基于模糊PID 的舰艇编队攻击路径优化规划研究
刘 洋，王 蕾
(海军工程大学，武汉430033 )
摘 要： 为了提高海上舰艇编队攻击路径自动规划和自适应调度能力，从而实现海上舰艇编队协同智慧调度，提出基于模糊PID的舰艇编队攻击路径优化规划算法。采用卫星通信组网信息调度技术进行海上舰艇编队攻击路径规划的控制指令信息提取，结合舰艇编队攻击路径的信息特征检测技术进行攻击路径规划过程中的信息调度和特征提取，采用模糊神经网络控制技术进行海上舰艇编队攻击路径自动规划的线路自动筛选和寻优控制处理，构建物联网信息管理平台进行海上舰艇编队攻击路径自动规划和分布式协同调度，采用模糊PID神经网络学习方法进行海上舰艇编队攻击路径规划的优化学习。仿真结果表明，采用该方法进行舰艇编队攻击路径规划的协同控制能力较好，区域覆盖能力较强，路径自适应寻优的收敛性较好。
关键词： 模糊PID；舰艇编队；攻击路径；规划
0 引 言
随着海上协同作战信息化水平的不断提升，需要进行海上舰艇编队攻击的信息化调度和攻击路径的智能规划设计，构建海上舰艇编队攻击路径规划模型，在集成信息处理平台下进行海上舰艇编队攻击路径自动规划系统的优化设计，采用大数据信息融合处理技术，进行海上舰艇编队攻击路径自动规划，提高海上协同作战背景下舰艇编队的打击和火力覆盖能力，研究舰艇编队攻击路径优化规划模型具有重要意义[1]。
对舰艇编队攻击路径优化规划模型的研究是建立在对舰艇编队攻击路径的信息特征分析和大数据挖掘基础上，结合协同融合滤波模型进行舰艇编队攻击路径的自适应调度和规划，提高舰艇编队攻击路径优化规划能力[2]。传统方法中，对舰艇编队攻击路径优化规划方法主要有遗传算法、粒子群算法和Kalman滤波算法等，根据对海上舰艇编队攻击路径统计信息流的测量和特征提取结果，进行海上舰艇编队攻击路径规划，构建海上舰艇编队攻击路径规划网络模型，实现路径规划的自适应寻优控制，但上述方法进行舰艇编队攻击路径规划的自适应性不好，融合度不高[3]。针对上述问题，本文提出基于模糊PID的舰艇编队攻击路径优化规划算法。首先采用卫星通信组网信息调度技术进行海上舰艇编队攻击路径规划的控制指令信息提取，结合舰艇编队攻击路径的信息特征检测技术进行攻击路径规划过程中的信息调度和特征提取。然后采用模糊神经网络控制技术进行海上舰艇编队攻击路径自动规划的线路自动筛选和寻优控制处理，构建物联网信息管理平台进行海上舰艇编队攻击路径自动规划和分布式协同调度，采用模糊PID神经网络学习方法进行海上舰艇编队攻击路径规划的优化学习。最后进行仿真实验分析，展示了本文方法在提高舰艇编队攻击路径优化规划能力方面的优越性能。
1 卫星通信组网信息调度及规划路径特征分析
1.1 舰艇编队攻击路径规划信息调度
为了实现基于模糊PID的舰艇编队攻击路径优化规划，采用卫星通信组网信息调度技术进行海上舰艇编队攻击路径规划的控制指令信息提取，构建舰艇编队攻击路径自动规划统计大数据统计分析模型，通过对海上舰艇编队攻击路径自动规划统计大数据融合[4]，实现对舰艇编队攻击路径自动规划和调度，建立卫星通信组网环境下舰艇编队密度求解微分方程，得到二阶梯度
2F (x )，假定卫星通信组网环境下舰艇编队攻击路径网络的节点总数V 为常数，当在最短路径控制下，采用分段线性拟合方法进行海上舰艇编队攻击路径自动规划统计大数据规划处理，提取海上舰艇编队攻击路径自动规划统计大数据的互信息特征量，对采集的海上舰艇编队攻击路径统计信息流进行融合处理，采集的大数据有舰艇的密度数据、控制指令传输负载数据以及线路的雷达探测信息数据，采用分布式大数据融合处理方法进行攻击路径规划的专家系统模型构建。模型如图1所示。
图1 海上舰艇编队攻击路径规划的专家系统模型
Fig. 1 Expert system model for attack path planning of marine warship formation
根据图1所示的舰艇编队攻击路径的专家系统模型，采用自动路径规划模型方法，得到舰艇编队攻击的状态特征量为x j ={x 1j ,x 2j ,...,x mj }T，以2倍以上特征采样率进行舰艇编队攻击路径的统计信息采样，得海上舰艇编队攻击路径自动规划统计大数据的状态特征分布为p (x 0)，舰艇编队攻击路径规划中，采用卫星通信组网信息调度方法，得到信息融合结果为：
点评：通化市把本地红色资源连点成线、连线成面，把红色资源与生态、历史文化资源相结合，策划推出多种多样的教育体验载体，让红色资源被更多人知晓并接触，深刻感知通化的红色血脉。用红色精神激励着新时代的党员干部，已经成为通化党建行之有效的法宝之一。
(1)
假定当前舰艇编队攻击节点的相邻节点机的数目为n (N 1,…,N n )，采用大数据融合检测方法进行信息重构，求得海上舰艇编队攻击路径自动规划统计大数据的分布的统计样本集，进行舰艇编队攻击路径规划信息调度[5]。
1.2 编队规划路径特征分析
主程序程序主要实现的两大内容分别是以太网和无线WIFI通信的连接,以及命令和数据的接收和发送。系统主要流程图如图3所示。
(2)
采用RFID技术进行海上舰艇编队攻击路径规划的自适应信息采集和寻优，综上分析，进行攻击路径规划的信息调度。
具体来说，1）不改变每个电源并网方式，而通过先进的控制、计量、通信等技术聚合各电源、储能系统、可控负荷等不同类型的分布式能源，通过更高层面的软件构架实现多个分布式能源的协调优化运行，更有利于资源的合理优化配置及利用；2）无需对电网进行改造，而能够聚合分布式能源对公网稳定输电，并提供快速响应的辅助服务，成为分布式能源进入电力市场的有效方法，降低了其在市场中孤独运行的失衡风险，可以获得规模经济的效益；3）分布式能源的可视化及虚拟电厂的协调控制优化，大大减小了以往分布式能源并网对公网造成的冲击，降低了分布式电源增长带来的调度难度，使配电管理更趋于合理有序，提高了系统运行的稳定性。
(3)
f (x 1,x 2)+u
本文其余部分的结构如下：第二部分为理论分析与研究假说，第三部分为研究设计与模型构建，第四部分为实证结果与分析，最后为结论和政策建议。
e =x 2-x 1，
(4)
其中，e =[e V ,e h ,e w ]，由此得到海上舰艇编队攻击路径规划的信息融合误差函数为：
研究期间，南丰县年平均气温随着全球气候变暖而升高，从南丰县温度变化特征来看，柑橘受冻害风险降低，而高温热害几率增加，这与何寿仁［7］得出的南丰蜜橘越冬期冻害风险降低，高温日灼天气日数呈直线上升趋势，即高温热害风险增加是一致的。
采用分布式协同调度方法进行海上舰艇编队攻击路径规划的指令加载和信息调度，结合海上舰艇编队攻击路径组网模型进行嵌入式调度[7]，得到海上舰艇编队攻击路径规划的信息加载输出为
有Φ(B )⊂B ，在最短路径寻优下，得到舰艇编队攻击路径指令加载的误差项为：
令p (t )=[p 1(t ),p 2(t ),…,p m (t )]T，表示路径规划的自适应调度集，得到舰艇编队路径规划的特征解向量为：
=
采用模糊神经网络控制技术进行海上舰艇编队攻击路径自动规划的线路自动筛选和寻优控制处理，海上舰艇编队攻击路径规划的模糊PID神经网络模型如图2所示。
=
本模型只采用自重应力场评价边坡在开挖支护过程中的应力应变及位移影响。坡体由杂谷脑组第二段第6、7层大理岩组成，岩层产状 N40°～55°E/NW∠35°～40°，潜部岩体普遍松弛，破碎，卸荷裂隙比较发育，岩层总体上完整性差，岩层结构以次块-镶嵌结构为主，局部风化带为块裂-碎裂结构。由此可以认为边坡浅表层的应力释放已经完成，开挖支护范围位于边坡的浅表处，该范围内的应力场以自重应力为主，而且主要结构面出露高程较高，高高程的岩质边坡的初始应力比较接近自重应力，因此，本模型采用自重应力场分析评价开挖支护影响是合理的。设计锚索锚固力为2000kN，间、排距5m，锚索长度从下往上分别是30～60m。
(5)
根据上述分析，构建智能卫星通信组网环境下舰艇编队攻击路径规划特征分析模型，采用分簇聚类调度方法，进行舰艇编队攻击路径的优化设计[8]。
卫星通信组网环境下，舰艇编队攻击路径的网络组网结构模型用以下方程描述为：
2 舰艇编队攻击路径优化规划实现
2.1 攻击路径规划的信息调度优化
在上述采用卫星通信组网信息调度技术进行海上舰艇编队攻击路径规划的控制指令信息提取的基础上，进行路径规划优化设计，本文提出基于模糊PID的舰艇编队攻击路径优化规划算法。采用模糊神经网络控制技术进行海上舰艇编队攻击路径自动规划的线路自动筛选和寻优控制处理[9]，得到海上舰艇编队攻击路径规划的信息传递模型描述如下：
m i =MSG_REP ‖D τ ‖SN A ‖data ‖
Pos ‖sensid ‖Token ，
目前，国内城市商业银行对市场营销的认识还不够深，还未能形成全面的市场营销战略策略观念。全面的营销观念是引导相关银行走向繁荣的指导方向，它关系到银行的每一位员工，渗透于银行工作的方方面面[5]。国内城市商业银行应认识到市场营销是建立在全员努力、客户导向、利润和社会责任这四方面之上。但是，目前国内的相关银行对于市场营销观念的理解还不够深刻，没有真正落实市场营销的“以客户为中心”这个营销理念。
(6)
在卫星通信组网环境下舰艇编队攻击路径的均衡调度时间窗口函数为：
(7)
(8)
结合舰艇编队攻击路径的信息特征检测技术进行攻击路径规划过程中的信息调度和特征提取，采用模糊神经网络控制技术进行传感信息跟踪识别[6]，将海上舰艇编队攻击路径规划问题转换为如下二元规划问题：
2.2 路径规划的模糊神经网络寻优控制
图2 海上舰艇编队攻击路径规划的模糊PID神经网络模型
Fig. 2 Fuzzy PID Neural Network model for attack path planning of marine warship formation
在图2所示的海上舰艇编队攻击路径规划PID控制模型中，在输入层输入控制指令，指令子集S i (i =1,2,…,L )满足模糊学习的收敛性条件为：
(9)
设有k 个海上舰艇编队攻击路径规划指令，进行大数据采样后，采用最短路径搜索模型进行路径规划设计，得到在t +1个监测节点中舰艇编队攻击路径的预测模型为：
(10)
如f (x 1,x 2)已知，考虑到海上舰艇编队攻击路径规划的偏差，以最大火力覆盖为寻优函数，得到舰艇编队攻击路径规划的模糊PID自适应迭代模型为：
(11)
综上分析，实现海上舰艇编队攻击路径自动规划的线路自动筛选和寻优控制处理，根据自动寻优结果实现对海上舰艇编队攻击路径规划和协同调度[10]。
3 仿真实验与结果分析
为了测试本文设计方法在实现海上舰艇编队攻击路径自动规划中的应用性能，进行仿真实验分析，实验中算法采用Matlab设计，在Netlogo平台中建立舰艇编队的路径规划场景，设定舰艇编队的攻击节点数为12，巡航速度为20 Kn，攻击速度为25 Kn，每艘舰艇的攻击战位数为30，根据上述仿真场景设定，进行海上舰艇编队攻击路径的规划，得到路径轨迹规划仿真结果如图3所示。
图3 舰艇编队的路径轨迹规划仿真结果
Fig. 3 Simulation results of path trajectory planning for warship formation
分析图3得知，采用本文方法能有效实现海上舰艇编队攻击路径自动规划，轨迹跟踪性能较好，实现路径规划过程中的轨迹自动寻优。测试攻击效能，得到结果如图4所示。
2018年云南电网按照南方电网公司精益管理的要求，把坚持党的领导、加强党的建设与推进安全生产、经营管理深度融合，在部分供电单位和施工单位开展安全生产、客户服务、项目管理领域党组织、党员发挥作用试点，在非试点单位开展党的建设精益项目（书记项目）探索，同时，开展党的建设精益化管理咨询项目和党支部标杆管理课题研究，提炼总结开展党的建设精益管理的经验和做法。
分析图4得知，采用本文方法进行海上舰艇编队攻击路径规划，在不同火力强度下的攻击效能较高，测试路径规划的误差，得到收敛性测试曲线，对比结果如图5所示，分析得知，采用该方法进行舰艇编队攻击路径规划的协同控制能力较好，区域覆盖能力较强，路径自适应寻优的收敛性较好。
(a) 重火力覆盖
(a) Severe fire coverage
(b) 轻度火力覆盖
(b) Free fire coverage
图4 攻击效能测试
Fig. 4 Attack effectiveness test
图5 收敛性对比
Fig. 5 Convergence comparison
4 结束语
进行海上舰艇编队攻击路径自动规划，提高海上协同作战背景下舰艇编队的打击和火力覆盖能力，本文提出基于模糊PID的舰艇编队攻击路径优化规划算法。构建舰艇编队攻击路径自动规划统计大数据统计分析模型，结合舰艇编队攻击路径的信息特征检测技术进行攻击路径规划过程中的信息调度和特征提取，采用分簇聚类调度方法，进行舰艇编队攻击路径的优化设计。采用模糊神经网络控制技术进行海上舰艇编队攻击路径自动规划的线路自动筛选和寻优控制处理。研究得知，本文方法进行舰艇编队攻击规划的自适应能力较好，收敛性较强，可靠性较高。
其次，对交易中的客户进行风险监控和风险提示。在此阶段可以运用大数据的资源及技术手段对客户的资金链条、交易情况、还款情况及违约情况等动态变化进行实时掌握，以降低客户贷款中及贷款后的金融风险。此外，也可以随时提醒客户违约后的严重后果，让其进一步增强风险意识。
参考文献
[1] 傅冰,杨华东,肖玉杰. 舰艇编队跨平台武器射弹命中前火力兼容判断研究[J]. 海军工程大学学报,2018,30(6):69-73.
[2] 黄金才,陈洒然,程光权. 舰艇编队防空过程建模及分析[J].国防科技大学学报,2014,36(3):184-190.
[3] 童继进,刘忠,徐丽琴,等.多属性决策在舰艇编队防空目标选择决策中的应用研究[J].武汉理工大学学报(交通科学与工程版),2013,37(5):960-964.
[4] 赵晶,虞志刚,冯旭,等. 无线传感器网络多路径传输时延优化调度算法研究[J]. 中国电子科学研究院学报,2018,13(3):264-271.
[5] 徐飞.基于改进人工势场法的机器人避障及路径规划研究[J].计算机科学,2016,43(12):293-296.
[6] CHEN Yushi, LIN Zhouhan, ZHAO Xing, et al. Deep learning-based classification of hyperspectral data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(6):2094-2107.
[7] 何力,丁兆云,贾焰,等.大规模层次分类中的候选类别搜索[J].计算机学报,2014,37(1):41-49.
[8] DENG Zhaohong, CAO Longbin, JIANG Yizhang, et al. Minimax probability TSK fuzzy system classifier: A more transparent and highly interpretable classification model[J]. IEEE Transactions on Fuzzy Systems, 2015, 23(4): 813-826.
[9] 赵威. 强海水混响背景下水中兵器攻击目标检测研究[J].智能计算机与应用,2016,6(2):51-54.
[10]罗朝晖,秦芙蓉,余鹏.基于模拟退火算法的舰艇编队海上补给规划[J].海军工程大学学报,2018,30(4):81-86.
Research on optimal path planning of warship formation attack based on fuzzy PID
LIU Yang, WANG Lei
(Naval University of Engineering, Wuhan 430033, China)
【Abstract 】In order to improve the automatic planning and adaptive scheduling ability of marine warship formation attack path, so as to realize the cooperative wisdom of offshore warship formation, a fuzzy PID based ship formation attack path optimization planning algorithm is proposed. The satellite communication network information scheduling technology is used to extract the control instruction information of the attack path planning of the marine warship formation. Combined with the information feature detection technology of the attack path of the warship formation, the information scheduling and feature extraction in the process of the attack path planning are carried out. The fuzzy neural network control technology is used to automatically screen and optimize the route of the attack path automatic planning of the marine warship formation. The information management platform of the Internet of things is constructed for automatic planning and distributed cooperative scheduling of attack paths for offshore warship formation, and fuzzy PID neural network learning method is used to optimize the attack path planning for offshore warship formation. The simulation results show that the cooperative control ability of ship formation attack path planning is better, the regional coverage ability is strong, and the convergence of path adaptive optimization is better.
【Key words 】fuzzy PID; ship formation; attack path; planning
文章编号: 2095-2163 (2019 )05-0266-05
中图分类号: TP399
文献标志码: A
作者简介: 刘 洋(1983-)，男，硕士，讲师，主要研究方向：舰艇作战指挥与火力控制工程。
收稿日期: 2019-07-08