System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种长航程自主水下机器人海流环境下的路径规划方法技术_技高网
当前位置: 首页 > 专利查询>浙江大学专利>正文

一种长航程自主水下机器人海流环境下的路径规划方法技术

技术编号:40947053 阅读:2 留言:0更新日期:2024-04-18 20:20
本发明专利技术涉及水下机器人技术,旨在提供一种长航程自主水下机器人海流环境下的路径规划方法。该方法是将路径规划问题拆分为两部分:首先利用环境特征点构建有向图并求得参考路径,从而快速定位海流影响下最优路径所在区域;然后将参考路径所在区域作为重点区域,将得到的折线参考路径拟合为曲率连续的曲线参考路径,并在曲线参考路径附近划分出重点搜索区域;使用智能优化算法进一步优化路径,得到一条时间最优路径。本发明专利技术可以直接应用于对计算时间要求较高的规划问题中,可以更好的避免陷入局部最优解且计算结果稳定;在优化过程中很大程度上避免了在航行障碍区内采样而生成不可行的路径,提高了算法的计算效率且使得该算法的应用范围更广。

【技术实现步骤摘要】

本专利技术属于自主水下机器人(autonomous underwater vehicle,auv)路径规划领域,特别涉及一种针对长航程自主水下机器人在海流环境中的路径规划方法。


技术介绍

1、随着人类对海洋探索开发的不断深入,远距离航行的任务需求不断增多,这使得长航程auv的需求量不断增长。路径规划技术是提高机器人自主性与航行效率的关键技术之一,然而海流的存在使得水下机器人的路径规划问题面临新的难点。为了使长航程auv在有限的驱动能源下能够高效地完成任务,需要令auv在航行过程中充分利用有利海流、避开不利海流,从而缩短航行时间。然而,海流通常由直径从几厘米到几百公里不等的涡流构成,这使得长航程auv需要航行在一个空间分布不均匀的流速矢量场中。因此,这样的工作环境使得长航程auv的路径规划问题具有非凸性。

2、现有路径规划算法主要分为四类,包括栅格环境下基于图搜索的算法、基于概率采样的算法、基于传统优化方法的算法、基于智能优化的算法。栅格环境下基于图搜索的算法易于实现,但其计算量随搜索空间的维度成指数增长。降低栅格地图分辨率可以减少计算量,但同时会降低算法的计算精度、使算法变得不完备。基于概率采样的算法没有采用栅格地图,而是通过随机采样的方式拟合搜索空间以提高求解速度。然而,随机的采样过程以及采样的有限性使得这种方法难以充分拟合搜索空间,限制了搜索结果的最优性。基于传统优化方法的算法理论较为完善,但其求解结果高度依赖于初始值的选择,并且对于非凸问题往往仅能得到局部最优解。为克服传统优化方法的缺点,智能优化算法应运而生。基于智能优化的算法是一类采用生物群体或自然现象中的某些规律作为优化策略的方法。这类算法由于加入了随机采样的机制,提高了算法的全局搜索能力。但与完全随机搜索不同,这类算法一定程度上会向着已知最优解的方向进行优化,提高了算法的局部搜索能力。但是,智能优化算法本质上是一种随机搜索方法,仍有一定概率陷入局部最优解。

3、因此,提出一种新的适用于长航程自主水下机器人的海流环境下的路径规划方法,是符合现实需求的。


技术实现思路

1、本专利技术要解决的技术问题是,克服现有技术中的不足,提供一种长航程自主水下机器人在海流环境中的路径规划方法。

2、为解决技术问题,本专利技术所采取的技术方案是:

3、提供一种长航程自主水下机器人海流环境下的路径规划方法,是将路径规划问题拆分为两部分:首先利用环境特征点构建有向图并求得参考路径,从而快速定位海流影响下最优路径所在区域;然后将参考路径所在区域作为重点区域,进一步路径优化;具体包括以下步骤:

4、(1)针对具体航行任务,对已知海流流速预测数据进行分析以得到海流流速分布情况;估计强海流的分布情况,得到有利于水下机器人向目标点航行的海流分布位置;

5、(2)根据海流流速分布分析结果,选择用于路径规划的环境特征点;

6、(3)根据环境特征点构建有向图,从有向图中计算得到一条从起点到目标点的时间最短路径,以该路径作为后续优化的参考路径;

7、(4)将得到的折线参考路径拟合为曲率连续的曲线参考路径,并在曲线参考路径附近划分出重点搜索区域;

8、(5)使用智能优化算法进一步优化路径,得到一条时间最优路径。

9、与现有技术相比,本专利技术的有益效果在于:

10、1、本专利技术在海流流速分布分析时充分考虑了海流流速与具体的航行任务,使得根据分析结果选择的环境特征点能够充分反应有利于航行的海流分布位置以及搜索空间的连通性。使用环境特征点构建有向图后可以快速计算出代价较低的参考路径,该方法可以直接应用于对计算时间要求较高的规划问题中。

11、2、本专利技术可以更好的避免陷入局部最优解且计算结果稳定。本专利技术将整个路径规划问题的优化过程分为两步,首先充分利用环境特征快速定位最优路径所在区域,然后对重点区域进一步搜索。环境特征点的选择使得算法在前期可以充分探索搜索空间以更好的避免陷入局部最优解,后期搜索算法仅需在参考路径周围进一步优化,多次重复计算的结果较稳定。

12、3、本专利技术充分考虑了强海流的存在对路径规划问题的影响,在优化过程中很大程度上避免了在航行障碍区内采样而生成不可行的路径,提高了算法的计算效率且使得该算法的应用范围更广。

本文档来自技高网...

【技术保护点】

1.一种长航程自主水下机器人海流环境下的路径规划方法,其特征在于,是将路径规划问题拆分为两部分:首先利用环境特征点构建有向图并求得参考路径,从而快速定位海流影响下最优路径所在区域;然后将参考路径所在区域作为重点区域,进一步路径优化;具体包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述步骤(1)中,按以下方式实现海流流速分布的分析:

3.根据权利要求1所述的方法,其特征在于,所述步骤(2)中,选择以下四类点作为用于路径规划的环境特征点:

4.根据权利要求1所述的方法,其特征在于,所述步骤(3)中,具体包括:

5.根据权利要求1所述的方法,其特征在于,所述步骤(4)中,具体包括:

6.根据权利要求1所述的方法,其特征在于,所述步骤(5)中,具体包括:

7.根据权利要求6所述的方法,其特征在于,所述智能优化算法是粒子群算法,在进一步迭代优化的过程中,不再限制路径的生成位置以得到任意更优的路径。

【技术特征摘要】

1.一种长航程自主水下机器人海流环境下的路径规划方法,其特征在于,是将路径规划问题拆分为两部分:首先利用环境特征点构建有向图并求得参考路径,从而快速定位海流影响下最优路径所在区域;然后将参考路径所在区域作为重点区域,进一步路径优化;具体包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述步骤(1)中,按以下方式实现海流流速分布的分析:

3.根据权利要求1所述的方法,其特征在于,所述步骤(2)中,选择以下四...

【专利技术属性】
技术研发人员:冀大雄程慧芳梅德庆
申请(专利权)人:浙江大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1