng-fei, Liu Shuai, et al. An Imp- roved CS Algorithm and Its Application in Micro Grid Optimization[J]. Journal of System Simulation, 2018, 30 (3): 930-936.

[11] 楊淑瑩, 張樺. 群體智能與仿生計(jì)算: Matlab技術(shù)實(shí)現(xiàn)[M]. 北京: 電子工業(yè)出版社, 2012: 13-30.

Deployment Planning Algorithm of Unmanned Underwater Swarm Based on Probability Model of Single-platform Detection

SHENG Xue-li , LI Peng-fei, GUO Long-xiang, LU Dian, HAN Xiao

(1.Acoustic Science and Technology Laboratory, Harbin Engineering University, Harbin 150001, China; 2. Key Laboratory of Marine Information Acquisition and Security(Harbin Engineering University), Ministry of Industry and Information Technology, Harbin 150001, China; 3. College of Underwater Acoustic Engineering, Harbin Engineering University, Harbin 150001, China)

In marine environment monitoring, offshore exploration, military tactical reconnaissance and other missions, the detection performance of unmanned underwater swarm depends on the deployment planning of swarm and the detection performance model of single platform. In this paper, a probability model of single platform for area detection is proposed based on the active sonar process and the navy interim surface ship model(NISSM) sonar model. An unmanned platform deployment planning algorithm in a specified area using a Gaussian mutation operator and a tournament selection mechanism is proposed based on cuckoo search algorithm. Simulation result indicates that the probability model of single-platform detection can give detection probability of each point in a region quantitatively, and can effectively reflect the uncertainty of detection information, which is induced by the restriction of platform’s parameter and marine environment. And the attenuation of the platform detection capability relates to the false alarm probability. The proposed algorithm performs better than the cuckoo search algorithm in terms of higher slope of the evolution curve, and faster convergence speed. For different number of platforms, the effective detection coverage rate of the unmanned platform deployment planning algorithm is more than 0.8, 0.2 higher than that of the random deployment.

unmanned underwater swarm; single-platform detection probability model; unmanned platform deployment planning algorithm; effective detection coverage rate

TJ630.33; TB566

A

1673-1948(2019)02-0194-06

10.11993/j.issn.2096-3920.2019.02.011

生雪莉, 李鵬飛, 郭龍祥, 等. 基于單平臺(tái)探測(cè)概率模型的水下無(wú)人集群部署規(guī)劃算法[J]. 水下無(wú)人系統(tǒng)學(xué)報(bào), 2019, 27(2): 194-199.

2018-11-8;

2018-12-26.

國(guó)家自然科學(xué)基金(51779061); 霍英東青年教師基金(151007)資助.

生雪莉(1979-), 女, 博士, 教授, 主要研究方向?yàn)樗曅盘?hào)處理技術(shù).

(責(zé)任編輯: 楊力軍)