通过空载和海上无人机平台的合作来优化海洋目标跟踪的观测,使用自适应增强的甲虫优化

科学领域:

• 海上监督是什么意思?海上监督是什么意思?
• 无人驾驶系统优化优化
• 合作观察策略合作观察策略

背景情况:

• 目前的海上监测依赖于同质的平台,忽视了异质的系统挑战.
• 现有的方法在合作性观测优化中扎着系统错误.
• 需要先进的算法来处理复杂的多平台海洋环境.

研究的目的:

• 为合作性海上观测中异质无人平台提出一种新的优化方法.
• 解决当前关于系统错误和多种平台集成研究的局限性.
• 通过先进的轨迹和配置优化,提高海洋监测的精度.

主要方法:

• 开发了一种自适应增强的泥甲虫优化 (AEDBO) 算法.
• 综合帐混沌映射和基于对立的多样性学习.
• 采用了自适应的收因子和考希-高斯突变来实现强大的优化.
• 利用态度校正算法在系统错误下进行最佳观测配置.

主要成果:

• 在15个基准函数中,AEDBO表现出比DBO更高的优化准确性.
• 优化了空中无人机平台轨迹,减少了海上目标追踪误差在10米以下.
• 在各种场景中通过实践实验验证实了最佳的观测配置.
• 在异质系统的合作观测精度方面取得了显著的改进.

结论:

• 拟议的AEDBO算法为异质无人机平台合作观测优化提供了一个强大的工具.
• 这项研究为增强海上监视能力提供了一个新的理论框架.
• 该方法有效地减少了目标跟踪错误,提高了整体海洋监测精度.