仿生滑翔机器海豚的实时路径规划方法及系统技术方案

本发明专利技术涉及一种仿生滑翔机器海豚的实时路径规划方法及系统，所述路径规划方法包括：基于仿生滑翔机器海豚的尾鳍模式和对鳍模式，确定多种转向模态及对应的最小转向半径；根据所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，得到路径规划网络，所述路径规划网络包括趋近网络和避障网络；根据所述最小转向半径、所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，确定所述仿生滑翔机器海豚的动作量，所述动作量包括前进方向及前进步长；根据所述动作量及路径规划网络，确定所述仿生滑翔机器海豚的当前动作，从而可实现对仿生滑翔机器海豚的实时路径的有效规划。

【技术实现步骤摘要】
仿生滑翔机器海豚的实时路径规划方法及系统
本专利技术涉及水下机器人规划
，特别涉及一种仿生滑翔机器海豚的实时路径规划方法及系统。
技术介绍
近年来，水下仿生机器人在海上巡游、搜救、探索等任务方面起着愈加重要的作用，引起了许多科研人员的广泛关注。仿生机器人凭借其优越的机动性和高速性，成功实现了前后滚翻、连续跃水等高难度杂技动作，但随之而来的是巨大的能量消耗。因此，通过借鉴水下滑翔器的浮力调节机制，科研人员研制了仿生滑翔机器海豚，使其兼具滑翔运动和仿海豚波动运动，从而同时获得高机动与强续航的能力，极大扩展了实际应用的领域和范围。而路径规划问题一直以来都是水下机器人的研究热点，其目标是规划出从初始点到目标点的一条最优路径，并且充分考虑路径长度、安全性和光滑性，对水下机器人的自主作业意义重大。近年来，路径规划的环境适应性问题越来越受到研究者的关注，其主要分为传统规划方法和智能规划方法。其中，传统规划方法主要依靠全局地图信息获取障碍位置，提前规划路径。因此该方法往往对应静态且障碍位置已知的环境，难以满足实时性要求。智能规划方法通过学习规划策略，对路径进行优化，从而提高环境适应性。但既往研究的环境大多较为简单且静态，不适用于实际应用。
技术实现思路
为了解决现有技术中的上述问题，即为了能够根据动态变化环境规划路径，本专利技术的目的在于提供一种仿生滑翔机器海豚的实时路径规划方法及系统。为解决上述技术问题，本专利技术提供了如下方案：一种仿生滑翔机器海豚的实时路径规划方法，包括：>基于仿生滑翔机器海豚的尾鳍模式和对鳍模式，确定多种转向模态及对应的最小转向半径；根据所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，得到路径规划网络，所述路径规划网络包括趋近网络和避障网络；根据所述最小转向半径、所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，确定所述仿生滑翔机器海豚的动作量，所述动作量包括前进方向及前进步长；根据所述动作量及路径规划网络，确定所述仿生滑翔机器海豚的当前动作。可选地，所述路径规划方法还包括：根据所述仿生滑翔机器海豚在水下的当前位置、目标点、障碍位置及模拟地图，建立多目标优化函数；根据所述多目标优化函数，修正所述路径规划网络。可选地，根据所述仿生滑翔机器海豚在水下的当前位置、目标点、障碍位置及模拟地图，建立多目标优化函数，具体包括：根据所述仿生滑翔机器海豚在水下的当前位置、目标点、障碍位置及模拟地图，确定所述仿生滑翔机器海豚在水下当前的状态量；所述状态量包括：仿生滑翔机器海豚的当前位置与障碍物之间的距离dobs；当仿生滑翔机器海豚在设定阈值范围内没有探测到障碍物时，则dobs为常数；当探测到多个障碍物时，dobs为仿生滑翔机器海豚的当前位置与各障碍物之间的最小距离；仿生滑翔机器海豚当前位置与距离最近障碍物之间的方位夹角仿生滑翔机器海豚当前位置与目标点之间的方位夹角第一布尔值Bwall；当仿生滑翔机器海豚在规划过程中碰到墙壁，Bwall为1，反之为0；第二布尔值Bgoal；当仿生滑翔机器海豚到达目标点时，Bgoal为1，反之为0；根据以下公式，确定所述多目标优化函数R：其中，ri表示子奖励项，ωi表示各项奖励的权重正常数，i＝1,2,3,4,5,6；(1)r1＝-dg/dmax；其中，dg表示仿生滑翔机器海豚当前位置与目标点之间的距离，dmax表示模拟地图的最大距离；(2)r2＝-f(dobs)；其中，f(x)为势场函数：a表示仿生滑翔机器海豚与障碍物的距离阈值，x表示未知变量；(3)(4)其中表示相邻两步的方位角差值，g(x)为分段函数：(5)r5＝-Cwall/ω5；如果仿生滑翔机器海豚越过地图的边界，则Cwall为正常数，否则为0；(6)r6＝Cgoal/ω6；如果仿生滑翔机器海豚到达目标点，则Cgoal为正常数，否则为0。可选地，dmax为模拟地图的对角距离。可选地，所述路径规划方法还包括：根据所述当前状态量、动作量及路径规划网络，确定最小化损失函数；通过迭代最小化损失函数，更新状态量。可选地，根据以下公式确定最小化损失函数L(θj)：其中，sj表示状态量，θj表示价值网络的参数，aj表示动作量，j表示目标趋近阶段TAS或障碍避碰阶段OAS，Qj(sj,aj；θj)为行为值函数，E(·)表示求期望，γ表示折扣因子，sj′表示下一步状态，aj′表示下一步状态，θj′表示目标网络的参数。可选地，根据以下公式，确定前进步长l：其中，表示仿生滑翔机器海豚运动方向，r表示转向半径。为解决上述技术问题，本专利技术还提供了如下方案：一种仿生滑翔机器海豚的实时路径规划系统，包括：第一确定单元，用于基于仿生滑翔机器海豚的尾鳍模式和对鳍模式，确定多种转向模态及对应的最小转向半径；建模单元，用于根据所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，得到路径规划网络，所述路径规划网络包括趋近网络和避障网络；计算单元，用于根据所述最小转向半径、所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，确定所述仿生滑翔机器海豚的动作量，所述动作量包括前进方向及前进步长；第二确定单元，用于根据所述动作量及路径规划网络，确定所述仿生滑翔机器海豚的当前动作。为解决上述技术问题，本专利技术还提供了如下方案：一种仿生滑翔机器海豚的实时路径规划系统，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：基于仿生滑翔机器海豚的尾鳍模式和对鳍模式，确定多种转向模态及对应的最小转向半径；根据所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，得到路径规划网络，所述路径规划网络包括趋近网络和避障网络；根据所述最小转向半径、所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，确定所述仿生滑翔机器海豚的动作量，所述动作量包括前进方向及前进步长；根据所述动作量及路径规划网络，确定所述仿生滑翔机器海豚的当前动作。为解决上述技术问题，本专利技术还提供了如下方案：一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：基于仿生滑翔机器海豚的尾鳍模式和对鳍模式，确定多种转向模态及对应的最小转向半径；根据所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，得到路径规划网络，所述路径规划网络包括趋近网络和避障网络；根据所述最小转向半径、所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，确定所述仿生滑翔机器海豚的动作量，所述动作量包括前进方向及前进步长；根据所述动作量及路径规本文档来自技高网...

【技术保护点】
1.一种仿生滑翔机器海豚的实时路径规划方法，其特征在于，所述路径规划方法包括：/n基于仿生滑翔机器海豚的尾鳍模式和对鳍模式，确定多种转向模态及对应的最小转向半径；/n根据所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，得到路径规划网络，所述路径规划网络包括趋近网络和避障网络；/n根据所述最小转向半径、所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，确定所述仿生滑翔机器海豚的动作量，所述动作量包括前进方向及前进步长；/n根据所述动作量及路径规划网络，确定所述仿生滑翔机器海豚的当前动作。/n

【技术特征摘要】
1.一种仿生滑翔机器海豚的实时路径规划方法，其特征在于，所述路径规划方法包括：
基于仿生滑翔机器海豚的尾鳍模式和对鳍模式，确定多种转向模态及对应的最小转向半径；
根据所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，得到路径规划网络，所述路径规划网络包括趋近网络和避障网络；
根据所述最小转向半径、所述仿生滑翔机器海豚在水下的当前位置、目标点及障碍位置，确定所述仿生滑翔机器海豚的动作量，所述动作量包括前进方向及前进步长；
根据所述动作量及路径规划网络，确定所述仿生滑翔机器海豚的当前动作。


2.根据权利要求1所述的仿生滑翔机器海豚的实时路径规划方法，其特征在于，所述路径规划方法还包括：
根据所述仿生滑翔机器海豚在水下的当前位置、目标点、障碍位置及模拟地图，建立多目标优化函数；
根据所述多目标优化函数，修正所述路径规划网络。


3.根据权利要求2所述的仿生滑翔机器海豚的实时路径规划方法，其特征在于，根据所述仿生滑翔机器海豚在水下的当前位置、目标点、障碍位置及模拟地图，建立多目标优化函数，具体包括：
根据所述仿生滑翔机器海豚在水下的当前位置、目标点、障碍位置及模拟地图，确定所述仿生滑翔机器海豚在水下当前的状态量；
所述状态量包括：
仿生滑翔机器海豚的当前位置与障碍物之间的距离dobs；当仿生滑翔机器海豚在设定阈值范围内没有探测到障碍物时，则dobs为常数；当探测到多个障碍物时，dobs为仿生滑翔机器海豚的当前位置与各障碍物之间的最小距离；
仿生滑翔机器海豚当前位置与距离最近障碍物之间的方位夹角
仿生滑翔机器海豚当前位置与目标点之间的方位夹角
第一布尔值Bwall；当仿生滑翔机器海豚在规划过程中碰到墙壁，Bwall为1，反之为0；
第二布尔值Bgoal；当仿生滑翔机器海豚到达目标点时，Bgoal为1，反之为0；
根据以下公式，确定所述多目标优化函数R：



其中，ri表示子奖励项，ωi表示各项奖励的权重正常数，i＝1,2,3,4,5,6；
(1)r1＝-dg/dmax；其中，dg表示仿生滑翔机器海豚当前位置与目标点之间的距离，dmax表示模拟地图的最大距离；
(2)r2＝-f(dobs)；其中，f(x)为势场函数：

a表示仿生滑翔机器海豚与障碍物的距离阈值，x表示未知变量；
(3)
(4)其中表示相邻两步的方位角差值，g(x)为分段函数：



(5)r5＝-Cwall/ω5；如果仿生滑翔机器海豚越过地图的边界，则Cwall为正常数，否则为0；
(6)r6＝Cgoal/ω6；如果仿生滑翔机器海豚到达目标点，则Cgoal为正常数，否则为0。


4.根据权利要求3所述的仿生滑翔机器海豚的实时路径规划方法，其特征在于，dmax为模拟地图的对角距离。


5.根据权利要求3所述的仿生滑翔机器海豚的实时路径规划方法，其特征在于，所述路径规划方法...

【专利技术属性】
技术研发人员：喻俊志，吴正兴，王健，孟岩，谭民，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11