一种基于改进蚁群算法的载人潜水器全局路径规划

当前关于使用蚁群算法解决载人潜水器路径规划问题的研究,往往只注重路径的长度和算法收敛速度,容易忽略路径点与障碍物之间的距离和路径的平滑度等要素。载人潜水器过于靠近障碍物航行时容易产生碰撞;按照不平滑路径行驶时,频繁地转向会降低航行效率。为解决这些问题,受人工势场法启发,文中在蚁群算法的概率选择环节引入障碍物惩罚因子φ和转向惩罚因子ψ,对路径点的选择加以限制。仿真测试表明,相比于传统蚁群算法和Dijkstra算法,该算法规划的路径与障碍物之间保持安全距离且转向次数更少,因此载人潜水器按照此路径航行时,安全性和航行效率更高。     

混合模拟退火与粒子群优化算法的无人艇路径规划

针对水面无人艇路径规划中单独使用模拟退火算法存在的不足,以提高无人艇在执行任务时的安全性为研究目的,解决传统无人艇在航行中未考虑来往船只而导致的碰撞危险,提出了模拟退火算法与粒子群算法相结合的混合路径规划算法,利用该算法的高收敛性和容易跳出局部最优等特点,结合避碰规则,实现海事无人艇在同一静态环境下对遇、交叉和追越三种会遇局面的最优路径规划。仿真结果表明:本文提出的算法可以实现无人艇在复杂水域条件下快速路径规划,使与他船的自动避碰行为成为可能,给出的路径规划具有可行、有效,能够为无人艇安全的航行、顺利的执行任务提供保障。     

基于强化学习的自动帆船路径规划算法研究

作为自动水面航行器的重要分支之一,自动航行帆船在执行长期海事任务时具有低能耗的优势,但其航行过程受到环境因素的影响很大。针对以上情况,本文考虑了自动帆船的自身运动模型,以及在航行时受到的海风、海流和障碍物的影响,提出了自动帆船从起始点至目标点的路径规划算法。该算法通过帆船的平面运动模型来计算环境因素的影响,再通过强化学习中的Q-learning算法实现对于海上两点间的路径规划并同时实现规避障碍物。通过仿真实验证明了本文提出的自动航行帆船的路径规划算法是可行的。     

衡重参数对水下航行体铅垂面机动特性影响

掌握衡重参数对水下航行体机动特性影响对结构布局与总体方案设计极有帮助。针对铅垂面机动问题,建立了经过试验验证的回转外形航行体水下运动动力学模型,获得了不同衡重参数匹配关系下的机动弹道特性,分析了衡重参数及控制策略对机动性能的影响规律。研究发现,综合考虑机动方向等因素利用重力矩增大可用舵角是改善机动特性的关键。对铅垂面内向上机动,使质心位于浮心后方较远处,配合短时无控策略能够显著提升机动性能。     

一种基于有限状态机模型的局部转向避碰路径规划算法

针对多礁石、渔船等障碍物的近海复杂环境下的一些应用,提出了一种基于有限状态机(finite-state machine,FSM)模型的无人船(unmanned surface vehicle,USV)局部转向避碰路径规划算法。首先,基于速度障碍法和障碍物区域分层方法,获取无人船固定航速条件下的航向角约束解析结果。然后,基于该约束条件及障碍物探测情况设计FSM的有限状态及执行动作和状态迁移条件,其中,通过转向控制实现向目标位点或缓冲位点进行导航的状态为FSM的2个重要状态。最终通过FSM的执行实现局部转向避碰路径规划。仿真结果表明提出的多障碍物避碰算法具有可行性和实用性。该方法易于改进和扩展,且容易与当前主流的无人船控制系统结合,有利于无人船避碰系统快速工程化的实现。     

基于权重的改进A~*算法航线规划研究

航线规划是保障船舶安全航行的重要措施之一,为避免在船舶航行过程中遇到的大风、大浪等危险因素对船舶的安全造成威胁,提出了一种基于权重的改进A~*算法航线规划方法。根据风浪网格数据,筛选出危险点集,利用基于权重的改进A~*算法快速寻找安全航行路径。实验结果表明,该方法能够高效、精确地标识出船舶安全航行的路径,提高了船舶巡航监测在航率、保证巡航的安全和监测任务的有效进行。     

基于改进遗传算法的无人水下航行器路径规划

针对无人水下航行器（Autonomous Underwater Vehicle,AUV）运动约束多,传统遗传算法的路径寻优效率低、收敛速度慢等问题,提出了一种改进遗传算法的 AUV 路径规划方法。该算法选用栅格法构建环境,使用路径长度、平滑度和危险区域作为评价函数。改进遗传算法种群初始化过程,引入周围点栅格提高收敛速度,同时结合灾变思想避免群体陷入局部最优解。该算法根据 AUV 最大转角的约束条件,设计了 AUV 平滑过程和删除过程,避免了 AUV 航行出现急停急转。仿真及湖上试验结果表明：改进遗传算法相比传统遗传算法,路径长度减少 11.4%,收敛速度加快 20.0%,且收敛路径满足 AUV 航行约束要求。     

单机动平台时差定位航路规划方法

单机动平台基于时差定位（TDOA）对水下目标定位时,观测平台的航行轨迹对定位精度有很大影响。针对如何规划航路并提升定位精度的问题,提出了一种基于改进动态窗口法（DWA）的单平台航路规划方法。在传统DWA算法的评价函数中引入了以水平精度因子（HDOP）最小化为准则设计的定位精度评价子函数。同时考虑到航向角和定位精度评价子函数的权重与观测平台到目标的距离有关,优化了航向角和定位精度评价子函数的权重系数,使其可以动态调整。仿真结果表明：改进DWA算法规划的航路能够在避开障碍物的同时提高定位精度。     

基于无人机/无人艇的最优动态覆盖观测技术

针对无人机(unmanned aerial vehicle,UAV)/无人艇(unmanned surface vehicle,USV)对海面区域的最优动态覆盖观测问题,提出了一种以最大化观测收益为指标的航路优化方法。采用区域分解、子区域分配、航路规划相结合的分层求解思路:首先,根据信息密度等先验知识,采取基于高斯混合模型(Gaussian mixture model,GMM)的区域特征提取理论,从任务区域中提取出若干个子区域;然后,将子区域进行排序与分配,从而将复杂的协同优化问题转化为多个简单的单UAV或USV航路规划问题;最后,各UAV或USV在分配的子区域内采用并行滚动时域控制(receding horizon control,RHC)算法进行航路规划。仿真结果表明,本文提出的GMM-RHC方法具有更高的观测效率,可有效解决无人机/无人艇最优动态覆盖观测问题,具有重要的应用价值。     

基于RRT和DWA的欠驱动UUV路径规划

针对无人潜航器(UUV)在未知水下复杂环境的路径规划问题,设计了随机树以及动态窗口的融合算法。该算法基于快速扩展随机树(RRT)以及动态窗口(DWA)两层规划设计,第一层利用随机树算法快速规划出全局路径,在此基础上第二层加载全局路径,针对 UUV 模型的欠驱动和非线性,利用动态窗口算法完成局部路径规划,保证约束条件下 UUV 路径的安全性。通过融合参数 μ 修正内外框架的融合度,有效地弥补了全局路径算法的无法躲避动态障碍物的缺点以及局部路径算法全局能力低下的问题。最后,通过对比仿真验证了融合算法相比于随机树全局算法和动态窗口局部算法的优越性。