本發(fā)明涉及信息，尤其是一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法。

背景技術(shù)：

1、水下機(jī)器人在執(zhí)行任務(wù)時(shí)，經(jīng)常需要在廣闊的水下區(qū)域內(nèi)移動(dòng)和協(xié)同工作，由于水下環(huán)境復(fù)雜多變，存在海流、障礙物、水溫、水流、能見度變化及電磁干擾因素，對(duì)機(jī)器人的組網(wǎng)通信提出嚴(yán)峻挑戰(zhàn)，機(jī)器人需要實(shí)時(shí)共享位置、速度、水深、和周圍環(huán)境信息，協(xié)同調(diào)整任務(wù)分配，以適應(yīng)不斷變化的環(huán)境，同時(shí)，由于水下通信條件有限，機(jī)器人之間的數(shù)據(jù)傳輸會(huì)受到延遲、丟包影響，影響整體任務(wù)的執(zhí)行效率，此外，在長(zhǎng)時(shí)間的水下作業(yè)過程中，部分機(jī)器人會(huì)因能量耗盡、防水性能受損或故障而退出組網(wǎng)，如何動(dòng)態(tài)調(diào)整組網(wǎng)拓?fù)浣Y(jié)構(gòu)，保證數(shù)據(jù)傳輸?shù)娜哂嘈院涂煽啃?，是一個(gè)關(guān)鍵問題，機(jī)器人需要根據(jù)自身狀態(tài)和周圍環(huán)境的變化，動(dòng)態(tài)加入或退出組網(wǎng)，并及時(shí)調(diào)整通信路徑和任務(wù)分配，以保持整個(gè)組網(wǎng)系統(tǒng)的高容錯(cuò)能力和魯棒性，在這個(gè)過程中，高效的組網(wǎng)協(xié)議和調(diào)度算法，最大限度地發(fā)揮每個(gè)機(jī)器人的作用，實(shí)現(xiàn)整體的協(xié)同和進(jìn)化，是一個(gè)復(fù)雜的技術(shù)挑戰(zhàn)。

2、本發(fā)明針對(duì)上述缺點(diǎn)提出解決方案為：采集目標(biāo)特征信息和水下環(huán)境參數(shù)，結(jié)合異構(gòu)水下機(jī)器人的性能參數(shù)生成最優(yōu)組網(wǎng)方案，確定每個(gè)節(jié)點(diǎn)的容錯(cuò)能力等級(jí)，當(dāng)某個(gè)機(jī)器人節(jié)點(diǎn)檢測(cè)到新的目標(biāo)時(shí)，將信息傳輸至領(lǐng)導(dǎo)者節(jié)點(diǎn)進(jìn)行評(píng)估，調(diào)度節(jié)點(diǎn)執(zhí)行任務(wù)，并觸發(fā)協(xié)同作業(yè)機(jī)制，根據(jù)各機(jī)器人節(jié)點(diǎn)的容錯(cuò)能力等級(jí)分配子區(qū)域，采集數(shù)據(jù)并實(shí)時(shí)傳輸，若領(lǐng)導(dǎo)者節(jié)點(diǎn)故障則備份節(jié)點(diǎn)接管，生成精細(xì)三維模型，若某節(jié)點(diǎn)故障則請(qǐng)求備份節(jié)點(diǎn)接管任務(wù)，并啟動(dòng)應(yīng)急程序，各節(jié)點(diǎn)協(xié)同作業(yè)過程中，通過推理和學(xué)習(xí)方法估計(jì)和建模目標(biāo)的概率分布，實(shí)時(shí)調(diào)整識(shí)別模型，任務(wù)完成后，所有數(shù)據(jù)傳輸至母船的數(shù)據(jù)處理中心進(jìn)行綜合處理和三維可視化展示，并通過衛(wèi)星通信實(shí)時(shí)傳輸?shù)桨痘芯恐行摹?/p>

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明為了解決上述存在的技術(shù)問題，提供一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法。

2、本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法，包括：

3、采用聲納和水下攝像頭采集目標(biāo)特征信息，包括類型、大小和位置，同時(shí)獲取水溫、水流和能見度的水下環(huán)境參數(shù)，根據(jù)異構(gòu)水下機(jī)器人的能量狀態(tài)、防水性能、數(shù)據(jù)緩存和計(jì)算負(fù)載，結(jié)合水下作業(yè)的深度和區(qū)域地形特點(diǎn)，通過改進(jìn)的蟻群算法生成機(jī)器人節(jié)點(diǎn)的角色分工和空間位置分布的最優(yōu)組網(wǎng)方案，采用模糊綜合評(píng)判方法，考慮各機(jī)器人節(jié)點(diǎn)的性能參數(shù)，確定每個(gè)節(jié)點(diǎn)在不同水下作業(yè)深度的容錯(cuò)能力等級(jí)；

4、當(dāng)某個(gè)機(jī)器人節(jié)點(diǎn)檢測(cè)到新的目標(biāo)時(shí)，將目標(biāo)特征信息通過水聲通信鏈路傳輸至領(lǐng)導(dǎo)者節(jié)點(diǎn)，領(lǐng)導(dǎo)者節(jié)點(diǎn)根據(jù)歷史數(shù)據(jù)、知識(shí)庫和水下環(huán)境參數(shù)評(píng)估目標(biāo)的價(jià)值和任務(wù)緊迫程度，若目標(biāo)價(jià)值高且任務(wù)緊迫，則優(yōu)先調(diào)度防水性能好、容錯(cuò)能力等級(jí)高的節(jié)點(diǎn)執(zhí)行任務(wù)，并向鄰近節(jié)點(diǎn)廣播目標(biāo)信息和任務(wù)要求，觸發(fā)協(xié)同作業(yè)機(jī)制；

5、在協(xié)同作業(yè)過程中，采用基于泰森多邊形的動(dòng)態(tài)分區(qū)協(xié)同策略，綜合考慮各機(jī)器人節(jié)點(diǎn)的性能參數(shù)和水下環(huán)境特點(diǎn)，將區(qū)域劃分為若干子區(qū)域，高水流速度區(qū)域分配高防水等級(jí)和推進(jìn)器推力大的機(jī)器人，障礙物密集區(qū)域則分配避障能力強(qiáng)的機(jī)器人，通過人工勢(shì)場(chǎng)法確定機(jī)器人集群的編隊(duì)和避障行為，采用路徑規(guī)劃算法實(shí)時(shí)調(diào)整機(jī)器人運(yùn)動(dòng)軌跡，避開障礙物，同時(shí)根據(jù)水流變化動(dòng)態(tài)調(diào)整位置；

6、各機(jī)器人節(jié)點(diǎn)在其分配的子區(qū)域內(nèi)采集數(shù)據(jù)，通過水聲通信鏈路實(shí)時(shí)傳輸至領(lǐng)導(dǎo)者節(jié)點(diǎn)，領(lǐng)導(dǎo)者節(jié)點(diǎn)對(duì)接收到的數(shù)據(jù)進(jìn)行初步融合和處理，若領(lǐng)導(dǎo)者節(jié)點(diǎn)發(fā)生故障，則由防水性能優(yōu)異、容錯(cuò)能力等級(jí)最高的備份節(jié)點(diǎn)接管其角色，領(lǐng)導(dǎo)者節(jié)點(diǎn)采用分布式聯(lián)合卡爾曼濾波算法和迭代最近點(diǎn)算法生成目標(biāo)的精細(xì)三維模型，動(dòng)態(tài)調(diào)整模型參數(shù)，記錄水流和溫度變化對(duì)環(huán)境的影響；

7、在作業(yè)過程中，若某個(gè)機(jī)器人節(jié)點(diǎn)發(fā)生故障，則通過多分類故障診斷模型判斷故障類型和嚴(yán)重程度，對(duì)于輕微故障，降低該節(jié)點(diǎn)的任務(wù)優(yōu)先級(jí)，并分配其繼續(xù)執(zhí)行低優(yōu)先級(jí)任務(wù)，對(duì)于嚴(yán)重故障，該節(jié)點(diǎn)向鄰近節(jié)點(diǎn)發(fā)送求援信號(hào)，請(qǐng)求臨近節(jié)點(diǎn)接管任務(wù)，同時(shí)啟動(dòng)應(yīng)急處置程序，通過水聲通信鏈路廣播故障信息，更新組網(wǎng)拓?fù)浣Y(jié)構(gòu)，采用動(dòng)態(tài)路徑重構(gòu)算法，重新規(guī)劃任務(wù)節(jié)點(diǎn)的位置和路徑；

8、多機(jī)器人協(xié)同作業(yè)過程中，各節(jié)點(diǎn)通過貝葉斯推理和證據(jù)理論相結(jié)合的方法對(duì)目標(biāo)的概率分布進(jìn)行估計(jì)和建模，利用遷移學(xué)習(xí)和增量學(xué)習(xí)方法實(shí)時(shí)更新和優(yōu)化目標(biāo)的識(shí)別模型，結(jié)合不同水下作業(yè)深度的數(shù)據(jù)特征進(jìn)行調(diào)整，深水區(qū)機(jī)器人調(diào)整推進(jìn)器的輸出功率，淺水區(qū)機(jī)器人提高推進(jìn)器效率和數(shù)據(jù)傳輸頻率；

9、作業(yè)任務(wù)完成后，所有數(shù)據(jù)傳輸至母船上的數(shù)據(jù)處理中心，數(shù)據(jù)處理中心采用大數(shù)據(jù)分析和虛擬現(xiàn)實(shí)技術(shù)，對(duì)采集的數(shù)據(jù)進(jìn)行綜合處理和三維可視化展示，生成區(qū)域的全景三維模型和虛擬現(xiàn)實(shí)場(chǎng)景，利用機(jī)器人采集的水流和溫度數(shù)據(jù)創(chuàng)建動(dòng)態(tài)環(huán)境模型，通過虛擬現(xiàn)實(shí)技術(shù)直觀展示水下操作的環(huán)境和條件。

10、有益效果

11、本發(fā)明通過采集目標(biāo)特征信息，并結(jié)合水溫、水流和能見度水下環(huán)境參數(shù)，生成機(jī)器人節(jié)點(diǎn)的角色分工和空間位置分布的最優(yōu)組網(wǎng)方案，確定每個(gè)節(jié)點(diǎn)在不同水下作業(yè)深度的容錯(cuò)能力等級(jí)，從而優(yōu)化組網(wǎng)方案，當(dāng)某個(gè)機(jī)器人節(jié)點(diǎn)檢測(cè)到新的目標(biāo)時(shí)，系統(tǒng)優(yōu)先調(diào)度防水性能好、容錯(cuò)能力等級(jí)高的節(jié)點(diǎn)執(zhí)行任務(wù)，確保關(guān)鍵任務(wù)的順利完成，在協(xié)同作業(yè)過程中，采用動(dòng)態(tài)分區(qū)協(xié)同策略，將機(jī)器人節(jié)點(diǎn)分配到適合其性能特點(diǎn)的子區(qū)域，實(shí)時(shí)調(diào)整機(jī)器人運(yùn)動(dòng)軌跡，避開障礙物，并根據(jù)水流變化動(dòng)態(tài)調(diào)整位置，從而提高機(jī)器人集群的編隊(duì)和避障能力，各機(jī)器人節(jié)點(diǎn)在其分配的子區(qū)域內(nèi)采集數(shù)據(jù)，實(shí)時(shí)傳輸至領(lǐng)導(dǎo)者節(jié)點(diǎn)，領(lǐng)導(dǎo)者節(jié)點(diǎn)對(duì)接收到的數(shù)據(jù)進(jìn)行初步融合和處理，并在發(fā)生故障時(shí)，由備份節(jié)點(diǎn)接管其角色，保證數(shù)據(jù)處理和任務(wù)調(diào)度的連續(xù)性，系統(tǒng)還實(shí)現(xiàn)對(duì)輕微和嚴(yán)重故障的有效應(yīng)對(duì)，確保整個(gè)組網(wǎng)系統(tǒng)的穩(wěn)定運(yùn)行，最終，通過對(duì)各類模型的在線微調(diào)和動(dòng)態(tài)環(huán)境建模，本發(fā)明實(shí)現(xiàn)了水下機(jī)器人組網(wǎng)系統(tǒng)的高效、穩(wěn)定和魯棒性的提升。

技術(shù)特征：

1.一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法，其特征在于：

2.根據(jù)權(quán)利要求1所述的一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法，其特征在于：所述s101步驟在水下目標(biāo)和環(huán)境數(shù)據(jù)建模過程中,采用八叉樹空間劃分?jǐn)?shù)據(jù)結(jié)構(gòu)對(duì)三維空間進(jìn)行遞歸劃分,并將高分辨率聲納點(diǎn)云數(shù)據(jù)和視覺圖像特征映射到空間網(wǎng)格中，在任務(wù)分解與分配過程中,采用基于語義網(wǎng)絡(luò)的任務(wù)本體描述方法,將任務(wù)劃分為多個(gè)原子任務(wù),并用本體語言owl表示任務(wù)之間的層次關(guān)系和邏輯關(guān)系，通過契約網(wǎng)協(xié)議進(jìn)行任務(wù)分配。

3.根據(jù)權(quán)利要求1所述的一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法，其特征在于：所述s102步驟中當(dāng)機(jī)器人節(jié)點(diǎn)通過聲納和水下攝像頭檢測(cè)到新目標(biāo)時(shí)，首先提取目標(biāo)的類型、大小、位置特征信息，包括通過圖像分割算法識(shí)別出目標(biāo)為魚雷，預(yù)設(shè)長(zhǎng)5米，直徑5米，位于節(jié)點(diǎn)正前方50米處，節(jié)點(diǎn)通過slam算法結(jié)合imu、dvl傳感器數(shù)據(jù)，預(yù)設(shè)確定自身位于北緯35度，東經(jīng)135度，水下50米深度，姿態(tài)為俯仰角5度，偏航角30度，根據(jù)目標(biāo)相對(duì)節(jié)點(diǎn)的方位和節(jié)點(diǎn)自身的空間位姿，計(jì)算出目標(biāo)的絕對(duì)三維坐標(biāo)為(100,80,-40)，并通過卡爾曼濾波算法計(jì)算目標(biāo)的運(yùn)動(dòng)速度為2m/s，航向角為60度，節(jié)點(diǎn)將目標(biāo)信息封裝為json格式，并采用aes-256加密，通過水聲通信鏈路傳輸給領(lǐng)導(dǎo)者節(jié)點(diǎn)，領(lǐng)導(dǎo)者節(jié)點(diǎn)接收到目標(biāo)信息后，提取關(guān)鍵特征，與mongodb數(shù)據(jù)庫中的歷史目標(biāo)記錄進(jìn)行相似度匹配，通過支持向量機(jī)svm算法識(shí)別出目標(biāo)為訓(xùn)練用魚雷，采用改進(jìn)的鯨魚優(yōu)化算法woa進(jìn)行求解，將目標(biāo)跟蹤任務(wù)下發(fā)給水下滑翔機(jī)節(jié)點(diǎn)，打撈任務(wù)下發(fā)給rov節(jié)點(diǎn)。

4.根據(jù)權(quán)利要求1所述的一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法，其特征在于：所述步驟s103步驟中水下機(jī)器人集群通過聲學(xué)通信獲取節(jié)點(diǎn)性能參數(shù)、節(jié)點(diǎn)位置和水下環(huán)境參數(shù)信息,采樣頻率為10hz，利用順序高斯模擬算法對(duì)1000個(gè)采樣點(diǎn)進(jìn)行三維空間插值,單次迭代耗時(shí)小于1s,生成分辨率為1m的三維環(huán)境網(wǎng)格模型，應(yīng)用泰森多邊形算法進(jìn)行作業(yè)區(qū)域劃分,使用八叉樹數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)劃分結(jié)果,檢索時(shí)間復(fù)雜度為o(logn)，在障礙物密集區(qū)域，采用人工勢(shì)場(chǎng)法和rrt算法相結(jié)合進(jìn)行避障路徑規(guī)劃,人工勢(shì)場(chǎng)法的引力系數(shù)和斥力系數(shù)分別取0.8和1.2,rrt算法的采樣點(diǎn)數(shù)取1000,最短避障路徑長(zhǎng)度縮短20%，自適應(yīng)pid控制器的參數(shù)根據(jù)模糊規(guī)則在線調(diào)整,調(diào)整周期為1s，在動(dòng)態(tài)水流環(huán)境中,adcp設(shè)備以5hz的頻率采集128層水流剖面數(shù)據(jù),采用克里金插值構(gòu)建三維水流場(chǎng)模型,并使用集合卡爾曼濾波算法進(jìn)行實(shí)時(shí)預(yù)測(cè),編隊(duì)控制采用基于圖的多智能體一致性算法,優(yōu)化4×4的網(wǎng)格編隊(duì)的空間位置。

5.根據(jù)權(quán)利要求1所述的一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法，其特征在于：所述s104步驟中機(jī)器人節(jié)點(diǎn)根據(jù)泰森多邊形劃分結(jié)果，確定自身所屬的子區(qū)域，融合后的數(shù)據(jù)通過sduan傳輸給領(lǐng)導(dǎo)者節(jié)點(diǎn)，網(wǎng)絡(luò)采用ofdm調(diào)制方式，子載波數(shù)為1024，符號(hào)周期為100us，發(fā)射功率為10mw，vbf路由協(xié)議根據(jù)中繼節(jié)點(diǎn)與領(lǐng)導(dǎo)者節(jié)點(diǎn)的距離、剩余能量和數(shù)據(jù)緩存因素，計(jì)算出中繼路徑，能量權(quán)重系數(shù)為5，距離權(quán)重系數(shù)為3，負(fù)載權(quán)重系數(shù)為2，領(lǐng)導(dǎo)者節(jié)點(diǎn)采用基于共識(shí)的多智能體強(qiáng)化學(xué)習(xí)框架，將每個(gè)節(jié)點(diǎn)視為一個(gè)獨(dú)立的actor-critic智能體，領(lǐng)導(dǎo)者節(jié)點(diǎn)每隔10s將狀態(tài)快照同步給3個(gè)備份節(jié)點(diǎn)，采用兩階段提交協(xié)議，超時(shí)時(shí)間設(shè)為5s，備份節(jié)點(diǎn)通過raft協(xié)議競(jìng)選產(chǎn)生新的領(lǐng)導(dǎo)者，心跳超時(shí)時(shí)間為3s，隨機(jī)超時(shí)時(shí)間為150-300ms。

6.根據(jù)權(quán)利要求1所述的一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法，其特征在于：所述步驟s105中采用模糊綜合評(píng)判法對(duì)故障的嚴(yán)重程度進(jìn)行評(píng)估，首先，建立輕微、中等、嚴(yán)重三個(gè)等級(jí)的模糊集合，并設(shè)置各等級(jí)的隸屬度函數(shù)，包括對(duì)于溫度異常故障，定義輕微故障的隸屬度函數(shù)為：當(dāng)x<60時(shí)，μ(x)=1；當(dāng)60≤x≤70時(shí)，μ(x)=(70-x)/10；當(dāng)x>70時(shí)，μ(x)=0，式中，x為溫度值，定義中等和嚴(yán)重故障的隸屬度函數(shù)，然后，利用加權(quán)平均法計(jì)算隸屬度，權(quán)重根據(jù)數(shù)據(jù)統(tǒng)計(jì)結(jié)果確定，得到故障等級(jí)的隸屬度向量，對(duì)于嚴(yán)重程度隸屬度低于3的輕微故障，降低節(jié)點(diǎn)的計(jì)算資源和通信資源，包括將cpu頻率降低20%，將通信功率降低1db，并通過服務(wù)質(zhì)量(qos)調(diào)度機(jī)制，動(dòng)態(tài)調(diào)整其任務(wù)隊(duì)列的優(yōu)先級(jí)，包括將數(shù)據(jù)預(yù)處理任務(wù)的優(yōu)先級(jí)降低10%，延后執(zhí)行對(duì)實(shí)時(shí)性要求較低的任務(wù)，對(duì)于嚴(yán)重程度隸屬度高于7的嚴(yán)重故障，及時(shí)向故障信息隊(duì)列中寫入告警日志，并通過消息訂閱發(fā)布機(jī)制，向節(jié)點(diǎn)發(fā)送求援信號(hào)，sos消息采用基于xml的故障信息描述語言(fidl)封裝，并通過aes-256加密算法加密，使用sha-256算法生成數(shù)字簽名。

7.根據(jù)權(quán)利要求1所述的一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法，其特征在于：所述s106步驟中各機(jī)器人節(jié)點(diǎn)通過視覺、聲吶、溫鹽深多模態(tài)傳感器采集目標(biāo)數(shù)據(jù)，使用攝像頭獲取目標(biāo)圖像，提取顏色直方圖、sift特征，利用支持向量機(jī)對(duì)紋理進(jìn)行分類，節(jié)點(diǎn)利用貝葉斯網(wǎng)絡(luò)構(gòu)建目標(biāo)的聯(lián)合概率分布模型，網(wǎng)絡(luò)結(jié)構(gòu)采用有向無環(huán)圖，包含顏色、紋理、形狀屬性節(jié)點(diǎn)，通過最大權(quán)重生成樹算法學(xué)習(xí)屬性間的依賴結(jié)構(gòu)，采用期望最大化算法在線優(yōu)化模型參數(shù)，平均迭代次數(shù)小于20次，推理時(shí)采用剪枝策略，去除邊緣概率低于01的節(jié)點(diǎn)，對(duì)于新目標(biāo)，節(jié)點(diǎn)利用metropolis-hastings采樣算法生成20000個(gè)樣本，對(duì)后驗(yàn)概率分布進(jìn)行近似推斷，在分布式目標(biāo)感知中，節(jié)點(diǎn)先用投影追蹤算法計(jì)算證據(jù)質(zhì)量，剔除置信度低于6的證據(jù)源，然后在流形空間預(yù)設(shè)測(cè)地線距離度量證據(jù)相似度，采用模糊c均值聚類算法將證據(jù)劃分為3類，分別選用murphy、dempster和yager組合規(guī)則進(jìn)行融合，最后用gini不確定性指數(shù)評(píng)估融合結(jié)果的可信度，指數(shù)小于3時(shí)為可信。

8.根據(jù)權(quán)利要求1所述的一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法，其特征在于：所述s107步驟中母船上的數(shù)據(jù)處理中心采用hadoop和hbase構(gòu)建分布式數(shù)據(jù)存儲(chǔ)系統(tǒng),將非結(jié)構(gòu)化數(shù)據(jù)切分為64mb的數(shù)據(jù)塊,采用3副本機(jī)制容錯(cuò),并利用zookeeper分布式協(xié)調(diào)服務(wù)彈性擴(kuò)展，flink處理水下目標(biāo)檢測(cè)任務(wù),使用rocksdb作為statebackend保存中間狀態(tài),設(shè)置3個(gè)并發(fā)的taskmanager節(jié)點(diǎn),每個(gè)節(jié)點(diǎn)配備8gb內(nèi)存和4個(gè)cpu核心,使用eventtime機(jī)制處理亂序數(shù)據(jù),spark批處理海洋環(huán)境時(shí)空預(yù)測(cè)任務(wù),使用hdfs存儲(chǔ)訓(xùn)練數(shù)據(jù)集,采用隨機(jī)梯度下降算法,設(shè)置0.01的學(xué)習(xí)率和0.9的動(dòng)量因子,使用f1-score作為評(píng)估指標(biāo)。

技術(shù)總結(jié)
本發(fā)明公開了一種提高水下機(jī)器人組網(wǎng)魯棒性的容錯(cuò)方法，包括采用目標(biāo)特征信息并利用改進(jìn)的蟻群算法生成機(jī)器人節(jié)點(diǎn)的角色分工和空間位置分布的最優(yōu)組網(wǎng)方案，目標(biāo)特征信息通過水聲通信鏈路傳輸至領(lǐng)導(dǎo)者節(jié)點(diǎn)，并向鄰近節(jié)點(diǎn)廣播目標(biāo)信息和任務(wù)要求，觸發(fā)協(xié)同作業(yè)機(jī)制，在協(xié)同作業(yè)過程中，采用基于泰森多邊形的動(dòng)態(tài)分區(qū)協(xié)同策略，領(lǐng)導(dǎo)者節(jié)點(diǎn)對(duì)接收到的數(shù)據(jù)進(jìn)行初步融合和處理，引入多分類故障診斷模型，用于判斷故障類型和嚴(yán)重程度，并采用動(dòng)態(tài)路徑重構(gòu)算法重新規(guī)劃任務(wù)節(jié)點(diǎn)的位置和路徑，在多機(jī)器人協(xié)同作業(yè)過程中，各節(jié)點(diǎn)通過貝葉斯推理和證據(jù)理論方法對(duì)目標(biāo)的概率分布進(jìn)行估計(jì)和建模，作業(yè)任務(wù)完成后，所有數(shù)據(jù)傳輸至母船上的數(shù)據(jù)處理中心。

技術(shù)研發(fā)人員：向丹,孫昊,李昌昊,凌菁,鐘君柳
受保護(hù)的技術(shù)使用者：廣州航海學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10