未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法技术

未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法，属于水面无人艇避碰规划技术领域。本发明专利技术首先构建全局坐标系和局部坐标系，建立导航雷达仿真模型；设计用于实时避碰规划的滚动优化窗口；然后采用可视图法构建环境模型；设计用于实时避碰规划的改进蚁群优化方法；最后将导航雷达探测信息及目标点信息输入至基于改进蚁群优化方法的USV静态避碰规划器，获得USV下一时刻的转艏及速度的调整指令。本发明专利技术将滚动优化窗口法与改进蚁群优化方法相结合，提高了USV在线规划的实时性；针对于蚁群优化方法收敛速度慢，提出了改进的伪随机比例规则对蚂蚁状态转移进行选择；借鉴狼群分配原则和最大最小蚂蚁系统对全局信息素进行更新，避免搜索陷入局部最优。

USV Collision Avoidance Planning Method Based on Improved Ant Colony Optimization in Unknown Static Obstacle Environment

The USV collision avoidance planning method based on Improved Ant Colony Optimization in unknown static obstacle environment belongs to the technical field of surface UAV collision avoidance planning. Firstly, the global coordinate system and local coordinate system are constructed, and the navigation radar simulation model is established; a rolling optimization window for real-time collision avoidance planning is designed; then, the environment model is constructed by visual graph method; an improved ant colony optimization method for real-time collision avoidance planning is designed; finally, the navigation radar detection information and target point information are input into USV static based on Improved Ant Colony Optimization method. The state collision avoidance planner obtains the command of the next moment's turning and speed adjustment of USV. The method combines the rolling optimization window method with the improved ant colony optimization method to improve the real-time performance of USV online planning; aiming at the slow convergence speed of the ant colony optimization method, an improved pseudo-random proportional rule is proposed to select the ant state transition; and the global pheromone is updated by using the wolf colony allocation principle and the maximum and minimum ant system to avoid the search falling into local optimum.

【技术实现步骤摘要】
未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法
本专利技术属于水面无人艇避碰规划
，具体涉及一种未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法。
技术介绍
随着当今科技的迅猛发展，海上智能交通已成为世界各国科技战略装备不可缺少的重要组成部分，对其智能化航行的深入研究具有重大的战略意义。USV作为智能化的海上航行器，由于其具有航速快、体积小、自动化和智能化程度高等特点而吸引了广泛研究，其避碰规划既是USV智能化的重要标志，又是USV自主航行的核心技术，所以USV顺利完成使命任务的重要前提是其能够自主避碰。常用的传统避碰规划方法包括蚁群优化算法、粒子群优化算法、人工免疫算法、遗传优化算法、A*优化算法、人工势场法、Dijkstra优化算法等。对于避碰规划问题，除了考虑安全性和避碰运动平滑性等，系统的实时性也是重要的指标，然而基于上述传统算法的避碰规划系统，存在避碰的实时性与避碰精度相互矛盾的问题。
技术实现思路
本专利技术的目的在于提供一种未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法，解决USV在静态未知环境中避碰规划方法的搜索能力不足等问题。本专利技术的目的是这样实现的：未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法，包括如下步骤：步骤1：构建全局坐标系和局部坐标系，建立导航雷达仿真模型；步骤2：设计用于实时避碰规划的滚动优化窗口；步骤3：采用可视图法构建环境模型；步骤4：设计用于实时避碰规划的改进蚁群优化方法；步骤5：将导航雷达探测信息及目标点信息输入至基于改进蚁群优化方法的USV静态避碰规划器，获得USV下一时刻的转艏及速度的调整命令。所述步骤1中全局坐标系采用北东坐标系，地图左上角为原点，正东方向为X轴，正北方向为Y轴；局部坐标系分为艇载坐标系和传感器坐标系，其中艇载坐标系是以USV为原点所建立的直角坐标系，传感器坐标系是以导航雷达为极点、USV前进方向作为极轴所建立的极坐标系。所述步骤1中导航雷达仿真模型探测距离为50m～10km，探测范围为0°～360°，方位分辨率为5°，角度测量精度为1°。所述步骤2中滚动优化窗口法为建立一个随USV一起运动的环境窗口，每隔固定时间对USV进行一次动态避碰规划，避碰规划时仅对当前滚动窗口中的障碍物进行建模，每次避碰规划，将所有已知障碍物信息纳入避碰规划中；避碰规划采用新的未知环境信息触发机制。所述步骤3中可视图法包括可视图的膨胀方法和可视图的构建方法，其中膨胀方法采用矢量面积法判断凹凸性，构建方法采用相对位置检测法判断可视性。所述步骤4中改进蚁群优化方法具体步骤为：步骤4.1：使用基于相对位置检测的可视性判断方法来统计包括起点和终点在内的所有已经经过膨化的环境障碍物顶点的可视点，每一个顶点gi都定义一个allowedi链表存储其可视点集；步骤4.2初始化τij(0)，历史最优保留代数计数器count＝0，进化代数计数器G_count＝0，设置历史最优最大保留代数Max和最大进化代数Generation，设置初始历史最优蚂蚁history_best的路径代价为∞，每代蚂蚁种群数为m；步骤4.3：设置蚂蚁种群编号k＝1；步骤4.4：若k＞m，转到步骤4.7，否则把蚂蚁k放置在起始位置gs上，转到步骤4.5；步骤4.5：设此时蚂蚁当前位置为gi，若gi的可视点链表allowedi为空，则这只蚂蚁死亡，k＝k+1，转到步骤4.4；步骤4.6：若蚂蚁当前位置为终点ge，则蚂蚁找到完整路径，k＝k+1，转到步骤4.4，否则，将本路径点从allowedi中删除，以防止蚂蚁向回搜索，并按照状态转移规则寻找下一路径点，转到步骤4.5；步骤4.7：G_count＝G_count+1；若本代蚂蚁中的最优蚂蚁比历史最优蚂蚁找到的路径更优，更新history_best并且count＝0，否则count＝count+1；步骤4.8：count＞Max或G_count≥Generation，优化方法停止；否则对蚁群信息素进行全局更新处理，转到步骤4.3。本专利技术有益效果在于：(1)本专利技术将滚动优化窗口法与改进蚁群优化方法相结合，提高了USV在线规划的实时性；(2)本专利技术考虑到USV作业的环境特点，便于改进蚁群优化方法搜索到最优路径，提出了一种可视图法对局部环境模型进行构建；针对于蚁群优化方法收敛速度慢的问题，提出了改进的伪随机比例规则对蚂蚁状态转移进行选择；(3)本专利技术借鉴狼群分配原则和最大—最小蚂蚁系统对全局信息素进行更新，避免了搜索陷入局部最优。附图说明图1为本专利技术的USV全局及局部坐标系示意图；图2为本专利技术的仿真导航雷达示意图；图3为本专利技术的USV避碰方法结构流程图；图4为本专利技术的导航雷达对局部静态未知障碍探测示意图；图5为本专利技术的USV工作空间模型示意图；图6为本专利技术的多边形障碍物膨胀方法示意图；图7为本专利技术的判断凹凸点的矢量面积法示意图；图8为本专利技术的膨胀方法的原理示意图；图9为本专利技术的基于相对位置检测方法判断可视性示意图；图10为本专利技术的改进蚁群优化方法流程图；图11为本专利技术的USV避碰规划结果对比图。具体实施方式下面结合附图对本专利技术做更进一步描述。一种基于改进蚁群优化算法的USV动态避碰规划方法，包括以下步骤：步骤1：构建全局坐标系和局部坐标系，建立导航雷达仿真模型；全局坐标系采用北东坐标系，地图左上角为原点，正东方向为X轴，正北方向为Y轴。局部坐标系分为艇载坐标系和传感器坐标系，其中艇载坐标系是以USV为原点所建立的直角坐标系，传感器坐标系是以导航雷达为极点、USV前进方向作为极轴所建立的极坐标系。导航雷达仿真模型探测距离为50m～10km，探测范围为0°～360°，方位分辨率为5°，角度测量精度为1°。步骤2：设计用于实时避碰规划的滚动优化窗口；滚动优化窗口法，即以USV为中心，建立一个随USV一起运动的环境窗口，每隔固定时间对USV进行一次动态避碰规划，避碰规划时仅对当前滚动窗口中的障碍物进行建模，这样随着环境窗口不断的向前滚动，可对USV不断的进行动态避碰规划。所设计的滚动优化窗口大小设定为导航雷达的实际探测范围。所设计的滚动优化窗口有以下两个特点：(1)每次避碰规划，将所有已知障碍物信息纳入避碰规划中而非仅针对滚动优化窗口中的环境信息，若对于未知环境中的静态障碍物而言，则避碰规划始终以终点作为目标点，这会为算法增加“记忆”功能，避免了USV陷入局部最优，使USV在陷阱中产生震荡的现象；(2)避碰规划采用新的未知环境信息触发机制，而不是固定时间间隔触发，这不仅能够对新发现的未知障碍物做出快速、有效地响应，又能避免过于频繁地触发避碰规划造成不必要的浪费，因为在没有新的环境信息出现时，即使多次触发规划，USV的航行路径也不会明显改变。步骤3：采用可视图法构建环境模型；导航雷达通过发射电磁波并且接收障碍物反射回来的波对周围环境进行探测，即电磁波与障碍物的表面交汇处为反射点或障碍点，根据各反射点到导航雷达的距离和角度，可知各障碍顶点相对于导航雷达的位置信息，并将该位置信息通过坐标变换转化为相对USV质心的位置信息，从而完成对USV动态滚动窗口中的局部静态未知环境的探测，进而可采用可视图法对动态滚动窗口中的局部静态未知环境进行建模。可视图法本文档来自技高网...

【技术保护点】
1.未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法，其特征在于，包括：(1)构建全局坐标系和局部坐标系，建立导航雷达仿真模型；(2)设计用于实时避碰规划的滚动优化窗口；(3)采用可视图法构建环境模型；(4)设计用于实时避碰规划的改进蚁群优化方法；(5)将导航雷达探测信息及目标点信息输入至基于改进蚁群优化方法的USV静态避碰规划器，获得USV下一时刻的转艏及速度的调整命令。

【技术特征摘要】
1.未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法，其特征在于，包括：(1)构建全局坐标系和局部坐标系，建立导航雷达仿真模型；(2)设计用于实时避碰规划的滚动优化窗口；(3)采用可视图法构建环境模型；(4)设计用于实时避碰规划的改进蚁群优化方法；(5)将导航雷达探测信息及目标点信息输入至基于改进蚁群优化方法的USV静态避碰规划器，获得USV下一时刻的转艏及速度的调整命令。2.根据权利要求1所述的未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法，其特征在于：所述步骤(1)中全局坐标系采用北东坐标系，地图左上角为原点，正东方向为X轴，正北方向为Y轴；局部坐标系分为艇载坐标系和传感器坐标系，其中艇载坐标系是以USV为原点所建立的直角坐标系，传感器坐标系是以导航雷达为极点、USV前进方向作为极轴所建立的极坐标系。3.根据权利要求1所述的未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法，其特征在于：所述步骤(1)中导航雷达仿真模型探测距离为50m～10km，探测范围为0°～360°，方位分辨率为5°，角度测量精度为1°。4.根据权利要求1所述的未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法，其特征在于：所述步骤(2)中滚动优化窗口法为建立一个随USV一起运动的环境窗口，每隔固定时间对USV进行一次动态避碰规划，避碰规划时仅对当前滚动窗口中的障碍物进行建模，每次避碰规划，将所有已知障碍物信息纳入避碰规划中；避碰规划采用新的未知环境信息触发机制。5.根据权利要求1所述的未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法，其特征在于：所述步骤(3)中可视图法包括可视图的膨胀方法...

【专利技术属性】
技术研发人员：王宏健，郭峰，班喜程，练青坡，刘超伟，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23