Path Planning for Multiple Unmanned Surface Vehicles Using Glasius Bio-Inspired Neural Network With Hungarian Algorithm
Path Planning for Multiple Unmanned Surface Vehicles Using Glasius Bio-Inspired Neural Network With Hungarian Algorithm
复制标题
使用 Glasius 仿生神经网络和匈牙利算法进行多无人地面车辆的路径规划
DOI：
10.1109/jsyst.2022.3222357
复制
发表时间：
2023-09
影响因子：
4.4
通讯作者：
Yating Lou
中科院分区：
文献类型：
--
作者：
Peng Yao;Keqiao Wu;Yating Lou
本文主要研究无人水面航行器(USV)的协同路径规划问题，包括单USV路径规划和多USV任务分配两部分。首先，采用Glasius生物启发神经网络(GBNN)对无人潜航器离散化工作空间进行神经元活性计算，并在神经元连接权值的定义中特别考虑了海流的影响。因此，可以规划起点和目的地之间用于避障的单个USV的标准路径。然后，基于GBNN的神经活动值计算结果，建立了匈牙利算法的代价矩阵，并对其进行了改进，较好地解决了多USV之间的任务分配不平衡问题。因此，任务点被有效地分配给无人值守设备并进行优先级排序，每个无人值守设备只需通过GBNN沿着标准路径分别访问相应的任务点即可完成任务。最后，仿真结果验证了该算法的可行性和有效性。
In this article, we focus on the cooperative path planning for unmanned surface vehicles (USVs) composed of single-USV path planning and multi-USVs task assignment. First, the Glasius bioinspired neural network (GBNN) is used to calculate the neural activity for the discretized working space of USV, and the ocean current is considered in the definition of neuron connection weight especially. The standard path of single USV for obstacle avoidance between start point and destination can hence be planned. Then, based on the result of neural activity values from GBNN, the cost matrix of the Hungarian algorithm is built and modified for the task assignment among multi-USVs, and the unbalanced problem is well resolved. Consequently, the task points are allocated to USVs and prioritized effectively, and each USV just needs to visit the corresponding task points respectively along the standard paths by GBNN to accomplish the task. Finally, the simulation results demonstrate the feasibility and efficiency of the proposed algorithm.
登录
查看更多内容
DOI：
10.15837/ijccc.2015.5.2030
发表时间：
2015-06
期刊：
Int. J. Comput. Commun. Control
影响因子：
--
作者：
Xueyuan Wang;Gexiang Zhang;Junbo Zhao;Haina Rong;F. Ipate;R. Lefticaru
通讯作者：
Xueyuan Wang;Gexiang Zhang;Junbo Zhao;Haina Rong;F. Ipate;R. Lefticaru
影响因子：
5.2
作者：
Agirrebeitia, J;Avilés, R;Ajuria, G
通讯作者：
Ajuria, G
影响因子：
9.2
作者：
Karaman, Sertac;Frazzoli, Emilio
通讯作者：
Frazzoli, Emilio
DOI：
10.1109/iccas.2013.6704241
发表时间：
2013-10
期刊：
2013 13th International Conference on Control, Automation and Systems (ICCAS 2013)
影响因子：
--
作者：
Seil An;H. Kim
通讯作者：
Seil An;H. Kim
时不变漂移场中基于聚类的多车辆任务分配算法
影响因子：
5.2
作者：
Bai, Xiaoshan;Yan, Weisheng;Cao, Ming
通讯作者：
Cao, Ming