FMM与改进GBNN模型相结合的多AUV实时围捕算法
多自主水下机器人(AUV)实时围捕是一个综合的研究课题,包括联盟生成和目标追捕等阶段.首先,基于快速行进算法(FMM)预估围捕时间,有效形成多AUV的动态围捕联盟;然后,在追捕阶段,AUV需要立即跟踪智能逃逸机器人以防止其逃跑.为了实现这一目标,在GBNN(Glasius biological inspired neural network)模型中使用反比例函数替换指数函数计算神经元连接权值,加入额外的衰减项,并提出两点加快神经元活性传播的改进措施,使其适用于实时追捕路径规划.仿真研究表明,围捕联盟形成机制和反比例权值GBNN模型实时路径规划策略都显示出其优越性.在水下环境的多AUV协作围捕中,所提出的围捕控制算法可以提高围捕效率,减少AUV所花费的追捕距离和逃逸机器人的逃逸距离.
多AUV协作、实时围捕、快速行进算法(FMM)、GBNN
35
TP273(自动化技术及设备)
国家自然科学基金项目;国家重点研发项目;上海市自然科学基金项目
2020-12-15(万方平台首次上网日期,不代表论文的发表时间)
共10页
2845-2854