[发明专利]一种基于加权模糊Petri网的UUV智能体行为规划方法

说明书

本发明具体涉及一种基于加权模糊Petri网的UUV智能体行为规划方法，包括主要步骤：首先，对作战任务进行元事件划分，使其能够形成一个任务逻辑时序系统，并且根据元事件确定Petri Net的库所和变迁集合；其次，根据加权模糊产生式规则的型别选择变迁事件驱动模式，并且建立库所与变迁之间的流关系集合；最后，对库所进行前提谓词和结论谓词划分，确立输入强度和输出强度及变迁激活阈值，在此基础上选择加权模糊Petri Net启动规则进行数据驱动实现行为规划问题的求解。本发明解决了UUV作战过程中并发性、复杂性、模糊性等因素带来知识表达和推理的建模难题，实现了专家先验知识和产生式规则推理优点的充分结合，同时也方便计算与实施。

技术领域

本发明属于UUV系统建模与仿真领域，具体涉及一种基于加权模糊Petri网的UUV智能体行为规划方法。

背景技术

水下航行器UUV是一种通过水面舰艇发射或岸基布放、可长时间在水下自主航行的智能体。在军事领域，UUV具有续航力大、隐蔽性好、风险性低、智能性高、可回收等特点，能够执行水下战场情报搜集、水下战场预设、战场监视分析、水下信息对抗等一系列重要军事任务，扮演前置探测器、通信节点、攻击武器、武器发射/投送平台等多种角色，极大地扩展海军的作战能力，被称为现在海军的“力量倍增器”。

在复杂的水下作战环境下扮演各种角色，UUV需要自主探测、感知作战态势，不依赖外界命令的情况下实现规划与决策，并自主执行相应行为动作，这其中涉及多种连续和离散事件，而且这些事件具有并行、模糊和随机等特点，这是因为测量不精确、粒度不一致、信息不完备、以及环境复杂性等原因引起的，如何表达与推理这些并行、模糊和随机的知识、逻辑和信息成为行为规划建模的关键。常用的行为规划建模方法如决策树、排队论、语义网络、谓词逻辑和本体脚本等被提出来表达和推理复杂的连续与离散事件，但是这些方法具有一个共同的缺点：不具备并行、异步、随机、模糊推理等功能，限制了其使用范围和工作效率。

Petri Net作为一种图形化和数学化的离散事件建模工具对于分析具有并发、异步、随机的推理具有独特优势，不仅可以直观、形象的描述推理过程，而且可以提供一个集成的系统建模、分析和控制环境。目前，Petri Net已经被提出来实现UUV行为规划建模，能够根据水下作战态势对作战任务进行调度与协调，同时能够迅速处理任务失败、突发任务等离散事件，并能根据这些事件建立合理有效的决策过程，但是其不具有模糊推理的功能，导致UUV行为规划建模精度不高。因此，希望开发出具有行为规划建模精度显著的一种规划器设计方法，实现UUV水下自主航行的最优行为规划。

发明内容

为了解决现有技术中存在Petri Net规则器设计方法引起UUV行为规划建模精度不高的上述问题，本发明提供了一种基于加权模糊 Petri网的UUV智能体行为规划方法。本发明要解决的技术问题通过以下技术方案实现：

一种基于加权模糊Petri网的UUV智能体行为规划方法，其特征在于，包括以下步骤：

步骤1：对作战任务进行元事件划分

根据作战态势，将作战任务划分为由若干元事件(Meta-Event， me)组成的集合ME＝{me₁，me₂…me_n}，其能够形成一个任务逻辑时序系统，并通过元事件驱动完成任务，其中元事件驱动(Meta-Event-Driven) 集合E＝{e₁，e₂…e_n}；

步骤2：确定变迁集合

依据元事件驱动集合E，确定变迁集合T＝{t₁，t₂…t_n}，|E|＝|T|；

步骤3：确定WFPN的库所集合