《Mathematics》:Distributed Cooperative Multi-Target Search for an Autonomous Underwater Vehicle Swarm in Unknown 3D Underwater Environments
编辑推荐:
本文研究了在通信受限条件下,自主水下航行器(AUV)集群在未知三维(3D)水下障碍物环境中进行多目标搜索的问题。为解决此问题,研究人员提出了一种分布式协同搜索框架。在此框架内,设计了一种由目标响应函数驱动的自适应双状态搜索机制。该机制使集群能够在独立的大范围漫
本文研究了在通信受限条件下,自主水下航行器(AUV)集群在未知三维(3D)水下障碍物环境中进行多目标搜索的问题。为解决此问题,研究人员提出了一种分布式协同搜索框架。在此框架内,设计了一种由目标响应函数驱动的自适应双状态搜索机制。该机制使集群能够在独立的大范围漫游搜索和精确的协同搜索之间切换。在此基础上,通过集成虚拟力模型、运动约束的三维粒子群优化(PSO)算法以及分段三维切平面避障方法,开发了一种多目标搜索方法。仿真结果证明了所提框架的有效性和工程可行性。在未知地形和通信限制条件下,AUV集群能够自适应地执行状态转换、安全避开三维障碍物并完成多目标搜索任务。具体而言,当集群规模从30个AUV增加到60个时,平均迭代次数从432.97次下降到269.73次,而总能耗则从11.79 × 104预期增加到15.51 × 104,这反映了效率与成本之间良好的平衡。本研究为复杂通信受限水下场景中的AUV集群提供了一种实用的分布式控制参考。
**论文解读:未知三维水下环境中AUV集群的分布式协同多目标搜索**
**一、 研究背景、问题与意义**
自主水下航行器(AUV)是无需实时人工控制、能在水下航行并进行感知、检查、搜索和数据收集任务的无人移动平台,是海洋勘探和水下任务的重要工具。随着海洋资源勘探、水下救援、海洋环境监测、水下传感器数据收集以及水下传感器网络覆盖优化等应用的发展,基于AUV的目标搜索与协同操作日益受到关注。然而,受限于其感知范围和操作效率,单AUV系统难以满足复杂水下环境中多目标搜索的实际需求。相比之下,通过分布式协同,AUV集群能够扩大搜索覆盖范围、提高目标检测能力,并降低单个平台故障对整体任务的影响。因此,AUV集群已成为解决水下多目标搜索问题的重要技术途径。
尽管已有大量研究关注AUV目标搜索,但现有方法仍存在若干局限。首先,部分方法依赖于全局信息、先验环境知识或集中式协调,这在通信受限的未知水下环境中可能难以获得。其次,许多研究侧重于问题的单一层面,如任务分配、路径优化、覆盖规划或避障,而在统一的分布式框架内整合协同多目标搜索与安全导航方面仍显不足。第三,AUV集群对多个已探测目标的协同响应,特别是在局部通信和三维运动约束下,尚未得到充分解决。
为应对上述局限,特别是减少对全局信息的依赖,并充分考虑通信受限条件下的多目标响应问题,本研究聚焦于在未知三维水下障碍物环境中运行的AUV集群,研究其分布式协同搜索框架。该框架旨在使AUV能够利用局部感知和通信信息协调搜索活动,并根据目标响应信息动态调整搜索行为。本研究的主要贡献在于:1)建立了一个适用于通信受限条件下、未知三维水下障碍物环境中AUV集群多目标搜索的分布式协同搜索框架;2)设计了一种自适应双状态搜索机制;3)开发了一种集成了虚拟力、运动约束三维PSO和切平面避障的运动约束三维搜索策略;4)通过仿真验证了该框架在自适应状态切换、多目标搜索和避障方面的有效性。该研究为复杂通信受限水下场景中的AUV集群提供了实用的分布式控制参考,论文发表在《Mathematics》期刊上。
**二、 主要关键技术方法**
为开展研究,研究人员构建了系统性的方法体系。首先,对搜索任务进行了数学建模,定义了任务环境(1000 m × 1000 m × 200 m)、AUV集群、目标集和障碍物集,并明确了AUV的运动、通信、感知和探测能力约束。目标信号通过一个包含环境衰减和随机噪声的目标响应函数进行建模,以模拟真实的水下传感特性。其次,提出了基于响应阈值的多目标任务分配(RT-MTTA)模型。该模型根据AUV探测到的目标信号强度,通过概率评估和轮盘赌选择机制,使AUV自主决定搜索目标并形成针对特定目标的子联盟,从而平衡搜索多样性与效率,并引入闭环调节机制优化资源分配。第三,针对不同搜索状态设计了相应的运动控制策略。在漫游搜索状态,采用虚拟力模型促进AUV快速分散以探索任务区域;在协同搜索状态,引入运动约束的三维粒子群优化(PSO)算法,使子联盟内的AUV能够协同向目标位置收敛。最后,为确保在复杂三维海底地形中的安全导航,提出了一种三维切平面避障方法。该方法将感知范围内的海底地形离散化为障碍点集,通过计算AUV与最近障碍点构成的切平面,生成避障速度,使AUV能够沿海底表面安全移动。
**三、 研究结果**
**3.1 基于响应阈值的多目标任务分配**
研究人员设计了包含漫游搜索、协同搜索和任务完成三种状态的AUV状态机。当未探测到目标信号时,AUV处于漫游搜索状态。一旦探测到目标信号,则启动RT-MTTA模型。该模型根据AUV探测到的目标信号强度计算响应概率,并通过轮盘赌选择机制确定其要协同搜索的目标。探测到目标信号的AUV(I型)和通过通信间接获得目标信息的AUV(II型)可以共同参与同一目标的搜索,形成子联盟。为防止资源分配不均,研究引入了闭环调节机制,根据子联盟成员数量上限(N
max)动态调整成员构成,并制定了基于类型和信号强度的成员选择优先级规则。仿真结果表明,该机制能够有效引导AUV形成子联盟,并动态调整联盟成员,实现了多目标任务的自主分配与协同。
**3.2 基于虚拟力模型的漫游搜索**
在无目标信息时,AUV执行漫游搜索。研究人员采用虚拟力模型,当AUV间距离小于预设值(D
avoid)时产生排斥力,促使集群快速分散。为简化计算,每个AUV仅受最近的两个邻居AUV影响。通过计算这两个邻居施加的排斥力的合力,确定AUV下一时刻的期望速度方向。仿真显示,该方法能有效促使AUV在任务区域内快速扩散,提高了大范围探索的效率。
**3.3 基于运动约束三维粒子群优化的协同搜索**
当AUV加入子联盟进行协同搜索时,研究人员将AUV集群映射为粒子群,并引入了运动约束的三维PSO算法来计算期望速度。该算法在标准PSO迭代公式的基础上,考虑了AUV运动的惯性,并通过参数λ进行离散化处理。算法中的个体认知系数(c
1)、社会认知系数(c
2)和惯性权重(ω)被用于平衡个体经验与群体信息。仿真验证了该算法能使子联盟内的AUV有效协同,共同向目标位置收敛。
**3.4 三维切平面避障**
为确保AUV在复杂三维海底地形中安全搜索近底目标,研究人员提出了一种三维切平面避障方法。首先,将AUV感知范围内的海底地形离散化为障碍点集。然后,找到距离AUV最近的障碍点,并选择与之不共线的另外两个邻近障碍点,共同确定一个切平面。通过计算AUV到该平面的距离,判断是否触发避障。当距离小于安全阈值时,算法会生成一个垂直于平面法向的避障速度,引导AUV沿切平面方向运动,从而安全绕过障碍物。仿真结果表明,该方法能使AUV在搜索过程中有效避开所有海底障碍。
**3.5 AUV速度与位置更新及整体算法流程**
综合以上模块,研究人员制定了AUV在漫游和协同两种状态下,结合期望速度和避障需求的速度更新规则,共分为六种情况。最终,AUV的位置根据更新后的速度进行迭代更新。论文给出了多目标搜索算法的整体流程图和伪代码,其收敛性主要依赖于PSO算法的收敛特性,并辅以漫游搜索阶段的快速全面区域探索能力。
**3.6 仿真验证与分析**
研究人员在设定的参数下进行了仿真实验。以N
AUV = 30为例,详细展示了多目标搜索过程:AUV从初始区域分散漫游;当有AUV探测到目标信号后,触发子联盟形成与协同搜索;通过动态的成员加入与退出,最终成功找到所有目标,且路径显示AUV成功避开了海底地形。对比实验(N
AUV = 30 和 60)的统计结果表明,随着集群规模增大,完成搜索任务所需的平均迭代次数显著减少(从432.97降至269.73),但总能耗相应增加(从11.79×10
4升至15.51×10
4),这体现了效率与能耗之间的权衡关系。仿真结果验证了所提框架在未知三维水下障碍物环境中实现自适应状态切换、多目标搜索和安全避障的有效性与工程可行性。
**四、 讨论与结论**
**讨论部分总结:**
本研究主要关注通信受限条件下,AUV集群在未知三维水下障碍物环境中的多目标搜索问题,并提出了相应的分布式协同框架。然而,研究也存在一些局限性。例如,未充分考虑异构集群、通信不确定性以及海流扰动等因素。未来的工作将主要集中于搜索移动目标、扩展到异构集群、处理时变海流和通信不确定性,并进行实际实验验证。
**研究结论翻译:**
本文解决了AUV集群在通信受限的未知三维水下环境中进行多目标搜索的问题。建立了一种包含协同和漫游状态的双状态搜索机制,并通过集成虚拟力模型、运动约束的三维粒子群优化和三维切平面避障策略,开发了一种基于AUV集群的搜索方法。所提方法能使AUV在漫游搜索和协同搜索之间自适应切换,为不同目标形成子联盟,并保持近海底的安全运动。仿真结果验证了所提方法能在未知三维水下障碍物环境中有效完成多目标搜索。结果还表明,增加集群规模可以减少搜索时间,但能耗更高。总体而言,所提方法为具有通信约束的、基于AUV集群的多目标搜索提供了一种可行的解决方案。