【技術實現步驟摘要】
本專利技術涉及無人艇集群技術，尤其是涉及一種在集群中實現分布式故障檢測和動態任務調度的方法和系統，旨在提高無人艇集群在復雜環境中的通信可靠性和任務執行魯棒性。
技術介紹
1、在現代海洋作戰和民用作業中，無人艇集群的協同工作變得至關重要。無人艇集群通過整合多種無人平臺，可以承擔復雜多樣的任務，例如協同態勢感知、編隊護航、搜救作業、資源勘探和集群對抗等。然而，海洋環境的復雜性和通信條件的限制使得傳統的集中式控制方法面臨單點故障和通信延遲的問題，進而可能嚴重影響任務的執行效率和成功率。集中式控制方法依賴中心節點來協調和分配任務，該節點負責統一指揮所有無人艇的操作。在通信良好的條件下，中心節點能夠高效地協調集群任務。然而，在惡劣的海洋環境中，通信鏈路可能會受到干擾，或因延遲導致指令傳達不及時，從而降低系統的響應速度。此外，若中心節點發生故障，整個集群的協同工作可能立即中斷，導致任務執行失敗的風險顯著增加。為克服這些問題，分布式控制方法成為一種有效的解決方案。分布式控制方法允許每個無人艇作為獨立的智能體，具備自主決策能力，并能夠與其他無人艇共享信息和協同執行任務。這樣不僅減少了對中心通信節點的依賴，避免了因單點故障導致的任務中斷，還大幅提高了系統的魯棒性，使無人艇集群在個別艇只故障的情況下仍然能夠完成任務。此外，分布式控制的架構提高了系統的抗毀傷能力和自適應性，使其更加適應惡劣的海洋環境。在分布式控制框架下，無人艇集群可以采用多種協同控制策略，例如行為法和一致性法，實現編隊控制和任務分配。這些策略不僅能保持集群網絡的連通性，同時還優化通信
技術實現思路
1、（一）解決的技術問題
2、本專利技術解決的技術問題是如何在通信延遲和復雜環境條件下，實現無人艇集群的分布式故障檢測與動態任務調度，提高系統的魯棒性和任務執行效率。
3、（二）技術方案
4、一種用于無人艇集群的分布式故障檢測與動態任務調度系統，包括以下模塊：傳感器采集模塊、數據處理與特征提取模塊、機器學習分類模塊、冗余通信與信息共享模塊、投票決策模塊和任務調度模塊。
5、其中，傳感器采集模塊用于實時采集鄰近無人艇的狀態信息，為故障檢測和任務決策提供基礎數據；數據處理與特征提取模塊對采集到的原始數據進行處理，提取特征以生成行為特征向量；機器學習分類模塊通過分析特征數據，判斷無人艇是否存在故障并生成狀態標簽；冗余通信與信息共享模塊通過多路徑通信機制確保故障信息在集群內的可靠共享；投票決策模塊基于各無人艇的判斷結果，采用加權多數投票機制確認故障狀態；任務調度模塊在確認故障無人艇后，將其任務動態分配給其他正常工作的無人艇，以確保任務連續性和系統穩定性。
6、傳感器采集模塊是系統中最基礎的數據輸入模塊，為后續的數據處理與特征提取模塊提供基礎信息。該模塊與數據處理模塊緊密連接，通過不斷傳遞實時數據，保障故障檢測和任務調度的準確性。所述傳感器采集模塊負責實時采集每艘無人艇及其鄰近艇的狀態信息，包括位置、速度、航向等數據。由于無人艇集群常工作于通信不穩定的海洋環境中，傳感器采集模塊能夠適應惡劣環境，保持數據的穩定性和連續性。采集到的數據不僅能夠用于故障檢測，還可以為任務協同和集群行為調整提供基礎信息。
7、數據處理與特征提取模塊接收傳感器采集模塊傳遞的原始數據，并將提取出的特征向量傳輸至機器學習分類模塊，作為分類分析的輸入。所述數據處理與特征提取模塊對傳感器采集的原始數據進行過濾、平滑和噪聲處理，并提取出關鍵行為特征（如速度波動、位置變化等）。無人艇集群常在動態和不可預知的環境中作業，因此本模塊會生成能夠反映環境變化和行為異常的特征，確保后續分類模塊能更準確地識別故障。此外，模塊設計支持低延遲處理，使得特征提取能夠緊跟數據更新，滿足實時檢測需求。
8、機器學習分類模塊利用數據處理與特征提取模塊生成的特征向量，分析鄰近無人艇的狀態，生成故障或正常的狀態標簽。該模塊的輸出將傳遞給冗余通信與信息共享模塊，用于與其他無人艇共享檢測結果。所述機器學習分類模塊采用機器學習算法對無人艇特征數據進行分類，識別并標記故障狀態。由于無人艇集群的分布式特征，機器學習分類模塊在單艇內獨立運行，使每艘無人艇都能進行本地故障檢測，減少對中心節點的依賴。通過算法的自適應特性，模塊能夠適應環境中的多變條件，從而有效識別故障艇并為投票決策模塊提供可靠的故障標簽。
9、冗余通信與信息共享模塊接收機器學習分類模塊的故障標簽信息，并通過多路徑通信機制，將該信息傳遞給其他無人艇，以便在投票決策模塊中進行集體判斷。所述冗余通信與信息共享模塊確保每艘無人艇能與鄰近艇共享故障狀態信息，使用多路徑冗余通信方式來提高數據傳輸的可靠性和抗干擾能力。鑒于無人艇集群可能處于低帶寬或高延遲的海洋環境中，冗余通信機制通過多條路徑傳播信息，以減少數據丟失和通信延遲問題。此模塊還能夠對共享數據進行重復檢測和校驗，從而提升系統在惡劣環境中的數據共享質量和任務協同能力。
10、投票決策模塊接收來自冗余通信與信息共享模塊的故障信息，并對該信息進行加權多數投票決策，確定某個無人艇的最終故障狀態。投票結果將反饋給任務調度模塊，作為任務調整的依據。所述投票決策模塊通過加權多數投票機制對故障狀態進行集體判斷。每艘無人艇的投票權重根據其通信質量、觀測精度等實時調整，確保在決策過程中優先采納高質量信息。
11、任務調度模塊根據投票決策模塊的結果進行動態任務分配，在確認某艘無人艇故障后，及時將其任務轉移至其他正常工作艇上，確保集群任務的連續性和穩定性。所述任務調度模塊根據無人艇的健康狀態和任務需求，動態調整任務分配，尤其在檢測到故障后，優先將高優先級任務分配給通信質量和觀測性能更佳的無人艇。任務調度模塊支持跨域任務轉移，確保集群在故障狀態下仍能高效協作，并維持任務執行。
12、（三）有益效果
13、與現有技術相比，本專利技術提供了一種用于無人艇集群的分布式故障檢測與動態任務調度系統，具備以下有益效果：
14、1.提高系統的魯棒性和容錯能力：通過分布式故障檢測和投票決策機制，每艘無人艇能夠獨立檢測鄰近艇的狀態，避免了傳統集中式控制的單點故障問題，即使單艇或少數艇發生故障，集群仍可穩定運行，保障任務連續性。
15、2.實現任務的高效調度和動態調整：在確認故障無人艇后，系統能夠根據任務優先級和無人艇的通信狀態實時調整任務分配，優先將高優先級任務分配給狀態良好的無人艇，確保關鍵任務得到優先執行，提高集群任務的整體完成率。
16、3.提升系統的自適應性和抗毀傷能力：通過智能投票加權機制和動態任務調度，每艘無人艇可以根據自身與鄰近艇的觀測數據進行自主判斷，減少了對中心節本文檔來自技高網...
【技術保護點】
1.一種用于無人艇集群的分布式故障檢測與動態任務調度系統，包括傳感器采集模塊、數據處理與特征提取模塊、機器學習分類模塊、冗余通信與信息共享模塊、投票決策模塊和任務調度模塊，其特征在于：
2.根據權利要求1所述的系統，其特征在于，所述傳感器采集模塊包括GPS定位器、加速度計、陀螺儀、超聲波傳感器和/或激光雷達，用于精確采集無人艇的實時狀態信息。
3.根據權利要求1所述的系統，其特征在于，所述數據處理與特征提取模塊包括數據平滑、去噪和特征計算單元，用于對采集的狀態信息進行濾波、降噪及特征提取。
4.根據權利要求1所述的系統，其特征在于，所述機器學習分類模塊采用邏輯回歸或梯度提升決策樹（GBDT）算法，以提高故障檢測的準確性。
5.根據權利要求1所述的系統，其特征在于，所述冗余通信與信息共享模塊通過多跳傳輸和數據校驗機制，實現數據的可靠傳輸，減少因通信延遲或干擾導致的信息丟失。
6.根據權利要求1所述的系統，其特征在于，所述投票決策模塊基于所述無人艇的通信質量和數據完整性動態調整投票權重，優先采納來自觀測條件較好的無人艇的信息
7.根據權利要求1所述的系統，其特征在于，所述任務調度模塊根據任務優先級和無人艇的實時狀態，對任務接收者進行優先排序，確保關鍵任務的高效執行。
...【技術特征摘要】
1.一種用于無人艇集群的分布式故障檢測與動態任務調度系統，包括傳感器采集模塊、數據處理與特征提取模塊、機器學習分類模塊、冗余通信與信息共享模塊、投票決策模塊和任務調度模塊，其特征在于：
2.根據權利要求1所述的系統，其特征在于，所述傳感器采集模塊包括gps定位器、加速度計、陀螺儀、超聲波傳感器和/或激光雷達，用于精確采集無人艇的實時狀態信息。
3.根據權利要求1所述的系統，其特征在于，所述數據處理與特征提取模塊包括數據平滑、去噪和特征計算單元，用于對采集的狀態信息進行濾波、降噪及特征提取。
4.根據權利要求1所述的系統，其特征在于，所...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。