本发明水下机器人协作控制技术领域，具体涉及一种多自治水下机器人搜索控制系统及其方法。
背景技术：
随着现代科学技术的进步与发展，人类对世界的探索已经不再局限于陆地，海洋占地球总面积的71％，蕴含着丰富的资源，对海洋的探索与开发已成为当前社会发展的重要内容。水下机器人是一种能够搭载各种电子设备、机械装置，完成对深海探索和勘测的装备，由于其操作灵活、控制性好，鲁棒性高，已成为海洋资源探索和科学研究的重要工具。
多自治水下机器人(autonomousunderwatervehicles,auv)协作搜索是指多个自治水下机器人通过协作，利用自身携带的传感器对水下环境中的目标进行搜索。协作搜索是实现水下救援、水下侦查、水下考古、水下攻防等任务的重要环节，是水下机器人研究的核心内容之一。
传统的水下目标搜索往往是使用单个的缆控水下机器人rov(remotelyoperatedvehicle)采用全覆盖的方式进行搜索，由于缆控水下机器人需要线缆和母船连接，受到缆线长度的限制，搜索范围较小，还容易发生电缆缠绕和断裂；同时，单个缆控水下机器人的作用有限，只能用于执行一些简单、局部的搜索任务，而复杂、大范围的目标搜索一般需要多个水下机器人协作完成。另外，全覆盖搜索方法在搜索过程中不会根据环境的变化实时的改变搜索路径，且容易对同一区域进行重复搜索，因此，全覆盖搜索方法搜索效率较低，很难成功搜索到动态环境中的动态目标。
技术实现要素：
本发明所要解决的技术问题是现有水下目标搜索使用缆控水下机器人采用全覆盖的方式进行搜索，由于缆控水下机器人需要线缆和母船连接，受到缆线长度的限制，搜索范围较小，容易发生电缆缠绕和断裂，且全覆盖搜索方式不会根据环境的变化实时的改变搜索路径，容易对同一区域进行重复搜索，搜索效率较低，很难成功搜索到动态环境中的动态目标的问题。
为了解决上述技术问题，本发明所采用的技术方案是提供一种多自治水下机器人搜索控制系统，包括：
一个以上自治水下机器人，根据搜索指令，在各自搜索区域采集水下环境信息，搜索任务目标，并定期上浮，发送水下采集到的环境信息和任务目标搜索进度信息；
上位机，与所述自治水下机器人无线通信，根据搜索任务利用自组织神经网络算法分别为每台所述自治水下机器人分配搜索区域和对应的任务目标，并生成相应的搜索指令发送给对应的所述自治水下机器人；同时，接收所述自治水下机器人采集的环境信息和任务目标搜索进度信息，并对上述信息分析反馈，动态调整每台所述自治水下机器人的搜索区域和对应的任务目标，生成相应的搜索指令发送给对应的自治水下机器人，直到搜索任务中所有目标被搜索到。
在上述系统中，所述自治水下机器人包括：
信号接收和发射单元，用于接收所述上位机发送的搜索指令；
行为控制单元，根据glasius生物启发神经网络算法，将所述信号接收和发射单元接收的搜索指令转换为相应的控制信号，发送给对应其他单元；并定时发送上浮控制信号，控制所述自治水下机器人上浮到水面，与所述上位机进行信息交互；
舵机控制单元，用于根据所述行为控制单元发送的控制信号控制所述自治水下机器人左转或右转以及抬艏或沉艏两个自由度上的方向改变；
电机控制单元，用于根据所述行为控制单元发送的控制信号、并配合所述舵机控制单元的方向改变控制电机，实现自治水下机器人的前进、后退、左转、右转、抬艏、沉艏动作；
传感单元，用于根据所述行为控制单元发送的控制信号采集其搜索区域水下环境信息，搜索探测任务目标；并在所述自治水下机器人上浮时，将环境信息和任务目标搜索进度信息通过所述信号接收和发射单元发送给上位机。
在上述系统中，采用glasius生物启发神经网络算法的二维模型控制自治水下机器人搜索环境，具体为：
将采集的二维环境图像转换为栅格地图；
将神经网络中每个神经元与二维的栅格地图对应起来，用每一个神经元代表自治水下机器人在栅格地图中的一个位置，并利用每个神经元的活性值表示对应位置的环境信息；
如果某个神经元对应位置是目标，那么该神经元的活性值被定义为最大，它将作为激励输入吸引自治水下机器人的靠近；如果某个神经对应位置是障碍物，该神经元的活性值被定义为最小，则它将作为抑制输入排斥自治水下机器人的靠近；
激励输入和抑制输入通过神经网络进行传递，影响整个神经网络中每个神经元的活性值不同，而每个神经元的活性值也会在一定程度上影响相邻神经元的活性值；
自治水下机器人选择与所在神经元相邻、且活性值最大的相邻神经元作为下一步运动的位置，如此反复选择相，最终发现目标，且躲避障碍物。
在上述系统中，所述传感单元将环境信息和任务目标搜索进度信息实时上报所述行为控制单元，所述行为控制单元将采集到的环境信息和任务目标搜索进度信息与搜索任务的期望信息进行比较，如果两者一致，则达到搜索要求；否则，没有到达搜索要求，继续搜索。
在上述系统中，所述传感单元包括：
深度传感器，采集所述自治水下机器人距离水面的深度；
速度传感器，采集所述自治水下机器人当前的运动速度；
通过姿态传感器，采集所述自治水下机器人在水下的航行姿态；
声呐传感器，利用声音回波方式扫描所述自治水下机器人周围的环境，探测障碍物；
光学成像传感器，采集所述自治水下机器人周围环境的图像信息；
所述行为控制单元分析所述深度传感器、速度传感器、姿态传感器、声呐传感器采集的信息，确定所述自治水下机器人自身的位置以及与障碍物的距离；并将采集的图像信息与需要搜索的目标图像进行比较，如果在采集的图像信息中找到与目标图像相匹配的信息，在水下地图上标记目标位置。
在上述系统中，所述上位机包括：
基于中央处理器的控制单元，收到搜索任务后或环境信息和任务目标搜索进度信息后，利用其上运行的自组织神经网络算法分别为每台所述自治水下机器人分配或更新搜索区域和对应的任务目标，并生成相应的搜索指令发送给对应的自治水下机器人；
功率放大单元，用于放大发射、接收的信号；
多路发射和接收单元，对经过所述功率放大单元放大的搜索指令进行调制，并将其发射给对应自治水下机器人；同时，接收所述自治水下机器人发送的环境信息和任务目标搜索进度信息，经过所述功率放大单元传输给所述控制单元。
在上述系统中，所述自组织神经网络算法包括输入层si和输出层rj；
输入层si为一维输入神经元，表示自治水下机器人；
输出层rj为二维输出神经元，表示需要搜索的区域；
所述输入层si和输出层rj通过权向量wj连接；
所述输出层rj首先计算每一个输出神经元与所有输入神经元的权值，并在这些权值中选出最大的权值；再将最大权值对应的输入神经元分配给输出神经元，将所述输入层通过权向量wj将外界信息汇集到所述输出层各输出神经元；
所述输出层反复对输入模式进行“比较”、“分析”，寻找规律，并归类，最终使每一个需要搜索的区域都分配有自治水下机器人。
本发明还提供了一种多自治水下机器人搜索方法，采用上述一种多自治水下机器人搜索控制系统，包含以下步骤：
步骤1、上位机根据搜索任务，利用自组织神经网络算法分别为每台自治水下机器人分配搜索区域和对应的任务目标，并生成相应的搜索指令发送给对应的自治水下机器人；
步骤2、自治水下机器人根据收到搜索指令，到达分配的搜索区域，采集水下环境图像信息，搜索任务目标；
步骤3、自治水下机器人在搜索过程中定时上浮水面，将采集水下环境图像信息和任务目标搜索进度信息上传给上位机；
步骤4、上位机对接收的环境图像信息和任务目标搜索进度信息进行分析，判断搜索任务中的所有目标是否全部被搜索到，如果是，本次搜索任务完成，结束本次搜索任务，自治水下机器人回到指定位置；否则，执行步骤5；
步骤5、上位机根据收到的环境图像信息和任务目标搜索进度信息重新为每台自治水下机器人分配搜索区域和对应的任务目标，并生成相应搜索指令，然后执行步骤2。
在上述方法中，步骤1具体包括以下步骤：
步骤11、上位机根据搜索任务，将需要搜索的区域分为若干个子区域；
步骤12、上位机利用自组织神经网络算法为每一个子区域至少分配一台自治水下机器人；
步骤13、为分配到任务的自治水下机器人制定到达搜索区域路径最短的行进路线；
步骤14、上位机向每台参与搜索的自治水下机器人发送相应搜索指令；搜索指令携带自治水下机器人、对应的搜索区域、需要搜索的任务目标以及到达对应搜索区域的最短路径。
在上述方法中，步骤2具体包括以下步骤：
步骤21、自治水下机器人根据glasius生物启发神经网络算法将收到搜索指令转换为相应的控制信号，发送给相关部件；
步骤22、根据控制信号舵机控制单元和电机控制单元控制自治水下机器人按照最短路径到达搜索区域，开始搜索；
步骤23、到达搜索区域后，根据控制信号指令声呐传感器开始实时采集自治水下机器人的前视环境图像信息，并根据环境图像数据构建水下地图，再对水下地图进行栅格化处理；
步骤24、到达搜索区域后，根据控制信号指令自治水下机器人的深度传感器获取其所处深度信息；
步骤25、到达搜索区域后，根据控制信号指令自治水下机器人的速度传感器获得其速度信息；
步骤26、到达搜索区域后，根据控制信号指令自治水下机器人的姿态传感器获得姿态信息；
步骤27、到达搜索区域后，根据控制信号指令自治水下机器人的水下定位模块对其定位；
步骤28、自治水下机器人通过获得的深度信息、速度信息以及姿态信息和定位信息，采用自治模式，利用glasius生物启发神经网络模型，搜索水域中的目标；
步骤29、搜索过程中，在水下地图上，将未搜索区域对应的栅格标记为e；将搜索过区域对应的栅格标记为0；将发现任务目标所在的栅格标记为-e，实时对水下地图以及其上的栅格标记进行更新。
本发明采用多台自治水下机器人对目标进行搜索，不受缆线的限制，搜索范围扩大，同时没有缆线的拖动，水下机动性提高；多台自治水下机器人同时搜索，提高了搜索的效率；在搜索过程中，上位机动态的为自治水下机器人分配搜索区域，增强了多自治水下机器人之间的协作，降低了对同一区域重复搜索的概率，与全覆盖搜索方法相比，不仅搜索效率更高，且能够对动态环境中的动态目标搜索。
附图说明
图1为本发明提供的一种多自治水下机器人搜索控制系统的结构框图；
图2为本发明中自治水下机器人的结构框图；
图3为本发明中glasius生物启发神经网络算法的模型原理图；
图4为本发明中自组织神经网络算法的模型的原理图；
图5为本发明提供的一种多自治水下机器人搜索方法的流程图；
图6为本发明中步骤1的具体流程图；
图7为本发明中步骤2的具体流程图。
具体实施方式
本发明提供了一种多自治水下机器人搜索控制系统及其方法，该系统包含了上位机以及与上位机无线通信连接的多台自治水下机器人，每台自治水下机器人不再受缆线的限制，不仅搜索范围扩大，没有了缆线的拖动，水下机动性也有效提高；上位机利用自组织神经网络方式为多台自治水下机器人分配搜索区域，并发送搜索指令，每台自治水下机器人航行到分配到的区域以后，按照glasius生物启发神经网络(glasiusbio-inspiredneuralnetworks)的方式同时在各自区域搜索目标，提高了搜索的效率，每台自治水下机器人定期上浮与上位机交换信息，上位机根据各个自治水下机器人反馈的信息，动态的协调每台自治水下机器人的任务，增强了多自治水下机器人之间的协作，降低了对同一区域重复搜索的概率，与全覆盖搜索方法相比，本发明的搜索效率更高，且能够对动态环境中的动态目标进行快速搜索。
下面结合说明书附图和具体实施例对本发明做出详细的说明。
如图1所示，本发明提供的一种多自治水下机器人搜索控制系统，包括上位机以及一台以上的自治水下机器人，上位机与每台自治水下机器人无线通信连接；
自治水下机器人10，根据搜索指令，在各自搜索区域采集水下环境信息，搜索任务目标，并定期上浮，发送水下采集到的环境信息和任务目标搜索进度信息；
上位机20，设置在母船或者岸上，根据搜索任务利用自组织神经网络算法分别为每台自治水下机器人10分配搜索区域和对应的任务目标，并生成相应的搜索指令发送给对应的自治水下机器人10；同时在自治水下机器人10定时上浮时，接收每台自治水下机器人10采集的环境信息和任务目标搜索进度信息，并分析反馈的上述信息，动态调整每台自治水下机器人10的搜索区域和对应的任务目标，生成相应的搜索指令发送给对应的自治水下机器人10，增强各台自治水下机器人之间的协作，降低对同一区域重复搜索的概率，提高搜索效率更高，实现对动态环境中的动态目标进行快速搜索，直到搜索任务中所有目标被搜索到。
在本发明中，如图2所示，自治水下机器人10包括：
信号接收和发射单元11，用于接收上位机20发送的搜索指令；
行为控制单元12，根据glasius生物启发神经网络算法将信号接收和发射单元11接收的搜索指令转换为相应的控制信号，对其他单元进行控制；并定时发送上浮控制信号，控制自治水下机器人10上浮到水面，与上位机20进行信息交互；
舵机控制单元13，用于根据行为控制单元12发送的控制信号控制自治水下机器人10左转或右转以及抬艏或沉艏两个自由度上的方向改变；
电机控制单元14，用于根据行为控制单元12发送的控制信号、并配合舵机控制单元13的方向改变控制电机，实现自治水下机器人的前进、后退、左转、右转、抬艏、沉艏等动作；
传感单元15，用于根据行为控制单元12发送的控制信号采集其搜索区域水下环境信息，搜索探测任务目标；在自治水下机器人10上浮时，将环境信息和任务目标搜索进度信息通过信号接收和发射单元11发送给上位机20。
图3所示为本发明的glasius生物启发神经网络算法的二维模型，采用该模型控制自治水下机器人搜索环境，具体为：
首先将采集的二维环境图像转换为栅格地图；
然后将神经网络中每个神经元与二维的栅格地图对应起来，用每一个神经元代表自治水下机器人在栅格地图中的一个位置，并利用每个神经元的活性值表示对应位置的环境信息；
如果某个神经元对应位置是目标，那么该神经元的活性值被定义为最大，它将作为激励输入吸引自治水下机器人的靠近；如果某个神经对应位置是障碍物，该神经元的活性值被定义为最小，则它将作为抑制输入排斥自治水下机器人的靠近；
激励输入和抑制输入通过神经网络进行传递，从而影响整个神经网络中每个神经元的活性值不同，而每个神经元的活性值也会在一定程度上影响相邻神经元的活性值，如在图3中，两个相邻的神经元k和l之间可以通过相邻神经元连接权系数wkl传递神经元活性值，假如自治水下机器人处于神经元k的位置，如同神经元l的8个与神经元k相邻的神经元的活性值，将根据每个神经元的激励输入、抑制输入和k神经元活性值得以确定；
自治水下机器人选择与所在神经元相邻、且活性值最大的相邻神经元作为下一步运动的位置，如此反复选择相邻神经元作为行驶位置，最终发现目标，并且在发现目标的过程中躲避障碍物。
在本发明中，传感单元15还会将环境信息和任务目标搜索进度信息实时上报行为控制单元12，行为控制单元12将采集到的环境信息和任务目标搜索进度信息与搜索任务的期望信息进行比较，如果采集的环境信息和任务目标搜索进度信息(包括位置信息)与搜索任务的期望信息一致，则达到搜索要求；如果不一致，则没有到达搜索要求，继续搜索。
在本发明中，传感单元15包括深度传感器151、速度传感器152、姿态传感器153、声呐传感器154、光学成像传感器155。通过深度传感器151测得自治水下机器人10距离水面的深度；通过速度传感器152测得自治水下机器人10当前的运动速度；通过姿态传感器153测得自治水下机器人10在水下的航行姿态；声呐传感器154利用声音回波方式扫描自治水下机器人10周围的环境，探测障碍物；行为控制单元12分析深度传感器151、速度传感器152、姿态传感器153、声呐传感器154采集的信息，确定自治水下机器人10自身的位置以及与障碍物的距离；通过光学成像传感器155对周围的环境进行图像采集，行为控制单元12将采集的图像信息与需要搜索的目标图像进行比较，如果在采集图像中能找到与目标图像相匹配的信息，在水下地图上标记目标位置。
下面结合图2对每台自治水下机器人工作过程进行详细说明，搜索任务开始以后，每台自治水下机器人通过信号接收和发射单元11接收上位机20的搜索指令，然后将搜索指令传输给行为控制单元12，行为控制单元12根据搜索指令，根据glasius生物启发神经网络算法将搜索指令转换为对其他单元的控制信号，对其他单元进行控制：
通过对舵机控制单元13和电机控制单元的控制，使自治水下机器人按照glasius生物启发神经网络搜索方式进行前进、后退、左转、右转、抬艏、沉艏；
控制感器单元15，通过深度传感器151、速度传感器152、姿态传感器153、声呐传感器154确定自身的位置；通过光学成像传感器155对周围的环境进行图像采集，以此判别是否发现了目标；
除此以外，行为控制单元12还定时发送上浮控制信号，使自治水下机器人上浮到水面，通过接收和发射单元11将传感器单元15采集到的环境信息和任务目标搜索进度信息发送给上位机20，用于上位机20动态更新搜索任务，动态调整每台自治水下机器人的搜索区域和搜索任务目标。
在本发明中，上位机20包括：
基于中央处理器的控制单元21，收到搜索任务后或环境信息和任务目标搜索进度信息后，利用其上运行的自组织神经网络算法分别为每台自治水下机器人10分配或更新搜索区域和对应的任务目标，并生成相应的搜索指令发送给对应的自治水下机器人10；
功率放大单元22，与控制单21连接，用于放大发射、接收的信号；
多路发射和接收单元23：与功率放大单元22连接，对经过放大的搜索指令进行调制，并将其发射给对应自治水下机器人10；同时，接收自治水下机器人10发送的环境信息和任务目标搜索进度信息，经功率放大单元22传输给控制单元21，用于动态调整每台自治水下机器人10的搜索区域和对应的任务目标。
自组织神经网络算法是一种无导师的聚类法，它能将任意维输入模式在输出层映射成一维或二维离散图形，具有聚类功能、自组织功能、自学习功能，因此，可以和多自治水下机器人搜索控制系统的任务分配联系起来。图4为自组织神经网络算法的模型。本发明的输入层si为一维输入神经元，表示自治水下机器人；输出层rj为二维输出神经元，表示需要搜索的区域；输入层和输出层通过权向量wj连接；输出层rj首先计算每一个输出神经元与所有输入神经元的权值，然后在这些权值中选出最大的权值；最后将最大权值对应的输入神经元分配给输出神经元，输入层就这样通过权向量wj将外界信息汇集到输出层各输出神经元；输出层反复对输入模式进行“比较”、“分析”，寻找规律，并归类，最终使每一个需要搜索的区域都分配有自治水下机器人。
本发明的上位机20的工作过程为：上位机20接到搜索任务以后，上位机20中的控制单元21根据自组织神经网络分配搜索区域和对应的任务目标，并生成相应的搜索指令，将搜索指令信号经功率放大器22放大以后，通过多路发射接收单元23发送给多对应的自治水下机器人10。每台自治水下机器人10收到搜索命令后，按照指令搜索目标；在搜索的过程中，每个自治水下机器人定时上浮到水面，将采集到的环境信息和任务目标搜索进度信息发送给上位机20，上位机20通过多路发射接收单元23接收到自治水下机器人10发送的信号后，由功率放大单元22放大后，反馈给控制单元21，控制单元21根据反馈信息，再重新分配为每台自治水下机器人10搜索区域和对应的任务目标。如此循环直到所有的目标被发现为止。
如图5所示，本发明提供的一种多自治水下机器人搜索方法，采用上述一种多自治水下机器人搜索控制系统，包含以下步骤：
步骤1、上位机根据搜索任务，利用自组织神经网络算法分别为每台自治水下机器人分配搜索区域和对应的任务目标，并生成相应的搜索指令发送给对应的自治水下机器人；
步骤2、自治水下机器人根据收到搜索指令，到达分配的搜索区域，采集水下环境图像信息，搜索任务目标；
步骤3、自治水下机器人在搜索过程中定时上浮水面，将采集水下环境图像信息和任务目标搜索进度信息上传给上位机；
步骤4、上位机对接收的环境图像信息和任务目标搜索进度信息进行分析，判断搜索任务中的所有目标是否全部被搜索到，如果是，本次搜索任务完成，结束本次搜索任务，自治水下机器人回到指定位置；否则，执行步骤5；
步骤5、上位机根据收到的环境图像信息和任务目标搜索进度信息重新为每台自治水下机器人分配搜索区域和对应的任务目标，并生成相应搜索指令，然后执行步骤2。
在本发明中，如图6所示，步骤1具体包括以下步骤：
步骤11、上位机根据搜索任务，将需要搜索的区域分为若干个子区域；
步骤12、上位机利用自组织神经网络算法为每一个子区域至少分配一台自治水下机器人；
步骤13、为分配到任务的自治水下机器人制定到达搜索区域路径最短的行进路线；
步骤14、上位机向每台参与搜索的自治水下机器人发送相应搜索指令；搜索指令携带自治水下机器人、对应的搜索区域、需要搜索的任务目标以及到达对应搜索区域的最短路径。
在本发明中，如图7所示，步骤2具体包括以下步骤：
步骤21、自治水下机器人根据glasius生物启发神经网络算法将收到搜索指令转换为相应的控制信号，发送给相关部件；
步骤22、根据控制信号舵机控制单元和电机控制单元控制自治水下机器人按照最短路径到达搜索区域，开始搜索；
步骤23、到达搜索区域后，根据控制信号指令声呐传感器开始实时采集自治水下机器人的前视环境图像信息，并根据环境图像数据构建水下地图，再对水下地图进行栅格化处理；
步骤24、到达搜索区域后，根据控制信号指令自治水下机器人的深度传感器获取其所处深度信息；
步骤25、到达搜索区域后，根据控制信号指令自治水下机器人的速度传感器获得其速度信息；
步骤26、到达搜索区域后，根据控制信号指令自治水下机器人的姿态传感器获得姿态信息；
步骤27、到达搜索区域后，根据控制信号指令自治水下机器人的水下定位模块对其定位；
步骤28、自治水下机器人通过获得的深度信息、速度信息以及姿态信息和定位信息，采用自治模式，利用glasius生物启发神经网络模型，搜索水域中的目标；
步骤29、搜索过程中，在水下地图上，将未搜索区域对应的栅格标记为e；将搜索过区域对应的栅格标记为0；将发现任务目标所在的栅格标记为-e，实时对水下地图以及其上的栅格标记进行更新。
在本发明中，在自治水下机器人定时上浮时将传感器获取的环境图像信息、深度信息、速度信息以及姿态信息和定位信息等传输给上位机，以便上位机通过这些信息动态分配任务；若自治水下机器人发现目标，自治水下机器人会通过光学成像传感器获取目标的图像，并将图像、位置等信息上传一并至上位机。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。