一种基于数据的双层规划器,用于多艘无人水下航行器对动态目标的协同搜索

《Ocean Engineering》:A data-driven bi-level planner for cooperative search of dynamic targets by multiple unmanned underwater vehicles

【字体: 大 中 小 】 时间:2026年08月28日 来源:Ocean Engineering 6.3

编辑推荐:

  • 该双层规划器结合了路径规划和多无人水下航行器(UUV)的编队规划。• 采用检测成功率作为以任务为导向的目标函数。• 参数化的螺旋路径能够实现灵活的多UUV搜索轨迹。• 嵌套的KDGO算法减少了耦合路径-编队设计的昂贵评估成本。• 所提出的规划器在20次运行中平均检测成功率达到

  • 该双层规划器结合了路径规划和多无人水下航行器(UUV)的编队规划。• 采用检测成功率作为以任务为导向的目标函数。• 参数化的螺旋路径能够实现灵活的多UUV搜索轨迹。• 嵌套的KDGO算法减少了耦合路径-编队设计的昂贵评估成本。• 所提出的规划器在20次运行中平均检测成功率达到了大约70%。

引言
水下动态目标搜索是无人水下航行器(UUV)在海洋作业中的重要任务。虽然单个UUV在这种任务中起着关键作用,但其在不确定的水下环境中的感知范围、续航能力和操作鲁棒性仍然有限。近年来,已经开发了合作的多UUV系统来以有序的方式协调多个UUV,从而扩展任务范围(Wibisono等人,2023年;Yu和Ma,2024年;Wang等人,2023年;Yu等人,2025年)。在这样的系统中,规划对任务成功和操作效率起着重要作用。多UUV合作规划涉及到搜索路径的组织和执行过程中的UUV编队配置,现有研究主要集中在路径规划和编队规划上(Wang等人,2023年)-(Yu等人,2025年)。
路径规划研究显著提高了水下车辆的路线可行性、搜索覆盖效率和自适应搜索能力。Ni等人(2026年)回顾了自主水下车辆路径规划的最新进展,并指出自适应路径生成是水下任务中的核心问题。现有研究往往集中在路径级别的生成和执行上。这种趋势反映在多种路径规划方法中,包括基于图的搜索规划器(如A*和Dijkstra(Ni等人,2026年)-(Liu等人,2024a))、基于采样的规划器(如RRT和PRM(Ni等人,2026年))、人工势场方法(Xing等人,2023年)、基于进化和群体智能的优化器(Liu等人,2024b)以及基于参数化的曲线方法(如B样条规划(Feng等人,2024年))。其中,参数化曲线表示有助于将可行路线生成与可执行轨迹规划联系起来。B样条曲线特别有用,因为它们的局部可控性和高阶连续性允许将运动学和动力学约束纳入路径生成中。这些方法为水下搜索提供了必要的运动基础。在动态目标搜索中,路径规划最终是为了提高任务效果,而不仅仅是其本身。然而,大多数现有研究仍然关注路径效率、能耗、覆盖质量或其他中间指标(Bai等人,2023年;Tong等人,2025年;Mu和Gao,2025年;Li等人,2024年)。检测成功率更直接地反映了任务效果。因此,本研究采用检测概率的最大化作为规划目标。
关于多UUV编队的研究显著提高了多个水下车辆的协调质量和执行鲁棒性。Zhang等人(2024a)研究了在时变通信延迟下对欠驱动AUV的预定性能编队跟踪。Hoff等人(2024年)表明,通信感知的编队控制直接影响可行的合作模式。He等人(2025a)回顾了自主水下车辆的编队控制、路径跟随和轨迹跟踪作为核心运动控制问题。相关研究进一步开发了在实际驱动和通信约束下的跟踪策略(Tian等人,2023年)-(Liu等人,2023年)。其他研究还解决了欠驱动AUV的级联深度跟踪控制以及在环境干扰下的欠驱动海洋车辆的非线性定位控制(Qu等人,2025年)-(Qu和Cai,2022年)。最近,还开发了分布式和事件触发的编队控制方法,以减少对连续全局通信的依赖,同时保持多个AUV之间的协调运动(Zhang等人,2024b)-(He等人,2025b)。这些研究表明,编队控制已经从保持预定的几何模式发展成为更高效通信和执行鲁棒的合作运动。然而,大多数现有方法仍然假设参考路线或期望的编队已经预先确定,因此主要解决如何维持或跟踪给定的合作运动模式的问题(Mokhtari等人,2024年)-(Meng等人,2024年)。对于面向搜索的多UUV任务,编队设计不仅应该能够动态维护,还应与搜索过程所需的空间组织一致。因此,在通信受限且随时间变化的水下环境中,基于分布式控制的协调尤为重要,因为它提供了通过局部交互实现合作运动的实用控制机制(Liang等人,2026年)。
尽管在多UUV系统中已经广泛研究了联合路径和编队规划(Zhang等人,2024c)-(Feng等人,2025年),但直接以检测成功率为目标函数的任务导向目标函数在此类研究中很少使用。规划的路径决定了UUV观察环境的位置和时间,这直接影响了遇到目标的可能性。编队定义了UUV沿路径的相对位置,从而影响感知覆盖范围和合作运动。因此,应该结合用于执行该路径的编队来评估候选路径的性能。本研究将多UUV动态目标搜索表述为一个统一框架内的双层路径-编队优化问题。目标是最大化检测成功率。在高层,优化搜索路径;在低层,确定最适合该路径和相应搜索任务的编队。然后确保在执行过程中稳定跟踪规划的编队。这种表述也明确了计算负担。每个候选路径都需要相应的低层编队响应和任务级评估,使得问题成为一个昂贵的黑箱优化任务。嵌套决策机制与一般的双层优化框架一致,其中高层决策通过低层问题的最优或接近最优响应来评估。现有的双层优化研究已经通过基于KKT的重新表述、惩罚方法和分支定界算法以及相关的数学编程技术解决了这种层次化问题(Kleinert等人,2021年)-(Kleinert和Schmidt,2021年)。此外,还开发了直接的元启发式双层算法,包括基于遗传算法的、嵌套进化的和共同进化的方法,以解决不需要依赖替代模型的双层编程问题(Camacho-Vallejo等人,2024年;Yang等人,2024年;Cai等人,2022年)。类似的双层分解也应用于运动和路径规划问题,其中高层路线或信道决策与低层轨迹、可行性或能量优化相结合(Qin等人,2024年)-(Luo等人,2025年)。这些研究支持将耦合路径-编队搜索规划表述为双层决策问题的合理性。然而,大多数直接的双层方法会重复地为多个高层候选者解决低层问题,当编队响应和任务级搜索评估都很昂贵时,这可能会变得计算上不可行。
层次化规划研究展示了多阶段决策结构在水下搜索任务中的价值(Wen等人,2024年)。预期改进策略和替代辅助优化方法已经被广泛开发用于昂贵的黑箱问题(Zhan和Xing,2020年;Liu等人,2024c;He等人,2023年;Chen等人,2024年)。最近的研究进一步证明了它们在受限和多模态昂贵优化中的有效性(Han等人,2025年)-(Wang等人,2024年)。最近的数据驱动方法还将替代建模与混合局部搜索和跨任务知识转移结合起来,以提高高维和受限昂贵工程优化中的样本效率(Dong和Han,2026年)-(Dong等人,2026年)。在水下领域之外的相关搜索规划研究也表明,当直接评估成本较高时,数据高效的搜索策略具有优势(Morin等人,2023年;Gao等人,2026年;Wu等人,2024年)。受到这些发展和直接双层优化计算限制的启发,本文介绍了一种嵌套的替代辅助优化算法,将路径和编队信息嵌入到双层搜索过程中,以提高在昂贵评估下的效率。本研究的主要贡献有三点:
1. 建立了一个以任务为导向的双层框架,用于整合多UUV动态目标搜索的路径规划和编队规划,特点是以参数化的螺旋路径表示灵活生成UUV搜索轨迹。
2. 采用检测成功率作为优化目标,使规划性能可以直接根据任务完成情况来评估。
3. 开发了一种嵌套的替代辅助解决方案策略,用于解决由此产生的昂贵黑箱问题,并通过比较实验进行了验证。
本文的其余部分组织如下。第2节介绍了建模基础,包括UUV动力学、通信、检测和能耗模型。第3节提出了双层优化问题及其设计变量、约束和目标。第4节介绍了解决方案框架。第5节报告了数值结果和比较分析。第6节对本文进行了总结。

模型基础
多UUV合作搜索不能仅用理想点质量来建模。真实的UUV运动受到质量、惯性和流体动力阻力的限制,因此速度和姿态的变化不能瞬间发生。因此需要一个动力学模型。信息交换也必须明确建模。水下声学链接受到强烈的衰减、环境噪声和不稳定传播的影响,这使得快速的大规模通信变得困难。

设计变量
设计变量的引入顺序与双层任务逻辑相同。首先在高层参数化搜索路径,然后在固定路径下调整编队。这种顺序明确了两层的作用,并明确了路径到编队的依赖关系。

双层KDGO算法
当前的优化问题涉及连续的威胁环半径和编队参数,以及离散的路径采样索引。每种候选路径-编队组合都必须在物理、通信和检测约束下进行评估,每个真实目标评估需要N_MC蒙特卡洛任务模拟,导致计算成本较高。因此采用了替代辅助优化算法。在高层路径表示中,

收敛性分析
本节报告了收敛行为、优化的路径-编队结果和比较实验。在本节中,这两层被解释为一个嵌套过程,而不是两个独立的优化。图表中显示的高层值始终是在解决当前路径的低层编队问题后返回的值。
图9显示了双层KDGO框架一次代表性独立运行的收敛曲线。

结论
本研究开发了一个双层优化框架,用于在目标信息不完全和受限水下声学通信条件下进行多UUV合作搜索动态目标。高层规划参数化的螺旋搜索路径,低层在该路径下优化编队。这种层次分离明确了路径和编队的作用,同时通过返回的目标值保持了它们之间的交互。KDGO被用作替代辅助求解器。

作者贡献声明
Dashun Liu:形式分析、调查、方法论、软件、验证、可视化、撰写——原始草稿。
Huachao Dong:概念化、资金获取、方法论、资源、监督、撰写——审阅与编辑。
Siqing Sun:概念化、方法论、项目管理、监督、撰写——审阅与编辑。
Biyin Zhang:资金获取、项目管理、资源、监督。
Yougan Chen:数据整理、项目管理、监督。

数据可用性
支持本研究发现的数据可在合理请求下从相应作者处获得。

资助
本研究得到了汉江国家重点实验室(授权号O261-04-005-02)、福建海洋创新中心(授权号25FV0CZJ06)和中国国家自然科学基金(授权号52575312)的支持。

利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号