基于模糊PID的舰艇编队攻击路径优化规划研究
时间：2020-04-05 05:11:29 来源：千叶帆 本文已影响人
打开文本图片集
为了提高海上舰艇编队攻击路径自动规划和自适应调度能力，从而实现海上舰艇编队协同智慧调度，提出基于模糊PID的舰艇编队攻击路径优化规划算法。采用卫星通信组网信息调度技术进行海上舰艇编队攻击路径规划的控制指令信息提取，结合舰艇编队攻击路径的信息特征检测技术进行攻击路径规划过程中的信息调度和特征提取，采用模糊神经网络控制技术进行海上舰艇编队攻击路径自动规划的线路自动筛选和寻优控制处理，构建物联网信息管理平台进行海上舰艇编队攻击路径自动规划和分布式协同调度，采用模糊PID神经网络学习方法进行海上舰艇编队攻击路径规划的优化学习。仿真结果表明，采用该方法进行舰艇编队攻击路径规划的协同控制能力较好，区域覆盖能力较强，路径自适应寻优的收敛性较好。
关键词：模糊PID;舰艇编队;攻击路径;规划
【Abstract】 In order to improve the automatic planning and adaptive scheduling ability of marine warship formation attack path， so as to realize the cooperative wisdom of offshore warship formation， a fuzzy PID based ship formation attack path optimization planning algorithm is proposed. The satellite communication network information scheduling technology is used to extract the control instruction information of the attack path planning of the marine warship formation. Combined with the information feature detection technology of the attack path of the warship formation， the information scheduling and feature extraction in the process of the attack path planning are carried out. The fuzzy neural network control technology is used to automatically screen and optimize the route of the attack path automatic planning of the marine warship formation. The information management platform of the Internet of things is constructed for automatic planning and distributed cooperative scheduling of attack paths for offshore warship formation， and fuzzy PID neural network learning method is used to optimize the attack path planning for offshore warship formation. The simulation results show that the cooperative control ability of ship formation attack path planning is better， the regional coverage ability is strong， and the convergence of path adaptive optimization is better.
【Key words】 fuzzy PID; ship formation; attack path; planning
0 引 言
随着海上协同作战信息化水平的不断提升，需要进行海上舰艇编队攻击的信息化调度和攻击路径的智能规划设计，构建海上舰艇编队攻击路径规划模型，在集成信息处理平台下进行海上舰艇编队攻击路径自动规划系统的优化设计，采用大数据信息融合处理技术，进行海上舰艇编队攻击路径自动规划，提高海上协同作战背景下舰艇编队的打击和火力覆盖能力，研究舰艇编队攻击路径优化规划模型具有重要意义[1]。
对舰艇编队攻击路径优化规划模型的研究是建立在对舰艇编队攻击路径的信息特征分析和大数据挖掘基础上，结合协同融合滤波模型进行舰艇编队攻击路径的自适应调度和规划，提高舰艇编队攻击路径优化规划能力[2]。传统方法中，对舰艇编队攻击路径优化规划方法主要有遗传算法、粒子群算法和Kalman滤波算法等，根据对海上舰艇编队攻击路径统计信息流的测量和特征提取结果，进行海上舰艇编队攻击路径规划，构建海上舰艇编队攻击路径规划网络模型，实现路径规划的自适应寻优控制，但上述方法进行舰艇编队攻击路径规划的自适应性不好，融合度不高[3]。针对上述问题，本文提出基于模糊PID的舰艇编队攻击路径优化规划算法。首先采用卫星通信组网信息调度技术进行海上舰艇编队攻击路径规划的控制指令信息提取，结合舰艇编队攻击路径的信息特征检测技术进行攻击路径规划过程中的信息调度和特征提取。然后采用模糊神经网络控制技术进行海上舰艇编队攻击路径自动规划的线路自动筛选和寻优控制处理，构建物联网信息管理平台进行海上舰艇编队攻击路径自动规划和分布式協同调度，采用模糊PID神经网络学习方法进行海上舰艇编队攻击路径规划的优化学习。最后进行仿真实验分析，展示了本文方法在提高舰艇编队攻击路径优化规划能力方面的优越性能。
1 卫星通信组网信息调度及规划路径特征分析
1.1 舰艇编队攻击路径规划信息调度
为了实现基于模糊PID的舰艇编队攻击路径优化规划，采用卫星通信组网信息调度技术进行海上舰艇编队攻击路径规划的控制指令信息提取，构建舰艇编队攻击路径自动规划统计大数据统计分析模型，通过对海上舰艇编队攻击路径自动规划统计大数据融合[4]，实现对舰艇编队攻击路径自动规划和调度，建立卫星通信组网环境下舰艇编队密度求解微分方程，得到二阶梯度2F（x），假定卫星通信组网环境下舰艇编队攻击路径网络的节点总数V为常数，当在最短路径控制下，采用分段线性拟合方法进行海上舰艇编队攻击路径自动规划统计大数据规划处理，提取海上舰艇编队攻击路径自动规划统计大数据的互信息特征量，对采集的海上舰艇编队攻击路径统计信息流进行融合处理，采集的大数据有舰艇的密度数据、控制指令传输负载数据以及线路的雷达探测信息数据，采用分布式大数据融合处理方法进行攻击路径规划的专家系统模型构建。模型如图1所示。
综上分析，实现海上舰艇编队攻击路径自动规划的线路自动筛选和寻优控制处理，根据自动寻优结果实现对海上舰艇编队攻击路径规划和协同调度[10]。
3 仿真实验与结果分析
为了测试本文设计方法在实现海上舰艇编队攻击路径自动规划中的应用性能，进行仿真实验分析，实验中算法采用Matlab设计，在Netlogo平台中建立舰艇编队的路径规划场景，设定舰艇编队的攻击节点数为12，巡航速度为20 Kn，攻击速度为25 Kn，每艘舰艇的攻击战位数为30，根据上述仿真场景设定，进行海上舰艇编队攻击路径的规划，得到路径轨迹规划仿真结果如图3所示。
分析图3得知，采用本文方法能有效实现海上舰艇编队攻击路径自动规划，轨迹跟踪性能较好，实现路径规划过程中的轨迹自动寻优。测试攻击效能，得到结果如图4所示。
分析图4得知，采用本文方法进行海上舰艇编队攻击路径规划，在不同火力强度下的攻击效能较高，测试路径规划的误差，得到收敛性测试曲线，对比结果如图5所示，分析得知，采用该方法进行舰艇编队攻击路径规划的协同控制能力较好，区域覆盖能力较强，路径自适应寻优的收敛性较好。
4 结束语
进行海上舰艇编队攻击路径自动规划，提高海上协同作战背景下舰艇编队的打击和火力覆盖能力，本文提出基于模糊PID的舰艇编队攻击路径优化规划算法。构建舰艇编队攻击路径自动规划统计大数据统计分析模型，结合舰艇编队攻击路径的信息特征检测技术进行攻击路径规划过程中的信息调度和特征提取，采用分簇聚类调度方法，进行舰艇编队攻击路径的优化设计。采用模糊神经网络控制技术进行海上舰艇编队攻击路径自动规划的线路自动筛选和寻优控制处理。研究得知，本文方法进行舰艇编队攻击规划的自适应能力较好，收敛性较强，可靠性较高。
参考文献
[1]傅冰，杨华东，肖玉杰. 舰艇编队跨平台武器射弹命中前火力兼容判断研究[J]. 海军工程大学学报，2018，30（6）：69-73.
[2]黄金才，陈洒然，程光权. 舰艇编队防空过程建模及分析[J].国防科技大学学报，2014，36（3）：184-190.
[3]童继进，刘忠，徐丽琴，等.多属性决策在舰艇编队防空目标选择决策中的应用研究[J].武汉理工大学学报（交通科学与工程版），2013，37（5）：960-964.
[4]赵晶，虞志刚，冯旭，等. 无线传感器网络多路径传输时延优化调度算法研究[J]. 中国电子科学研究院学报，2018，13（3）：264-271.
[5]徐飞.基于改进人工势场法的机器人避障及路径规划研究[J].计算机科学，2016，43（12）：293-296.
[6]CHEN Yushi， LIN Zhouhan， ZHAO Xing， et al. Deep learning-based classification of hyperspectral data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2014， 7（6）：2094-2107.
[7]何力，丁兆云，贾焰，等.大规模层次分类中的候选类别搜索[J].计算机学报，2014，37（1）：41-49.
[8]DENG Zhaohong， CAO Longbin， JIANG Yizhang， et al. Minimax probability TSK fuzzy system classifier： A more transparent and highly interpretable classification model[J]. IEEE Transactions on Fuzzy Systems， 2015， 23（4）： 813-826.
[9]赵威. 强海水混响背景下水中兵器攻击目标检测研究[J].智能计算机与应用，2016，6（2）：51-54.
[10]羅朝晖，秦芙蓉，余鹏.基于模拟退火算法的舰艇编队海上补给规划[J].海军工程大学学报，2018，30（4）：81-86.
相关热词搜索：编队，舰艇，路径，模糊，攻击，
