[发明专利]一种基于行为的多UUV自组织协调控制方法

说明书

本发明涉及一种基于行为的多UUV自组织协调控制方法，包括：步骤1：构建免疫网络与多UUV系统之间的映射关系，并定义相关参数；步骤2：提出基于基本行为动作的协调控制动力学模型，并且实现作业环境误差的分数布朗运动建模；步骤3:给出了离散状态的基于免疫网络的多UUV自组织协调控制，满足分布式结构下多UUV系统的协同控制，实现对敌方目标的围捕作业；本方法具有强大的自组织性、容错性、实时性等特点，而且便于水下无人系统的工程实现。

技术领域

本发明涉及水下无人系统建模与仿真领域，具体为一种基于行为的多 UUV自组织协调控制方法。

背景技术

多UUV系统是由多种同构或异构UUV无人系统组成的空间、时间、事件和功能分布的水下网络，相比于单UUV其作业效率更高、应用领域更广，可在水下网络中扮演前置探测、通信节点、攻击武器、发射平台等多种角色，已成为我国深远海战略中民用和军用领域研究的热点。

在军事应用领域，多UUV系统作为一种武器系统、水下环境和作业使命相互耦合、相互影响的复杂水下无人作战系统，其任务分配、路径规划、规避障碍、协同搜索等所有群体决策的实现都要建立在高效率的协调控制基础之上。因此，如何设计高效率的协调控制模型直接影响多UUV系统水下作战使命完成的质量和效果，特别是在对敌方目标的围捕应用过程中。

目前，多UUV的协调控制模型根据系统结构可以分为两大类：集中式和分布式。集中式UUV协调控制模型必须通过协调控制中心对作业任务进行统一的规划和协调，如果感知信息完备和保证协调中心计算能力，则可以获得整个规划系统的全局最优解；该类模型虽然计算简单、便捷，但是应用场景往往受到限制，其动态性和鲁棒性较差。分布式协调控制模型由于采用自下而上的建模机制，既能满足多约束条件，又能保证协调过程代价最小，成为目前多UUV系统协调控制研究的重点；该类模型主要包括基于行为的方法、基于市场理论的方法和基于自组织理论的方法，其中基于自组织理论的方法由于受神经网络结构与原理的启发，将作业环境和信息感知映射到行为模型中，实现多UUV系统的路径规划，但是该模型是建立在UUV动态运动的理想条件之上，对实际的水下协同应用来说降低了模型的实用性和协同性。

免疫网络是一种结合免疫识别、免疫记忆、免疫耐受等进化过程的独特型网络理论，其认为免疫系统中免疫细胞彼此之间不是出于一种彼此独立的状态，而是通过抗体之间的相互激励和抑制，构成一个动态平衡的分布式网络结构。目前，免疫网络已成为自组织理论发展和创新的源泉。因此，希望借助免疫网络理论开发出协同性建模精度显著的一种基于行为的自组织协调控制模型，实现多UUV系统自组织完成对敌方目标的围捕。

发明内容

为了克服已有协调控制模型在多UUV系统围捕敌方目标应用中出现的问题；本发明提供一种基于行为的多UUV自组织协调控制方法。

本发明要解决的技术问题通过以下技术方案实现：

一种基于行为的多UUV自组织协调控制方法，包括以下步骤：

步骤1：构建免疫网络与多UUV系统之间的映射关系，并定义：多UUV 系统包括N个UUV x_k∈[x₁，x₂，…，x_N]，UUV基本行为动作为A_i∈[A₁，A₂，A₃]，敌方目标包括M个敌方入侵移动目标y_h∈[y₁，y₂，…，y_M]；

步骤2：根据Farmer独特型网络的动力学微分数学模型，构建和定义交互强度水平C为：