定位精度优化驱动的水下无人平台航路规划方法

航路规划指在有障碍物的环境中,为无人平台规划出无碰撞的最优路径。以水下定位为任务的航路规划为水下无人平台规划出高定位精度指标的最优路径,对于提高水下无人平台的工作效率至关重要。 传统的水下无人平台航路规划主要基于人工势场法、蚁群法、遗传算法等,在这些算法中主要考虑的是避障问题,而没有充分考虑载荷任务,因此任务执行效率低。特别是对于水下定位任务,由于定位精度受到航路影响较大,因此需要对定位精度进行优化。针对这一问题,结合人工势场法与定位精度,提出了一种定位精度优化驱动的水下无人平台航路规划方法,实现了对避障能力与定位任务能力的兼顾,提高了基于水下无人平台的定位精度。     

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。     

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。     

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。