一种用于水下无人航行器的局部避碰路径规划方法研究

研究水下无人航行器(UUV)的局部自动避碰路径规划,对人工势场法和速度障碍法进行改进, 提出一种在三维空间重新分配斥力的方法,联合应用人工势场法和速度障碍法,建立人工模拟势场求得合力, 通过合力的方向指引水下无人航行器航行,完成对动态静态障碍物的避让。仿真结果表明：该方法能有效在动静态混合环境下完成避碰,且平滑处理后的路径更符合水下无人航行器实际航行避碰操纵控制要求。     

基于RBF-MPC的水下机器人避碰控制

水下机器人避碰控制是自主作业的重要基础,但复杂的约束条件和模型的不精确性增加了避障路径跟踪的技术难度。在传统模型预测控制的基础上,结合作业场景多种约束条件,引入径向基函数神经网络,提出了一种水平面避碰控制方法。首先,采用径向基神经网络建立误差补偿函数,提高传统动力学预测模型精度;然后,结合避碰路径跟踪控制,在滚动优化环节选取性能指标函数,并显式引入障碍物、执行机构与控制稳定性等约束条件;最后,通过仿真试验证明该方法能够控制水下机器人跟踪避碰路径实现水平面内障碍物规避。     

一种智能化的避台航线设计方法

为提高船舶气象导航自动化水平,实现避台决策由经验型向智能型转变,提出1种高效、稳定的绕避台风航线规划算法。基于电子海图平台实现GPS、数字化气象信息的多源信息集成,直观显示船舶和台风当前位置和运动态势,基于栅格模型设计避台航线自动生成算法,实现避台航线在线实时规划。仿真结果表明,该方法能够根据气象信息及时重建环境模型并获取新的最优航线,算法对环境的复杂性不敏感,具有稳定性好、求解规模大、效率高的特点。     

一种基于改进蚁群优化算法的载人潜水器全局路径规划

基础蚁群优化算法在解决复杂障碍环境下的载人潜水器路径规划问题时,易过早收敛于局部最优解,信息素挥发系数的设置过于依靠经验,路径规划结果受概率影响大且不稳定。为此,提出了一种改进蚁群算法用于解决载人潜水器的全局路径规划问题。该算法提出"路径延伸块"的概念。算法前期采用动态更新信息素参数的蚁群优化算法进行简单迭代计算获得原始路径,并对原始路径进行栅格延伸以得到"路径延伸块";后期在路径延伸块中再次使用蚁群算法或其他寻优算法(Dijkstra算法)寻找最优路径。改进的算法与基础蚁群优化算法相比,算法效率及稳定性更高,不易收敛于局部最优解,能更好地适应U型槽环境和复杂障碍环境。     

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。     

基于A星算法的无人机路径规划优化模型研究

在分析传统无人机路径规划方法应用局限的基础上,针对传统A星算法启发函数单一、拐点冗余,以及效率不够高等系列问题,以虚拟城市地理环境为研究背景,通过提出面向起讫节点方位角的A星算法加速优化、启发式搜索中动态加权重构评价函数的A星算法加速优化和顾及Floyd算法插点策略的A星算法路径优化等层次递进的算法优化策略,解决了对A星算法搜索方向的量化约束、搜索权重数值的优化重构及冗余拐点的插点删除等技术问题,实现了改进后的A星算法运行效率的显著提高及最短路径判定准确性的明显提升。     

基于蚁群算法深海采矿机器人工作路径规划

针对深海采矿机器人路径规划问题,提出一种适合于采矿作业的改进蚁群算法。该算法利用位图法建立环境模型,依据构型空间的思想将路径规划问题简化为质点运动问题;利用改进的蚁群算法对问题进行描述,蚁群搜索中采用邻居搜索原则和中线偏移策略。最后通过仿真实验表明,该算法精度高,在海底环境中,能够完成机器人采矿作业的要求。     

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。     

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。     

基于蚁群算法的西北航道海上救援路径规划

选用海冰密集度、海表温度、风强度等指标构建西北航道海洋环境威胁场,采用广义网络分析法确定指标权重,基于蚁群算法对西北航道海上救援路径展开规划,通过对比实验获得适用于西北航道海上救援路径规划的最佳参数。针对各目标在不同救援时段具有不同权重的情况,依据动态权重进行路径规划,规划效果更佳,更符合实际救援需求,可为西北航道海上救援提供辅助决策参考。     

基于改进量子粒子群算法的AUV路径规划研究

针对海洋环境下自主水下机器人（AUV）的路径规划问题,提出了一种基于框架四叉树的改进量子粒子群算法（QPSO）,首先使用框架四叉树的方法对障碍物建模,该方法提高了建模的精度且对后续算法的效率也有极大的改进,之后设计改进的量子粒子群算法,并且结合水下环境的特殊性设计适应度函数,综合考虑航线路径长度、偏转角度以及海流影响,使得算法可以在水下环境中寻得能耗最短的解路径。最后通过仿真试验验证,相比于传统的栅格法和粒子群算法,改进量子粒子群算法的运算时间更短,收敛速度更快,其独特的适应度函数可以使AUV能更好适应水下多变的环境,且能利用海流设计能耗更小的路径,具有很大的实用价值。     

基于核函数NPSSB模型的HY-2A卫星雷达高度计海况偏差研究

利用机器学习的方法,对14个周期HY-2A卫星高度计数据:风速、有效波高和海面高度差值进行训练,探究海况偏差和风速、有效波高之间的关系,创建海况偏差核函数非参数模型(NPSSB),并与参数模型中具有代表性的BM3、BM4模型进行对比。研究表明:(1)核函数NPSSB模型能够很好的反映SSB与U、SWH之间的关系,SSB与U呈二次函数关系,SSB与SWH呈反比例函数关系;(2)核函数NPSSB模型对SSB的模拟能力与训练数据集相关,数据量越多,模拟能力越好;(3)核函数NPSSB模型与BM3、BM4模型都存在0～-0.03 m的差值,随着风速和有效波高的增加,差值的绝对值越大。