AnEmpiricalEvaluationofCo-ordinationStrategiesforanAUVandUAV翻译

1、对无人驾驶飞行机（无人机）和水下自航行器的一个基于经验评估的协调配合策略摘要 我们计划一个用于无人驾驶飞行机和水下自航行器协调搜寻的骨架，这样一个结合可以使搜寻平台能够适应来自军事任务和环境参数的改变。我们对无人驾驶飞行机和水下自航行器相互协调设计了三个方案，以达到用最小的时间消耗来实现最大的空间探测。当改变速度、交流时间和目标的数量时，我们对这些方案进行了效力评估。预期结果说明了对于有效勘测一个给定的区域时，无人驾驶飞行机与水下自航行器结合方法的可行性。介绍 无人驾驶飞行机和水下自航行器在现今被用来有关各种各样的军事的、商务的、科学的任务。这些包括监督、侦查、搜寻和营救、绘图和海洋学的数据收

2、集。虽然很多的预付金已经实现对无人驾驶飞行机和水下自航行器的自主权，但对于发展他们之间相互协调工作的算法的研究却很少。无人驾驶飞行机可以在很短的时间里监视很大一部分区域，而水下自航行器是长时间收集数据的典型设置。无人驾驶飞行机可以提供全国范围的侦查，而水下自航行器只针对局部范围监视。结合无人驾驶飞行机的空间探测范围大的特点和水下自航行器的能力，能够探测各种各样高精度的环境参数，这些可用于许多实时跟踪的应用，例如在海下勘测油出处的路径，测温度梯度，有害海藻的花期等。水下自航行器有自主探测的能力，并且可以结合各种传感器如传导率、深度、温度、视觉和水下测试，这些传感器可以用于跟踪一些现象，但是水下自

3、航行器只能提供局部完整的图像。对于局部梯度检查无疑是很有用的，但是它不能给出现象的全部图像。用另一种方法可以得到全部图像，就是人们可以设浮标去收集数据。这要求浮标的多样性和基础设施费用的发展是很高的，并且这对完全自主权发展来说是不切合实际的。大多数水下自航行器的任务是根据一系列的图像分析：标点被上传到水下自航行器中，它根据标点收集数据返回到预定的地点。执行者下载数据，执行数据评估并执行新的任务。在数据收集过程中，如果数据的准确性需要提高那么任务将不得不重做。因此，任务会被执行很长的时间，操作者在很长时间之后才能收到收据。任何类型的错误数据将会影响任务的持续时间和任务成本的大幅度增加。无人机在某

4、种情况是一种理想的设备，因为它能快速有效地的提供全球的覆盖区域，而且它可以被用于水下自航行器。这组不同的无人设备有着不同的功能，可以针对一些现象提供覆盖区域和准确的数据。对于不同的的设备，要最大化它们之间的互补能力，我们需要探索不同的相互合作策略。在本文中，我们对使用无人机和水下自航行器的组合的探索任务，发展了多样的相互合作策略。1.1任务书明书 图1，a无人机探索侦查目标T1。有颜色的区域是被探索的区域。B一旦一个目标被侦查到，无人机会返回到水下自航行器交给它任务，并继续侦查另一个目标T2 我们考虑一个直角区域E，用无人机和水下自航行器去调查一个潜在的目标，如图1a所示。潜在的目标是一些重要

5、的区域。无人机控制水下自航行器探索的区域可以以一些重要的物理参数为根据，像是有害的海藻花期、矿物质或者是含盐高的地区。本文提出任务通过创建目标设点生成抽象的应用程序。用这些抽象的理论，高水平的协作算法可以被用来促进提高任务成绩。在文章的其余部分，我们利用这些地方重要的目标。为了更有效地协作，各种问题需要被提出。我们假设无人机的速度比水下自航行器的速度快10到40倍。为了与水下自航行器保持联系，其一是无人机将不得不在水下自航行器联系的范围，其二是水下自航行器将不得不浮到水面，因为在水底时无人机不能与之联系。因为一和二的原因，无人机和水下自航行器不得不在既满足一又满足二的条件下进行联系。因此，这需

6、要一个碰面的时间去相互收集相关信息。如果双方成功会面的时间很短的话，那么无人机将不能勘探大的区域并且侦查的目标也不能太远。这就导致任务的延迟。另一方面，如果会面的时间很长那么水下自航行器将会浪费很长时间，再一次拖延了任务的完成。完成任务的时间取决于无人机探查大区域的能力和水下自航行器浮到水面消耗的最少时间。因此，这是在探查时间和浮到水面的最短时间之间权衡的。在本文中，对于无人机和水下自航行器完成任务我们计划多种相互协调方案。我们的目标是发展有效的相互协调的策略，当在遵从实际的联系和有意识的制约时。1.2 相关工作为了得到最好的成绩，在多样的因素中相互协作是至关重要的。那存在着很多有关于多机器人

7、的协作算法和参考资料在内的文献1-5。因为空间的制约，在不同的组合中我们考虑一些具有代表性的文章。Chaimowicz et al.6发展了分层体系结构，为了让一组无人机协调并控制无人地面战车。Michael et al.7发展了一个抽象的理论，一辆无人机控制一组无人路面战车时不需要对各种车型掌握明确信息。一个人类指挥官通过简单的直接命令可以控制无人地面战车，改变速度无需对车型有详细的了解。在本文中提出的相互有效的算法不同于以往算法，主要在几个方面：1.我们在对无人机和水下自航行器之间的交流形式上不同于以前的模式。水下自航行器只能在他浮到水面时才能与无人机进行联系。2我们探查一个目标时明确的将

8、不可靠性考虑在内。而且我们的协调算法是无疑的，也就是说，算法是任务的依赖并且协作会准确的发生。Healey et al. 8对于河川的设备发表了一个有关在无人机和无人地面战车相互协作的方案。无人机的目标是探索一个大的区域并找到潜在的舰，这需要视察。无人机给无人艇信号，之后无人艇进行视察工作。像无人机与路面战车一样，无人艇可以随时与无人机进行联系。在这种情况下，车辆可以在执行任务中进行相互的联系。因此，它们能随环境的改变而改变任务。然而，对于无人机和水下自航行器这对组合来说，水下自航行器一旦执行任务将不能与无人机进行交流，因此对无人机和水下自航行器来说，相同的算法并不适用。 让无人机去勘探地区并

9、且正在执行任务的水下自航行器去侦查目标的这种想法分为传统勘探与开发构架，是个难题 9.Goldsmith and Robinett 10提出一个化合物，在那里作用物将会被分裂成两个部分，作用物分裂并且释放能量，与此同时作用物吸收释放的能量进一步释放能量。相互协作的策略方案源于很大数量的化合物和对无人机和水下自航行器协作策略的骨架修改，在方案中，少数拥有不同的内部结构的化合物和动力学的约束并不是无足轻重的。无人机和水下自航行器相互协作的问题，这问题有关于共同探索一个预定义的区域，已被写入11。水下自航行器需要为海洋探深学探索预定义开辟道路，并且本文中提到的问题将决定会议的时间和地点。在本中，我们

10、考略一个有动力的系统：无人机勘探区域同时水下自航行器受无人机的支配去开发局部区域。2问题公式化 一架无人机被部署在一个长为El宽为Ew的E区域,并且在rs阶段有传感器用于侦查目标。我们抽象画一个区域，这个区域是长为Ex宽为Ey的长方形。这个长方形是半径为rs同圆心的的最大长方形。这区域内有Ec=(Et/Ex)×(Ew/Ey)个小组这些小组被表示为C =C1，.CEc,其中每个小组分别表示为Ci,i=1,.,Ec。为了更有效地搜寻一个地区，无人机将不得不最少化进行二次搜寻的可能。我们设计了长方形区域的地图(M),对最初的小组分配值为1，那就是说，M（Ci）=1,Ci C.当无人机接触到

11、任意的小组时，我们在地图上会把小组的值改成0，即M(Ci) =0.我们假设区域E有N个目标，每个目标表示为Tj,j=1,.,N。小组的值只有在传感器的影响遍至全部小组时才会改变。无人机和水下自航行器组合的存在是为了在最短的时间里侦查和锁定目标的。任务的完成度是有两个因素影响（1）无人机（Eu）的探索空间（2）水下自航行器（Ia）消耗的时间。当水下自航行器能勘探到所有目标时，任务就完美的完成了。对于水下自航行器去侦察一个目标，无人机不得不更早的探查目标并分配任务给水下自航行器。为了去侦查一个新的目标，无人机不得不搜寻更大的区域，与此同时要尽可能减小水下自航行器在水面的时间。因此，对于一个给定的见

12、面时间tm，客观的媒介要求是：最大的Eu最小的Ia （1）汇合的时间tm是一个设计参数，这个参数决定客观给定的Eq.1的效率。2.1运动学的拘束无人机被假设有不变的速度vu m/s,给出的动力学约束如下：xu = vu cos u yu = vu sin u u = (du u)max u max, >0 （2）其中，u是无人机通用的heading,du是设计heading的角度，这个角度由cell分配，是已知的。最大的角加速度受限于max.水下自航行器也同无人机一样有动力学约束，令水下自航行器有不变的速度va m/s。vu是va的10-40倍。我们用Zu=xu，yu代表无人机的区域，用

13、Za=xa，ya代表水下自航行器的区域。我们假设无人机的领域是一个不变的海拔高度，这个高度取决于传感器所能工作的范围。我们再假设水下自航行器是一个具有潜水和自动驾驶仪设备机器，那么在一个与另一个目标之间就可以自动的操作。我们对无人机和水下自航行器架设了一个简单的动力学模型，有六维的自由模型提供给无人机和水下自航行器运动。不同的水下自航行器驾驶模型可以在参考书12用到，然而个别的无人机模型可以在13,14中用到。3协作算法我们考略两种情况说明，第一种当Pj>Pt时目标Tj被侦查出的可能性，第二种情况说明是Tj在Pj<Pt时侦查出的可能性。Pt是侦查目标Tj的最小值。当一个目标被侦查，

14、无人机可以让水下自航行器执行任务，这是因为受限的交流区rc，无人机必须到达水下自航行器的位置去分配任务。水下自航行器将去那个地点，探索这个地方周围的地区从而获得更多有关目标的信息。根据水下自航行器的测量，无人机判断目标是否重要。无人机和水下自航行器组合的探索和开发的能力可以促使很快的覆盖很大的区域并且获得目标的准确数据。无人机和水下自航行器组合效率取决于采用的相互协作的策略。这些策略主要目标是减少水下自航行器浮到表面的时间和给无人机大量的时间去勘察区域。我们开发了多种协作策略，基于不同的参数决定着会面的频率。这些策略是：周期协作：这是最简单的协作策略，无人机和水下自航行器可以再特殊的时间间歇建

15、立联系。这些间歇时间可以是固定的或者是变动的。最短路径协作：在这个策略中，无人机在一个区域标定了所有的目标，之后为水下自航行器形成一个最短的路径去侦查目标。这个路径的形成解决了在侦查过程中消耗时间的问题 (TSP).协作的可能性：在两个设备之间联系的时间是变化的，这取决于探测目标的能力。这种协作类似周期协作但是它将水下自航行器测量时的不确定因素考虑在内。每种协作的方案的成绩是不一样的。根据在给定的搜寻区域水下自航行器侦查所有目标所花的时间，我们估算了我们的算法。当执行搜寻时，无人机用坐标从一个小块的中心向另一个中心移动，这个小块的选择是根据前一个小块的路径，也就是说，要选择距此时无人机最近的小

16、块。3.1周期协作建立周期的联系是在一个预定的时间和地点上。对于周期协作的一个本国的路线是用一个固定的时间方案。在这个方案中，在预定的地点建立周期联系。这种策略尽管简单化了当无人机没有能力在一些区域侦查目标时的失败。但这在固定时间策略中是允许的。在这种情况下，联系的时间将不的不更加的合适。我们发展了两种合理的方案，来决定建立联系的时间并将各种原因考略在内。3.1.1基于周期协作的目标位置（TLPC） 图2 根据周期协作系统对目标位置状态的图解（TLPC） 我们假设当时间t=0时无人机开始探查工作，如图2所示。无人机探索每个小块直到发现目标Tj的位置，在Z Tj=Xj，Yj上。无人机没有立刻将目

17、标Tj分配给水下自航行器，因此有TuTj。当目标被侦查的这种状况到与水下自航行器建立联系的这种状况时（如图2所示）。之后，无人机选择水下自航行器的位置作为下一个坐标，并且向水下自航行器方向行驶。当无人机和水下自航行器在可联系的范围内时，无人机给水下自航行器分配任务。如果当无人机返回到水下自航行器（见图1b）时侦查到其他目标，那么无人机选择目标Ta给水下自航行器（见图2）。当Ta选定，无人机必须据决定下次联系的时间（tm）和地点（Zm）。它将会在分配目标Ta的地方与水下自航行器联系，因此Zm=Z Ta。然而，在Zm处见面的时间的计算是根据水下自航行器到达Zm的时间。一旦任务Ta被分配，它将会按T

18、u修改，Tu=TuTa，并且无人机的状态将改变成无人机探索阶段。“”操作符表示集合差。期间无人机继续探索区域和侦查目标。无人机必须在tm时间与水下自航行器建立联系。对于聚会地点，无人机必须在tm时间之前开始它的聚会策略，这个时间称为tm，tm<tm。否则时间tm-tm秒，水下自航行器是没有价值的等待与无人机建立联系。见面延迟将波及所有的目标而且积累的延迟将会影响任务的完成度。因此，无人机在时间tm开始聚会策略，这里的tm=t+Zu-Zm/vu其中t为给定的时间。把tm记为无人机开始执行聚会方案的时间，而tm是无人机和水下自航行器聚会的时间，尽管tm在时间t被决定，但可能出现一个状况就是没

19、有分配任务建立的Tu是没有意义的。在这种情况下，水下自航行器继续侦查目标直到发现目标为止。这个时间记为td，见图2.这个过程持续到无人机侦察到目标并且目标被水下自航行器视察到结束。3.1.2中间时间周期协调(ITPC)图3 a无人机在时间tr侦查区域，并开始它的会面策略，在时间tm与水下自航行器会面，在侦查期间它的目标是T1. b无人机在tm时间与水下自航行器见面同时把任务T1交给水下自航行器，并决定地点Zm和时间tm。 c当无人机Zm处于水下自航行器见面，它重新分给水下自航行器一个新目标T2，这个目标距离水下自航行器比T1更近些。因此Z T2是更近的，无人机和水下自航行器将在目标T2处再见面

20、此时的时间为tm。d说明了无人机分配相同的目标给水下自航行器。在这一块，这项任务开始于一个固定的时间tm和地点Zm=Za。无人机在时间tr探索并开始与水下自航行器建立联系，如图3所示。当在水下自航行器可联系的范围内，它分配目标T1，如图3a所示。建立联系时间tm地点Zm由Za ，Z Ta之间的距离决定。在图3b中开始，图中的点代表在时间tm时无人机和水下自航行器见面了。无人机继续侦查区域并发现目标T2。然而，无人机只能在时间tm与无人机联系，因此它将继续续侦查。当时间t>tm时，无人机与水下自航行器建立联系并再次将任务T2分配给水下自航行器，此时T2与T1比离水下自航行器更近些，见图3b

21、所示。因此，两种机器建立时间是周期的目的是共享环境的状况和分配新的任务。成熟的周期协作策略在文献中提出，决定会面时间是否合理是根据环境，并且这些策略不同于那些在Hollinger and Singh 16文献中已成熟的，这里的会面时间是固定的。 会面的时间tm和地点Zm的设计必须将各种各样的因素考虑在内.在刚开始执行任务时，tm是固定的并且Zm=Za=Z Ta。空中的设备探索区域并在时间tm到达Zm地点，在那里它将改变到与水下自航行器会面的状态，见图4所示。如果无人机没有发现任何的目标那么会面的时间和地点有路径Zm=Z Ta决定，见图4.下次提出会面的时间tm由距探索区域最近的Ze决定。如果Z

22、e很大那么tm必须大于te，可是tm有多大呢？tm值过大将导致水下自航行器消耗过高的时间，这将影响它的表现，tm值过小将使无人机搜索高达两倍。因此为了有效平衡水下自航行器消耗的时间和无人机搜索的次数，我们设计这个参数，为了给探索提供额外的时间。设备会面可以在两个不同的地点，一个是Zm=Z Ta,一个是ZmZ Ta。根据会面的地点指派是不同的，见图4.当无人 图4 介绍了周期协作系统的中间时间机在时间Zm=Z Ta处与水下自航行器会面时，它分配一个目标给水下自航行器并估算tm，这个时间是基于水下自航行器到达Z Ta的时间（见图4）.如果会面的地点ZmZ Ta那么无人机将会重新计算赋值，通过附加到

23、当前分配目标给未分配点，并且决定新的分配任务，见面时间tm和见面地点Zm。在另一种情况下，如果无人机没有分配目标，那么它将检查te是否大于th，在刷新tm（见图4）.这种可能会发生在如果被分配的目标距离水下自航行器是很近的，但是这个完全被探索的地方距离最近的没有被探索的地方是很远的情况下。这种情况当在探索区域很大时发生的很频繁，另一方面，如果te<tm，那么无人机选择见面时间tm作为th，这是个最低限度允许无人机搜寻而不是不搜寻或是只搜寻一个部分。这就说明设备建立联系的时间应该早于tm，地点Zm是一个点，沿着一条线包括Za和Z Ta，由Z给出（Za，Z Ta），水下自航行器用tm时间到达

24、Zm。一旦目标被分配，它将移动到没有分配的目标点。在这种方法下，水下自航行器直到把所有的目标访问遍后任务就完成了。3.2基于协作的最短路路线（SRC）在这种方法中，无人机通过访问所有要搜寻空间的小部分侦察到所有目标，那么它将用TSP技术决定水下自航行器的路线。水下自航行器用TSP路线侦查所有的目标去完成任务所消耗的时间是最少的。从周期协作系统中我们可以看到频繁的会面会影响完成任务的表现，在SRC中，无人机勘探，水下自航行器开拓，因此水下自航行器与无人机只需见面一次。如果所有的目标都被无人机在时间t=0时侦查到，那么SRC将决定一个最短路线。3.3周期协作的可能性（PPC）在一定的请境况下，我们

25、假设传感器的读数是由水下自航行器对已分配的目标所得的，这些读数是很精确的并且更加详细的读数是不需要的。但是这种情况不总是存在。假设无人机侦查一个目标，他的可能性为Pj。当水下自航行器勘查目标时，它的传感器测量由给出，那么无人机将更新它的目标。如果更新的可能性.>Pj,那么目标被宣布作为已侦查过的并且无人机分配新目标给水下自航行器,否则它将重新分配相同的目标给水下自航行器,在图5中表示了tm，Zm的值.在图5中展示了,发生在任务的协作过程。考虑到在ITPC中的描述说明，T2分配给水下自航行器。无人机将在Z T2这个地方再次与水下自航行器见面，如图3d所示。同时无人机将利用水下自航行器提供测

26、量并更新当那么无人机将分配T1，否则将再一次分配T2。在最开始执行任务期间，当无人机重新分配相同的任务给水下自航行器时，时间te将很小，因为探索的时间是少的，而且没有被无人机探索的区域距离水下自航行器是很近的。为了允许无人机在水下自航行器执行新的测量时探索地区我们提供一个新起点th，见图5所示。根据以上的过程，我们可以完成一项任务，在这个过程中水下自航行器可以提供测量目标的可行性。4模拟结果不同的协作系统的表现是利用Monte-Carlo模拟所分析的，通过这个模拟，我们学到影响目标数量的增长改变水下自航行器和无人机的速度，联系域和。我们考虑到把无人机和水下自航行器勘探所有目标所花的平均时间作为

27、表图5 周期协作系统的图表现的依据。4.1Monte-Carlo结果4.1.1目标数量增长的影响完成一项任务的时间是由侦查目标的个数和无人机和水下自航行器组合选择的路线决定。为了学习无人机和水下自航行器对于不同数量的目标是怎样表现的，我们执行了100种假设，在1000m×1000m的搜寻区域，我们假设无人机的速度是20m/s，水下自航行器的速度是2m/s。这块区域被分成一个个长和宽都为100m的小方块。我们假设无人机的传感器的域和联系域是一样的，且等于小块的宽度（rs=rc=100m）。假设执行6000s，目标在区域随机产生，无人机和水下自航行器在最开始时的位置是相同的。假设在水下自

28、航行器侦查所有的目标时结束，完成此次任务所消耗的时间记为测量的成绩。图六所示任务完成的平均时间对于基于周期协作的目标位置、中间时间周期协调和基于协作的最短路路线相互协作的策略有明显的障碍，图表显示还显示了当目标增长时对表现的影响。图六所示对于五个目标的案例考虑这三个方案的阻碍表现。直觉地，基于协作的最短路路线应该比周期协作系统表现的更好，因为首先目标被侦查之后勘察到所有目标这些都是被决定好的，然而，从图表中我们可以看出周期协作系统表现得比基于协作的最短路路线更好，这正好与直觉相反。这是因为在基于协作的最短路路线系统中，预演被执行是连续的。当无人机侦察某一区域时，水下自航行器是闲着的，这些时间导

29、致任务完成的时间变长。另一方面，在周期协作的系统中，水下自航行器很快的被分配目标并认清方向这就使它少的很少的时间，因此任务完成的时间要比基于协作的最短路路线快很多。当我们在图六比较了基于周期协作的目标位置和中间时间周期协调的表现时，基于周期协作的目标位置比中间时间周期协调更好些。这是因为相比较中间时间周期协调来说基于周期协作的目标位置只需要对水下自航行器进行N个访问，因此搜寻次数中间时间周期协调是基于周期协作的目标位置的双倍，这就导致中间时间周期协调表现欠佳。当目标的个数增长到10，20，30时，对于只有五个目标的案例所有的的系统表现是相同的，对于20，30个目标案例SRC表现得比ITPC好。

30、当目标的数量逐渐变多时，目标间的距离就会变小。归功于距离的减小，无人机侦察的时间就会缩短，因此它将花很长的时间探索所有的目标。因为这个影响ITPC比SRC慢很多。TLPC对于水下自航行器需要更少数量访问，因此它的表现没有被增长的目标所影响，它的表现是最好的。我们计划了另一个方案去模拟分析协作策略可行性的表现，这种方法比起点分类可行性方案对水下自航行器信息的需求要少的多，pjpt。无人机侦察一个目标Tj，它的可行性条件pjpt。为了增长pj到pt，无人机分配目标给水下自航行器为了更好地观察。当水下自航行器接近Tj时，通过Bayes路线更新pj到pj，当侦察的条件变为pjpt时，那么目标被假设为机

31、密的，对于所有的假设我们定义最开始的可能性pt=0.9.图7对于增长的目标ppc执行任务的表现。正如被期望的那样，随着目标的增长完成任务的时间也在增长着，因此我们不能把PPC与其他的路线相比 图6TLPC，ITPC，SRC系统 图7PPC对不同数量的目标的对于不同数量目标表现表现 表现4.1.2速度改变的影响为了学习无人机和水下自航行器的速度对完成任务时间的影响，我们对十个目标的案例进行了100种假设，水下自航行器的速度在3m/s和5m/s之间变化，无人机的速度以10m/s的速度在10m/s和50m/s之间变动，图8显示了假设结果，已知水下自航行器的速度，随着无人机速度的增长，无人机可以在很短

32、的时间侦察到目标，因此无人机能够有效地分配目标，这就使完成任务的时间减少，见图表所示。随着无人机的速度以每10m/s的速度由10m/s到50m/s的增长结果与最好结果进行比较。对最好的结果，我们假设了目标的位置已知，TSP是被用来决定访问目标的最佳路线，从结果我们可以看得出，随着无人机速度的增长完成任务的时间达到了使用TSP的效果，然而，即使在t=0时侦察到所有目标，用周期策略任务的完成时间将大于或等于使用TSP的时间，为了有相似的表现，无人机必须在分配给水下自航行器任务之前解决TSP。在这种方法下当地区已知，对最好的方案是通过无人机使用TSP解决获得的，这也是最好的解决办法。图8水下自航行器

33、的速度已知，随着无人机速度的增长任务完成时间的变化4.1.3的影响在ITPC中，无人机和水下自航行器见面的时间tm由决定。这是有价值的衡量水下自航行器消耗的时间和无人机探索的时间。为了了解的影响，对于以下的情景我们进行了100种假设，取=0.5和=1：10个目标，Vu=20m/s,Va=2m/s.实验的结果在表1所示，这个表说明了当变大时，任务的完成时间由水下自航行器的消耗时间决定，然而过小时将会缩短无人机探索的时间，也会变大此时任务完成的时间将会由重叠地区决定。表1 变化的影响4.1.4联系域增大的影响无人机探索的时间由无人机和水下自航行器的联系域决定，如果联系域过大，无人机能覆盖很大区域去侦察目标，为了估算这种影响，我们用rc=100m，300m和500m进行了实验，此时Vu=20m/s,30m/s,Va=2,3,4和5m/s.实验进行了100次，每次考虑10个目标，实验结果在图9所示。结果显示当联系域变大时表现并没有明显的变好趋势，这与直觉正好相反。这是因为无人机的速度，无人机能够更快侦察目标和分配目标给水下自航行器，但水下自航行器仍需要一些时间到达这些目标（也就是说水下自航行器速度是关键）。即使无人机能在短距离内利用更大的联系域侦察到更多数量的目标，但水下自航行器执行任务的时间是相同的。因