一种改进突变因子遗传算法的UUV搜索水下机动目

本发明属于自动控制领域，具体涉及一种改进突变因子遗传算法的uuv搜索水下机动目标的路径规划方法。背景技术：1、无人水下航行器(unmanned underwater vehicles，简称uuv)，是指没有人类支持或干预情况下，执行水下作业的航行器。uuv主要工作于港口、海湾、湖泊等水下区域，在水下环境感知、探测侦察、跟踪预警、目标搜索等任务的执行中起到了重要作用。2、水下目标搜索作业中包含了路径规划、轨迹跟踪和动态避障等多项关键技术，其本质是在水下环境和auv自身能力约束下，依靠uuv上搭载的传感器提供的信息，采用数学方法规划作业路径，完成位置不确定目标的搜索、追踪和捕获。而搜索路径规划就是水下目标搜索作业中的重要环节。3、搜索路径规划的目的是在水下环境和uuv自身能力约束下，按照发现概率最高或路径最短等优化准则，设计一条适用于搜索目标的安全可执行路径。面向水下运动目标的搜索任务常采用声呐系统进行目标搜索，该路径规划问题主要是指在已知运动目标先验信息基础上，在水下环境和声呐探测能力约束的条件下，为搜索目标路径提供最佳方案。因此，搜索路径规划问题就转化为有约束条件下的最优解求取问题，而具有随机搜索特点的元启发式算法在该问题的求解中发挥了重要作用。4、优化算法是实现路径规划的核心步骤，常用于进行路径规划的优化算法有遗传算法、粒子群算法、人工势场法和模拟退火算法等，其中遗传算法以优胜劣汰、适者生存为核心，是一种模仿自然基因选择的元启发式算法，因其结构稳定、全局搜索能力强、求解速度相对较快的优势，在工程应用中被广泛使用。5、公告号为cn113867337a的中国发明专利在2021年12月31日公开的《一种用于海事搜救的编队路径规划方法及系统》，通过随机粒子预测落水人员位置，采用自适应贪婪搜索算法追踪落水人员漂移区域，并对该区域进行覆盖搜索，得到搜救路径。《militaryoperations research》2003年1月第8卷第2期《a genetic algorithm applied toplanning search paths in complicated environments》，以声呐探测数据为基础，利用遗传算法实现了连续时空条件下静目标和动目标的搜索路径规划。《韩国军事科学技术学会志》2012年10月第15卷第5期《measure of effectiveness for detection andcumulative detection probability》，总结了路径规划有效性分析指标，根据探测效率理论推导出适用于声呐探测效率分析的累积探测概率公式，并采用遗传算法验证累积探测概率算法的有效性。《ieee transactions on systems,man,and cybernetics—part c:applications and reviews》2012年11月第42卷第6期《a genetic algorithm-inspireduuv path planner based on dynamic programming》，提出了一种基于动态规划遗传算法的无人水下航行器路径规划方法，具有更高的计算速度。《系统工程与电子技术》2015年5月第37卷第5期《连续时空最优搜索者路径问题的改进双链遗传算法》，建立了搜索方向和速度均作为决策变量的搜索路径规划模型，给出了一种突变幅度自适应控制的双链遗传算法。《computers and electrical engineering》2019年9月《optimal search pathplanning for unmanned surface vehicle based on an improved geneticalgorithm》，在遗传算法中采用自适应突变因子，采用三个控制因素来自适应地控制突变的方向和幅度，完成了搜索水面舰船的路径规划。6、以上文献以声呐探测信息为基础，采用遗传算法实现uuv搜索水下动目标的路径规划，但未考虑目标不确定性运动的影响，且建立的声呐探测模型不准确，导致路径规划累积探测概率小，目标搜索任务完成效果差。技术实现思路1、本发明的目的在于一种改进突变因子遗传算法的uuv搜索水下机动目标的路径规划方法。在已知目标及uuv自身先验信息的条件下，针对提高搜索概率的需求，建立水下目标运动模型和声呐系统探测模型，采用改进突变因子的遗传算法规划uuv搜索路径，生成一条发现目标概率最高的搜索路径。2、本发明的目的通过如下技术方案来实现：3、一种基于遗传算法的uuv搜索水下机动目标的路径规划方法，具体步骤如下：4、步骤一：从uuv控制中心获取搜索任务的先验信息，计算搜索区域大小，将搜索区域划分成网格；5、步骤二：模拟目标运动轨迹，统计目标在各网格中的实时位置分布概率st；6、步骤三：生成uuv初始搜索路径种群quk，k为当前迭代次数，此时k＝0，即为qu0；7、步骤四：根据步骤二统计的目标在各网格中的实时位置分布概率st和步骤三生成的初始搜索路径种群qu0，以各网格中点为中心，计算每个网格中的实时信号剩余能量和每条路径的累积探测概率；8、步骤五：uuv路径种群的交叉操作与选择操作，获得uuv搜索路径种群quk；9、步骤六：uuv路径种群的突变操作；10、交叉操作完成后，根据突变概率pd和步骤五中的uuv搜索路径种群quk，对种群中搜索路径执行突变操作；对于每一条搜索路径，随机决定是否对其执行突变操作，直到种群中的所有路径都被判断一次，获得uuv搜索路径种群quk；完成突变操作后，计算搜索路径种群quk中每条路径的累积探测概率，并按数值大小对路径种群进行排序，并令当前迭代次数k＝k+1；11、突变操作规则具体如下：12、针对每条搜索路径，在0-1之间生成随机数b，当b＜pd时，对选定的搜索路径执行突变操作，在搜索总时长t以内，随机选取时间点进行突变，第i条路径具体计算式如下：13、14、其中，表示突变后t时刻的uuv搜索航向，d为-0.5-0.5之间的随机数，cmax、cmin分别为目标航向角最大值和最小值，k为当前迭代次数；为t时刻uuv位置与目标位置分布概率最大的网格中心(xij,yij)之间的相对角度；15、16、航向角的取值范围为0-360°，若超出了取值范围，则：17、18、按照上述方法生成uuv搜索路径子代种群quk，并将当前的种群迭代次数k加1，即k＝k+1；19、计算子代路径中每条搜索路径的累积探测概率，并将路径种群按照累积探测概率的数值从高到低进行排序；20、步骤七：判断迭代次数，输出最优搜索路径；21、若迭代次数小于种群迭代总次数，则返回步骤五；若迭代次数大于种群迭代总次数，则结束路径规划过程，输出为uuv搜索目标的最优路径。22、进一步地，所述步骤一中搜索任务的先验信息包括：目标初始位置pm0、目标运动速度范围v、目标航向范围c、uuv初始位置pu0、uuv运动速度vu、搜索总时长t和声呐系统探测距离l，根据先验信息计算搜索区域边界最大值smax，确定搜索区域上下边界s上和s下，将搜索区域划分成m×n个网格smn，公式如下：23、24、其中，s上＝[s上_x,s上_y]为搜索区域最大边界坐标；s下＝[s下_x,s下_y]为搜索区域最小边界坐标；表示整个搜索区域划分的网格序号，其中sij表示第i行第j列的网格号，sij＝(xij,yij)为第i行第j列的网格的中心点坐标。25、进一步地，所述步骤二根据运动过程噪声矩阵q、目标初始位置坐标pm0、目标运动速度范围v和目标航向范围c，按照正态分布趋势随机模拟n条目标运动轨迹pm及其各轨迹对应的概率p，统计目标在各网格中的实时位置分布概率st；26、表示t时刻目标在搜索区域网格中的位置分布概率，表示t时刻目标落入搜索区域网格sij中的概率。27、进一步地，所述步骤三根据目标与uuv的初始相对方位cum、uuv运动速度vu和目标航向范围c中航向的最大值和最小值，生成m条uuv初始搜索路径种群qu0；28、表示uuv的m条搜索路径，表示第i条搜索路径，其中表示第i条搜索路径t时刻时的uuv速度和航向，表示uuv在第i条路径中t时刻的运动速度；表示第i条路径中t时刻uuv的航向角；其生成方式如下式所示：29、30、其中，vu为uuv运动速度；cum为目标与uuv的初始相对方位，m表示搜索路径总数目。31、进一步地，所述步骤四根据统计目标在各网格中的实时位置分布概率st和生成的初始搜索路径种群qu0，计算搜索区域中每个网格的声纳信号剩余能量se和搜索路径的累积探测概率；32、声纳信号剩余能量se，公式如下：33、se＝sl+di-pl-nl-dt34、其中，se表示声呐信号剩余能量，di表示水听器基阵指向系数，nl表示噪声等级，dt表示检测阈值，pl表示声信号在水下的传播损失；35、搜索路径的累积探测概率cdp，公式如下：36、37、其中，cdpi表示第i条搜索路径的累积探测概率，t表示搜索总时间，为t时刻uuv搜索目标的瞬时探测概率。38、进一步地，所述步骤五设定遗传算法的个体选择百分比pb，交叉概率pc，突变概率pd，遗传算法的种群迭代总次数k，遗传算法的当前迭代次数k，将计算的实时目标位置分布概率st、uuv初始搜索路径种群qu0和搜索路径累积探测概率的计算方法，加入到遗传算法中，进行遗传算法的选择和交叉操作，获得uuv搜索路径种群quk；39、选取数值较大的pb×m条搜索路径直接作为子代搜索保留到种群quk中；40、按照路径种群累计探测概率数值的大小，在路径种群中随机选取两条路径进行交叉操作；41、重复交叉操作，直到生成(1-pb)×m条搜索路径，保留到路径种群quk。42、进一步地，所述在路径种群中随机选取两条路径进行交叉操作，具体如下:43、对uuv搜索路径种群的累积探测概率的数值按照从大到小排序，根据累积探测概率数值的大小，随机选取两条路径a和b作为待交叉路径；累积探测概率数值大的路径被选中的概率大，数值小的路径被选中的概率小；选定待交叉路径后，在0-1之间生成一个随机数r，当r＜pc时进行交叉操作；即在搜索总时长t内，随机选择时间点t，将两条路径在t时刻进行交换；子代1包含a在t时刻之前的路径和b在t时刻之后的路径，子代2包含b在t时刻之前的路径和a在t时刻之后的路径。44、进一步地，所述步骤七判断当前迭代次数k与步骤五中的种群迭代总次数k的大小，若k＜k，则返回步骤五；若k≥k，则结束路径规划过程，输出当前种群中累积探测概率数值最高的路径，即为uuv搜索目标的最优路径。45、本发明的有益效果在于：46、本发明提出了一种改进突变因子遗传算法的uuv搜索水下机动目标的路径规划方法，在已知目标先验信息的条件下，建立水下目标运动模型和声纳探测模型，采用改进突变因子的遗传算法求解uuv搜索水下机动目标的最优路径。其优点在于：(1)考虑了目标不确定性运动的影响；(2)建立了比较准确的声呐探测模型准确；(3)规划出的搜索路径对机动目标累积探测概率高。