[发明专利]一种水下无人自主航行器集群作业效能评估方法

权利要求书

1.一种水下无人自主航行器集群作业效能评估方法，其特征在于，包括以下步骤：

步骤一：建立AUV集群作业效能数学模型；

步骤二：建立ADC模型，得到AUV集群系统的总效能表达式；

步骤三：对影响作业效能的主要因素进行优化；

所述步骤一中建立AUV集群作业效能数学模型，具体方法如下：

当前AUV集群的作业任务主要围绕大面积海域搜索展开，通过对AUV集群作业工程使用的实际与其自身设备的理论分析，从以下几方面来表述其特性：

航行控制：航行控制精度、避障能力；

探测识别：声呐扫宽能力、导航精度、识别目标能力；

决策规划：环境感知能力、通信可靠性、集群指挥决策能力、信息处理能力；

任务匹配：任务区域大小、任务复杂程度；

分别对航行控制能力系数C_R、探测识别能力系数C_D、决策规划能力系数C_P、任务匹配能力系数C_T建立效能评估的数学模型；各系数具体说明如下：

(1)航行控制能力系数C_R

航行控制能力体现了AUV执行任务过程中对自身航行轨迹的控制能力，包括航行控制精度C_R1和避障能力系数C_R2；

AUV的组合导航模块硬件部分由姿态传感器、速度传感器、位置传感器组成，因此航行控制精度C_R1可以用如下公式表示：

C_R1＝A_p×A_v×A_l

式中A_p表示姿态传感器精度，A_v表示速度传感器精度，A_l表示位置传感器精度；

避障能力系数C_R2体现了AUV在执行任务过程中及时躲避障碍物，保障正常航行的能力，可用如下公式表示：

式中，T_r为探测到障碍物所用时间，R_t为AUV航行中的最大偏转角，用弧度制表示；因此航行控制能力系数C_R可以表示为：

航行控制能力系数C_R通过对AUV集群姿态传感器精度、速度传感器精度、位置传感器精度、探测到障碍物所用时间、最大偏转角、速度实际参数建模，给出了航行控制精度、避障能力的数学模型，描述了AUV航行、探测过程的主要特性；

(2)探测识别能力系数C_D

常用的探测设备为侧扫声呐和多波束声呐，探测的领域为每个AUV搭载的声呐扫过的面积，为保证区域的全覆盖，考虑到洋流、导航误差对航行的影响，设置有效扫宽W_e来避免外力对于区域全覆盖效果的影响，有效扫宽为k倍最大探测量程，其中0k≤1，即：

W_e＝k×2×R_sonar×C_R1

式中C_R1为航行控制精度，R_sonar为声呐设备的最大探测量程，每条AUV搜索的面积为S_AUV可以表示为：

S_AUV＝t×V_AUV×W_e

因此AUV集群系统的探测识别能力C_D可表示为：

其中P_i为得到声呐图像后识别出目标的概率，N_AUV为集群中AUV条数，S为作业区域总面积；

探测识别能力系数C_D通过对实际参数包括侧扫声呐量程、有效扫宽实际参数建模，给出了声呐扫宽能力、导航精度、识别目标能力的数学模型，描述了AUV集群中搭载的探测设备性能；

(3)决策规划能力系数C_P

决策规划能力是AUV集群完成任务的关键能力，包括环境感知能力C_P1、信息传输处理能力C_P2、指挥决策能力C_P3；

环境感知能力C_P1体现了每条AUV对于整体作业情况的把握程度，通过计算AUV感知的信息量与集群中总体客观信息量的比值得到，因此有：

式中I表示集群中总体客观信息量，I_i表示每条AUV感知到的信息量；

信息传输处理能力C_P2体现了系统内部信息的准确传输、正确处理的能力，可用以下公式表述：

式中P_e表示通信系统中的误码率，N_i表示AUV_i能够处理的信息种类数，N_I表示全部信息种类数，P_I为信息被识别概率；

指挥决策能力C_P3体现了系统层面通过对整体作业情况的感知，为后续任务做出的分配控制决策的能力，假设指挥决策能力随时间t的延长而增长，可用以下公式表示：

决策规划能力C_P可以表示为：

决策规划能力系数C_P通过对AUV条数、集群中总体客观信息量、每条AUV感知到的信息量、通信系统的误码率、每条AUV能够处理的信息种类数、全部信息种类数、信息被识别概率、指挥决策水平、目标被识别概率实际参数建模，给出了通信可靠性、集群指挥决策能力、信息处理能力、环境感知能力的数学模型，描述了AUV集群整体控制及目标探测的相关特性；

(4)任务匹配能力系数C_T

任务匹配能力C_T体现了AUV集群的作业能力与任务规模的匹配程度，当任务规模过大，需要从根本上增加AUV的数量已达到最佳匹配，计算方法可以用以下公式表示：

式中，ε为环境复杂系数，取ε≥1；

任务匹配能力系数C_T通过对作业面积、环境复杂系数的建模，给出了AUV集群作业范围与任务匹配之间的关系，同时兼顾水下的障碍物情况、水深、能见距离、洋流的影响。