基于Bug2和角度優先的多AUV圍捕策略

陳世健 陳宏 丁賀 范智藝 鞏偉杰

學術研究

基于Bug2和角度優先的多AUV圍捕策略

陳世健 陳宏 丁賀 范智藝 鞏偉杰

（深圳大學機電與控制工程學院，廣東 深圳 518060）

水下圍捕活動是多自主水下機器人研究的重點和難點。由于水下光照不足和水流波動影響，導致周遭環境變化不定，環境地圖識別困難。為此，提出基于Bug2和角度優先的多AUV圍捕策略。利用Bug2算法實現路徑規劃，通過自主水下機器人的傳感器獲取周遭環境信息，實現最短直線游動或緊貼障礙的沿邊游動；采用角度優先的圍捕策略解決獵物逃離問題，其以自身速度為參考，設置一定角度來保證及時封堵獵物的逃離路線。經仿真驗證：此算法完成了有/無障礙下的圍捕，并分析了其圍捕效率的影響因素。

自主水下機器人；Bug2算法；角度優先

0 引言

自主水下機器人（autonomous underwater vehicle, AUV）是海洋資源探測開發及海底作業的有力助手。目前，單體AUV的研究已比較成熟。隨著對海洋探索的力度逐漸加大，單體AUV已無法滿足需求，多AUV系統已成為當今水下技術研究的重要方向[1-2]。

多機器人圍捕行為的研究思路來源于大自然狼群、老虎、食人魚等動物的群體捕獵。多機器人圍捕的關鍵在于它們之間任務的分配及配合，其協作策略影響圍捕效率。王巍等[3]采用“虛擬范圍”作基準，降低動態規劃次數，從而提高圍捕效率。林子健等[4]提出基于平行導引律的多智能體編隊圍捕，減少路徑冗余，縮短圍捕時間。陳世明等[5]使用拓撲結構的分布式算法，降低協作機器人間的軌跡偏差。祝超超[6]根據人工力矩方法的特點，自組織完成單個或多個目標點的圍捕。以上文獻都對目標獵物的逃離策略做了一定簡化，如假設目標獵物靜止或降低目標獵物速度等，但未考慮目標獵物可能的逃離路線。

海洋環境地勢易受海流影響，為減少環境探測更新和路徑規劃的復雜度，本文路徑規劃采用Bug2算法，降低水下AUV計算率，加快AUV反應時間。為防止獵物逃離，采用角度優先的圍捕策略，使多AUV均勻地分散獵物周邊，對獵物特定角度的逃離路線進行及時封堵。

1 Bug2算法

Bug0算法由LUMELSKY等[7]提出，后來KAMMON等[8]在此基礎上改進為Bug1和Bug2算法。它們共同的思想就是機器人朝目標做直線運動或繞障礙物的靠邊運動，以移動到目的地。

Bug2算法先確定起點與終點的主線，在未碰到障礙物時沿主線運動；碰到障礙物時，先沿障礙物的邊廓移動，直到再次回到主線繼續沿主線移動，如圖1所示。

圖1　Bug2算法原理

2 角度優先的圍捕策略

本文圍捕使用的機器人為4個AUV，待圍捕目標（獵物）為1個。一般圍捕方法是4個AUV以獵物為中心點，找準自身的定位形成包圍網，如圖2所示。

圖2　圍捕示意圖

獵物一般不會坐以待斃，感受到危機后會迅速逃離包圍圈。本文采用角度優先圍捕策略防止獵物逃離，示意圖如圖3所示。

圖3　角度優先圍捕策略示意圖

由余弦定理，可得

由式(2)可知，AUV1成功封堵獵物逃離路線，即及時到達攔截點的必要條件為

圖4　包圍圈的形成

當各AUV都在十字線上形成包圍圈后，開始逐漸縮小圍捕包圍圈，步步逼近獵物進行圍捕，圍捕成功示意圖如圖5所示。

圖5　圍捕成功示意圖

3 仿真驗證

本文采用Java的GUI平臺進行仿真驗證，有4個圍捕AUV和1個獵物，規定圍捕時間為20 s，超過20 s代表圍捕失敗；同時設定在有/無障礙物情境下圍捕，以便對比。

3.1 無障礙物圍捕

無障礙物圍捕過程如圖6、圖7所示。其中，分布四周的淺灰色點表示圍捕AUV，黑色點代表獵物。

圖6　無障礙物圍捕接近獵物

圖7　無障礙物圍捕開始

圖6中，4個AUV首先形成大包圍，從4個角落點出發前往獵物。圖7中，AUV展開圍捕，并利用角度優先圍捕策略封堵獵物逃離路線。

圖8　無障礙物圍捕結果

無障礙物圍捕時，不同速度比的圍捕結果如表1所示。

表1 無障礙物圍捕不同速度比的圍捕結果

3.2 有障礙物圍捕

有障礙物圍捕過程如圖9、圖10所示，其中，分布四周的淺灰色點表示圍捕AUV，黑色點代表獵物，深灰色點表示障礙物。

圖9　有障礙物圍捕接近獵物

圖10　有障礙物圍捕開始

圖9中，4個AUV先形成大包圍，再從4個角落點出發前往獵物，并通過Bug2算法避開障礙物規劃路線到達自己目標位置。圖10中，AUV展開圍捕，利用角度優先圍捕策略封堵獵物逃離路線。

圖11　有障礙物圍捕結果

有障礙物圍捕時，不同速度比的圍捕結果如表2所示。

表2 有障礙物圍捕不同速度比圍捕結果

3.3 仿真實驗結果分析

有/無障礙物圍捕時，成功率和平均圍捕時間也有所差別。相對于無障礙物場景，有障礙物場景AUV的圍捕效率及成功率都有所降低。

本次實驗將Bug2算法與角度優先的圍捕策略相結合，在有限的時間內，AUV完成圍捕任務，證明本文設計的可行性和實用性。

4 結語

本文將Bug2算法和角度優先圍捕策略相結合，解決有/無障礙物下多AUV的圍捕問題，并驗證其可行性。但本文研究僅限于二維平面，后續將擴展到三維空間；同時，本文假設獵物逃離策略為隨機逃離，沒有考慮獵物存在智能的情況，逃離策略的深入研究也是今后探討的課題。

[1] 陳陽舟,黃旭,代桂平.基于新的狀態劃分的多機器人圍捕策略[J].北京工業大學學報,2010,36(8):1031-1036.

[2] 蘇治寶,陸際聯,童亮.一種多移動機器人協作圍捕策略[J].北京理工大學學報,2004,24(5):26-29.

[3] 王巍,宗光華.基于“虛擬范圍”的多機器人圍捕算法[J].航空學報,2007(5):403-406,415.

[4] 林子鍵,王秋陽,肖楊.多機器人編隊圍捕算法研究[J].計算機仿真,2017,34(4):350-355.

[5] 陳世明,耿書恒,化俞新,等.基于拓撲結構的分布式圍捕控制算法[C]//第27屆中國控制與決策會議論文集（下冊）,青島:出版社不詳,2015:2908-2912.

[6] 祝超超.多機器人圍捕的人工力矩法研究[D].鞍山:遼寧科技大學,2016.

[7] LUMELSKY V, STEPANO V . Dynamic path planning for a mobile automaton with limited information on the environment[J]. IEEE Transactions on Automatic Control, 1986,31(11): 1058-1063.

[8] KAMON I, RIVLIN E. Sensory-based motion planning with global proofs[J]. IEEE Transactions on Robotics and Automation, 1997,13(6): 814-82(2).

Multiple AUV Capture Strategy Based on BUG2 and Angle Priority

Chen Shijian Chen Hong Ding He Fan zhiyi Gong Weijie

(School of Mechanical and Control Engineering, Shenzhen University, Shenzhen 518060, China)

Underwater roundup has always been the key and difficult point in the research of underwater multi-autonomous robot, and due to the lack of light under the sea and the influence of water flow fluctuation, it is easy to cause the difficulty of environmental map identification and the uncertainty of the surrounding environment. In view of these difficulties, this paper will adopt the simplest and most efficient Bug2 algorithm to realize path planning. It can use AUV’s sensors, such as sonar, to obtain environmental information and realize the shortest straight line swim straight to the goal or the edge swim close to the obstacle. As for the problem of rounding up, it mainly solves the problem of target escaping in the round up, and the principle of angle priority can effectively prevent this kind of problem. It takes its own speed as a reference and sets a certain angle to ensure that the escape route of the target can be blocked in time, so as to achieve successful roundup. Finally, the Java platform simulation is used to verify the feasibility of the algorithm, and the experimental results are given.

AUV; Bug2 algorithm; angle priority

TP15

A

1674-2605(2021)01-0004-04

10.3969/j.issn.1674-2605.2021.01.004

陳世健，男，1995年生，研究生，主要研究方向：水下機器海豚。E-mail: 15815127500 @163.com

陳宏（通信作者），男，1971年生，副教授，主要研究方向：水下機器人系統。E-mail: chenhong@szu.edu.cn