智能水下机器人路径规划方法综述

路径规划方法是智能水下机器人技术研究的核心内容之一,是实现自主航行和作业的关键环节。本文将水下机器人的路径规划方法按智能程度分为传统和智能两大类。传统方法包括基于路线图构建的路径规划方法、基于单元分解的路径规划方法以及基于人工势场的路径规划方法,智能方法包括基于群智能的路径规划方法和基于机器学习的路径规划方法。针对水下机器人规划环境的特点,分别对这几类典型方法进行总结与评价,重点分析了智能方法的优缺点和关键问题,最后展望智能水下机器人路径规划的未来研究方向。     

自主式水下机器人最优路径规划问题的研究

路径规划是水下机器人实现自主航行的重要环节。根据自主式水下机器人的动力学性质，路径规划的特点以及实现智能行为的要求，采用基于案例的遗传算法，实现了自主式水下机器人最优路径规划。给出该方案的基本框架和算法，在基于案例类比的学习方法中引入模糊多属性综合决策的方法建立决策算子进行案例的匹配，在遗传算法中实际知识的指导，适当地改进遗传算子，加快搜索速度。仿真结果证明该路径规划方法能够取得较好的规划结果，使自主式水下机器人具有了一定的自主导航，自主避障和自主作业的能力。     

基于RRT*算法的水下机器人全局路径规划方法

针对海洋环境的复杂性,考虑水下机器人能量的局限性,为减小洋流环境中作业全程水下机器人的能量消耗,以某水下机器人为研究对象,设计实现基于RRT*的路径最短和能耗最低的路径规划算法;并进行包括RRT*算法和RRT算法在复杂环境下的对比、不同洋流流速环境中水下机器人路径最短和能耗最低路径规划的仿真模拟。最后在水池中,利用实验室现有的水下机器人平台进行了真机实验。仿真测试和真机实验结果表明:所设计的基于RRT*的路径最短和能耗最低的路径规划算法可行有效。     

水下滑翔机路径规划研究综述及展望

水下滑翔机（UG）是一种新型的水下无人航行器,具有能耗低、效率高、续航力长、成本低、可重复使用等优点,能够满足长时序、大范围的海洋观测与探测需求。水下滑翔机作为一种观测探测平台,合理的路径规划是其执行海洋观测与探测任务的重要保障。首先,综述近年来有关水下滑翔机路径规划方法,将水下滑翔机路径规划算法的内容系统性地分为传统算法、智能优化算法和多算法融合3类,并结合实际应用场景对不同的路径规划算法性能进行比较;然后,对水下滑翔机路径规划过程中所涉及到的环境重构技术、环境感知技术、智能决策技术和水下定位技术等关键技术进行凝练与总结;最后,基于现有的发展趋势,对水下滑翔机路径规划未来的发展方向,如多算法共融规划、多机协同路径规划、融合时空和目的约束的多维空间路径规划和复杂非稳态环境下的精准路径规划等进行展望。     

水下滑翔机路径规划研究综述及展望北大核心CSCD

水下滑翔机(UG)是一种新型的水下无人航行器,具有能耗低、效率高、续航力长、成本低、可重复使用等优点,能够满足长时序、大范围的海洋观测与探测需求。水下滑翔机作为一种观测探测平台,合理的路径规划是其执行海洋观测与探测任务的重要保障。首先,综述近年来有关水下滑翔机路径规划方法,将水下滑翔机路径规划算法的内容系统性地分为传统算法、智能优化算法和多算法融合3类,并结合实际应用场景对不同的路径规划算法性能进行比较;然后,对水下滑翔机路径规划过程中所涉及到的环境重构技术、环境感知技术、智能决策技术和水下定位技术等关键技术进行凝练与总结;最后,基于现有的发展趋势,对水下滑翔机路径规划未来的发展方向,如多算法共融规划、多机协同路径规划、融合时空和目的约束的多维空间路径规划和复杂非稳态环境下的精准路径规划等进行展望。     

基于神经动力学的水下目标观测路径规划

针对水下工程应用中的自治水下机器人目标观测的路径需求问题,提出基于生物启发神经动力学的路径规划方法,在二维栅格地图的基础上,建立二维生物启发神经网络模型,引入来自目标观测任务区域的激励信号和障碍物的抑制信号,任务区域能够全局地吸引机器人,障碍物对机器人具有局部排斥作用,从而使得机器人能够近距离观测目标。仿真结果表明,在未知的动态水下环境中,机器人能够有效规避障碍物,自主规划出目标观测路径和返航路径。     

AUV任务规划技术的研究

任务规划技术是水下机器人使命任务能否完成的关键，介绍了项目所研制的水下机器人体系结构、远程作业任务规划、路径规划的方法，给出试验结果验证了路径规划算法的有效性。     

船用爬壁监测机器人避障行走最优路径规划方法

为了解决传统监测机器人避障行走路径规划方法存在的规划误差大、规划耗时长的问题,本文提出一种船用爬壁机器人避障行走最优路径规划方法。构建爬壁监测机器人路径规划的动力学模型,对机器人行走位姿进行调整。采用栅格法构建监测区域内的机器人行走栅格地图。基于构建的动力学模型,在栅格地图中对监测机器人避障行走路径进行规划。实验结果表明,与传统避障行走路径规划方法相比,所提方法的路径规划结果更加准确,能够实现机器人行走的有效避障。     

水下捕捞机器人的研究现状与发展

本文介绍了国内外水下机器人研究现状和研究技术。基于现有水下机器人的技术水平和水下捕捞的具体环境,讨论了水下捕捞机器人机、电、流体、智能识别等关键技术,并对比了各项技术之间的优缺点。展望了未来水下捕捞机器人的发展趋势。     

基于目标规划的水下机器人模糊神经网络控制

针对水下机器人运动的精确控制问题,依据模糊逻辑和神经网络理论,提出了一种基于目标规划的模糊神经网络控制方法。根据水下机器人的运动特性构造了模糊神经网络的结构,并推导了网络权值学习的反传算法,最后以水下综合探测机器人为研究对象进行了试验研究。试验研究的结果表明,该方法结合了传统模糊控制和神经网络控制的优点,大大地提高了系统响应速度和控制精度,并且对模型的不确定性有较强的鲁棒性,能够实现水下机器人运动的精确控制,具有较高的理论和实用价值。     

大范围环境下自主式水下潜器两种全局路径规划方法的研究

应用遗传算法(GA)和A·算法对自主式水下潜器(简称AUV)在大范围海洋环境中的全局路径规划问题进行了研究.介绍了基于栅格的环境模型及其数据结构,讨论了GA的染色体编码方式、基于知识的初始种群生成方法与适应度函数,基于领域知识设计了五种遗传算子,给出了A·算法的具体实现方法.通过仿真结果可以看出:GA采用可变长编码方式使路径描述简单、清晰,具有收敛速度快、求解实际问题效率高的特点;A*算法可在较短时间内求得相对栅格优化的路径.两种算法均可满足系统实时性要求.     

自主式水下滑翔机关键技术专利扩展分析

为解决目前自主式水下滑翔机的导航技术、水声通信以及组网技术3个分支专利数量较少,存在一定的技术瓶颈和技术壁垒的问题,本文基于自主式水下滑翔机的功能、效果、适用等技术需求,将其研究范围扩展至水下航行器领域,通过对扩展领域中导航技术、水声通信技术以及组网技术的专利申请进行多角度分析,得到了3个分支在扩展领域的专利申请趋势、主要技术来源地、活跃度以及国内主要申请人等结论,以对自主式水下滑翔机的研究进行技术支撑。     

A new hybrid terrain coverage method for underwater robotic exploration

It is well known that it is difficult to explore underwater terrains using an autonomous underwater vehicle due to the varieties and complexities of underwater terrain elements. Since conventional underwater terrain coverage techniques are usually based on the assumption that the underwater surface is planar, they generate an unnecessary exploration path especially on steep sloped surfaces of ocean basins. This paper proposes a new type of coverage technique, the hybrid terrain coverage framework (HTCF), which considers various surface conditions in three-dimensional environments and generates an efficient exploration path for all environments. The HTCF incorporates a planar terrain coverage algorithm, a spiral path terrain coverage algorithm, and a hybrid decision module to recognize and select the most suitable technique depending on the sloped surface variations. Simulation results show that the proposed HTCF is more efficient than the conventional terrain coverage algorithm in terms of the energy consumption of the underwater vehicle.     

基于卷积神经网络的AUV水下识别算法设计与实现

自主式水下机器人(AUV)是应用于复杂海洋环境中的高智能化无人装备,其需要具备良好的环境感知能力进行自主导航,包括水下目标识别能力。随着人工智能的高速发展,卷积神经网络作为图像处理领域的深度学习架构,在图像特征提取和图像识别上有着强大的性能和卓越的优势。本文利用卷积神经网络,实现了自主式水下机器人水下目标的自主识别。同时,通过采用三段式全连接方式和增加卷积层深度的方式对卷积神经网络进行进一步改进,提高了卷积神经网络的训练速度、准确率和泛化能力。     

Simulation platform of navigation system for autonomous underwater vehicle

1 Introduction1 It is hoped the Autonomous Underwater Vehicle (AUV) can be fully autonomous, but the basis of this hope is that AUV can navigate and position accurately.Inertial navigation is the main navigation method for AUV, but accumulative error of t…     

基于改进A*GBNN算法的AUV路径规划研究

针对现有的离散生物启发神经网络(Glasius bioinspired neural networks, GBNN)算法在未知环境下，存在的路径规划时间长、易陷入局部最优等问题，提出一种结合A*与GBNN模型的改进算法。在GBNN活性值栅格网络中，算法将各栅格的活性值作为A*的代价函数进行运算并使用跳点搜索规则优化，实现未知环境下的实时路径规划。仿真实验结果表明，该算法有效改善了自主水下航行器在未知环境下的寻路效率，可以满足自主水下航行器实时路径规划需求。     

海上无人系统集群发展现状及关键技术研究进展

海上无人系统集群作战正在从概念走向实装应用.着眼于海上无人系统集群作战任务的需要,总结无人机集群、水面无人艇集群、无人水下机器人集群和跨域无人系统集群的国内外发展现状,分析海上无人系统集群协同作战所需的关键技术,包括通信自组网、协同态势感知、任务分配、航迹规划、集群编队控制和虚拟测试等.系统性归纳海上无人系统集群所需各...     

一种基于拓展支持向量机的无人船路径规划方法

为有效解决无人船实现智能航行面临的路径规划问题，提出一种基于拓展支持向量机（SVM）的路径规划方法。该方法在传统SVM路径规划方法的基础上，考虑任务途中障碍物的规避风险，将工作任务的起止点作为约束条件对传统方法进行拓展，并针对不同的应用情景给出线性路径规划和非线性路径规划的求解方法。同时，为提高路径规划的效率，从SVM的原理出发，提出一种训练集裁剪的方法，大幅度减少利用SVM求解路径时所需的训练样本个数。此外，通过仿真验证该方法的可行性和有效性。