基于距离进化N-PSO的AUV能源优化路径搜寻方法技术

本发明专利技术涉及AUV路径优化技术领域，提供一种基于距离进化N‑PSO的AUV能源优化路径搜寻方法，首先构建水下环境模型、AUV二维运动模型；接着基于N‑PSO，粒子群中粒子随机生成初始路径，在第k次迭代中，根据粒子罚函数值更新全局最优解与个体最优解，根据粒子之间平均距离来构造距离进化因子及进化状态Evo_statek；Evo_statek＝1时，若k≥K，则输出能源最优路径及其能源消耗值，反之，则更新粒子速度与位置，进行下一次迭代；Evo_statek≠1时，对粒子随机扰动，当扰动后粒子的罚函数值均变小或iter≥ITER时，更新全局最优解与个体最优解，反之，进行下一次扰动。本发明专利技术能够从能源优化的角度进行AUV路径的优化，优化效率高、鲁棒性好、优化结果更稳定、易于实现。

AUV Energy Optimized Path Search Method Based on Distance Evolution N-PSO

【技术实现步骤摘要】
基于距离进化N-PSO的AUV能源优化路径搜寻方法
本专利技术涉及自主式水下航行器路径优化
，特别是涉及一种基于距离进化N-PSO的AUV能源优化路径搜寻方法。
技术介绍
AUV(AutonomousUnderwaterVehicle，自主式水下航行器)在过去的很多年被认为是执行水下探测任务最适用的工具，它因为具有活动范围大、机动性好、智能化等优点，被广泛地使用在海底考察、数据搜集、扫雷、救生及执行长期的水生检测任务等。由于海洋深处的复杂性与不可预知性，AUV在执行水下任务时可能受到障碍物与不可预知的洋流等诸多不利因素的影响。其中，AUV容易受到洋流的影响，特别是涡流的影响，因为涡流具有湍急且方向多变等特性。实践上证明AUV经过类似于涡流这样的区域时，会消耗较多的能量。为了保证执行任务期间的活动范围和续航时间，AUV携带的有限能源必须能够足够应对水下不利环境因素对航行规划产生的干扰，需要利用携带的有限能源规划出一条更安全、高效的路径。安全性主要体现在AUV在执行任务过程中能够避开不确定障碍物到达目标点，高效性体现在针对AUV携带的有限能源的情况下，如何规划出一条能源消耗更小且稳本文档来自技高网...

【技术保护点】
1.一种基于距离进化N‑PSO的AUV能源优化路径搜寻方法，其特征在于，包括下述步骤：步骤1：对区域海域空间的水下环境进行探测，获取涡流、障碍物信息；将水下环境在垂直高度上分成Q层，在每层建立二维直角坐标系xOy，并构建水下环境模型，确定AUV执行任务的起始点p1与目标点pn；所述水下环境模型包括涡流场模型与障碍物模型，所述涡流场模型为

【技术特征摘要】
1.一种基于距离进化N-PSO的AUV能源优化路径搜寻方法，其特征在于，包括下述步骤：步骤1：对区域海域空间的水下环境进行探测，获取涡流、障碍物信息；将水下环境在垂直高度上分成Q层，在每层建立二维直角坐标系xOy，并构建水下环境模型，确定AUV执行任务的起始点p1与目标点pn；所述水下环境模型包括涡流场模型与障碍物模型，所述涡流场模型为所述障碍物模型为Om(x,y)，m＝1,2,...,M；其中，为第l个涡流场模型，为二维空间点坐标(x,y)，L为水下环境中的涡流总数，Om(x,y)为第m个障碍物模型，M为水下环境中的障碍物总数；步骤2：构造AUV的二维运动模型为AUV(p'i)；其中，p'i为AUV路径上第i个点pi＝(xi,yi)在惯性坐标系下的速度，p'i＝(xi',yi')，xi'为AUV路径上第i个点在惯性坐标系下x轴方向的速度，yi'为AUV路径上第i个点在惯性坐标系下y轴方向的速度；AUV路径为AUV从起始点到目标点的路径，AUV路径由n个潜在的离散点控制，AUV路径的离散点集合为步骤3：基于非线性粒子群优化方法N-PSO，初始化迭代次数k＝1，利用规模大小为N的粒子群随机生成N条从起始点p1到目标点pn的路径其中，为粒子群中第j个粒子在第k次迭代中的路径，j＝1,2,...,N，pijk＝(xijk,yijk)为路径上第i个点的坐标，p1jk＝p1，pnjk＝pn；步骤4：计算第k次迭代中第j个粒子的罚函数值选取罚函数值最小的粒子作为第k次迭代中的全局最优粒子、全局最优粒子的路径为第k次迭代中的全局最优解gbestk、k次迭代中第j个粒子的最优路径为第k次迭代中第j个粒子的个体最优解pbestjk；其中，步骤5：计算第k次迭代中第j个粒子与其他粒子之间的平均距离djk，进一步构造第k次迭代中的距离进化因子Evo_fack，并定义第k次迭代中的进化状态Evo_statek；其中，dbest,k为第k次迭代中全局最优粒子与其他粒子之间的平均距离，dmax,k＝max(d1k,d2k,...,dNk)，dmin,k＝min(d1k,d2k,...,dNk)，Evo_fack的取值范围为[0,1]；步骤6：步骤6.1：若Evo_statek＝1，则粒子间的距离相对较近，进入步骤6.5；若Evo_state＝2，则粒子间的距离相对较远，进入步骤6.2；步骤6.2：利用随机扰动使待扰动粒子集合A中的每个粒子随机移动，得到第iter次扰动后第j个粒子的路径进入步骤6.3；其中，iter的初始值为1，A的初始值为{1,2,...,j,...,N}j≠best，best为全局最优粒子；step为移动步长，rand()为随机函数，pijk_iter为第iter次扰动中对第j个粒子施加的随机扰动，pijk_iter＝pijk+radius·rand()，radius为随机移动半径；步骤6.3：计算第iter次扰动后第j个粒子的罚函数值更新待扰动粒子集合A中第j个粒子的路径若待扰动粒子集合A中每个粒子在第iter次扰动后的罚函数值均比该粒子在第iter次扰动前的罚函数值小，则进入步骤6.4；若有粒子在第iter次扰动后的罚函数值不比第iter次扰动前的罚函数值小，则判断扰动次数是否达到预设扰动次数最大值ITER，若iter＜ITER，则将第iter次扰动后的罚函数值比第iter次扰动前的罚函数值小的粒子从待扰动粒子集合A中剔除，令iter＝iter+1，返回步骤6.2，进行下一次扰动；若iter≥ITER，则进入步骤6.4；步骤6.4：更新全局最优粒子，并更新第k次迭代中的全局最优解gbestk、第k次迭代中第j个粒子的个体最优解pbestjk；步骤6.5：计算第k次迭代...

【专利技术属性】
技术研发人员：吴杰宏，宋成鑫，赵亮，拱长青，高利军，郭振洲，马坚，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：辽宁,21