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。     

基于神经网络的水下机器人运动预测控制方法

将神经网络和模糊理论应用于水下机器人运动规划和控制中，提出了能实现模拟控制规则的基于强化学习的自学习和自调整的规划算法，设计了水下机器人实时运动规划器结构以及规划器操作过程，提出了基于预测模糊控制进行水下机器人运动控制的方法。在计算机仿真状态下，实现了对水下机器人这一复杂非线性系统的预测控制，仿真实验结果验证了本文所提的方法的有效性。     

智能水下机器人发展现状及在军事上的应用

21世纪是海洋的世纪,水下机器人在军民领域均具有广泛的应用,智能水下机器人是水下机器人技术的发展方向。详细介绍了各国智能水下机器人的发展与研究现状,描述了未来无人化作战体系,分析智能水下机器人在未来无人化作战体系的军事应用,指出军用水下机器人未来的发展趋势。     

船舶智能巡检机器人移动路径的自动控制与优化

传统机器人移动路径控制优化方法,其规划路径迭代次数较少,局部采样间隔较长,导致局部路径与规划路径存在偏差,且对巡检目标点定位不准确。为此,提出船舶智能巡检机器人移动路径的自动控制与优化方法。网格划分舰船环境信息,获取起始点至目标点的所有无碰路径,通过遗传算法,搜索出最优全局路径,检测全局最优路径环境信息,构造一个人工势场函数,判定机器人所受合力的方向和大小,在全局路径中局部控制机器人行进,再计算新位置势能,直至机器人到达目标点。进行对比实验,结果表明,此次设计方法相比传统方法,规划路径行进偏差减小了0.069 m,对目标点的定位偏差减小了5.39 cm,机器人自动控制更加精确。     

一种基于行为的自主/遥控水下机器人共享控制方法

自主/遥控水下机器人(ARV)是一种综合自主水下机器人和遥控水下机器人特点的新型水下机器人,融合ARV自主控制和操作人员遥控的共享控制是ARV控制的关键问题。针对ARV在环境探索任务中和目标观察任务中的共享控制,采用基于行为的控制思想,提出一种基于行为的ARV共享控制方法,包括实现环境探索的遥控行为、自主避障行为、以及实现目标观察的人机协同路径跟踪控制行为,通过设计的基于优先级的行为组织和融合方法,实现了ARV基于设计的行为以"人主机辅"模式执行环境探索继而以"机主人辅"模式执行目标观察过程的有效共享控制。基于构建的水下机器人共享控制仿真环境对设计的共享控制方法进行仿真实验,验证了提出的共享控制方法的有效性。     

智能水下机器人的发展现状及在军事上的应用

21世纪是海洋的世纪,水下机器人在军民领域均具有广泛的应用,智能水下机器人是水下机器人技术的发展方向。详细介绍了各国智能水下机器人的发展与研究现状,描述了未来无人化作战体系,分析智能水下机器人在未来无人化作战体系的军事应用,指出军用水下机器人未来的发展趋势。     

关于发展智能水下机器人技术的思考

智能水下机器人在海洋开发和海洋军事领域具有极为广阔的应用前景.智能水下机器人技术是世界各国都在致力发展的技术领域.简要介绍了国外智能水下机器人的发展状况,提出了应重点开展研究的关键技术和发展智能水下机器人技术的建议.     

基于模糊神经网络的水下机器人局部路径规划方法

该文探讨了基于模糊神经网络理论的实时局部路径规划问题，并提出了能实现模糊控制规则的基于强化学习的自学习和自调整的规划算法，设计了水下机器人实时运动规划器结构以及规划器操作过程和相应的算法。仿真实验结果验证了本文所提方法的有效性和可行性。     

高速无舵翼水下机器人运动控制研究

通过改进传统水下机器人体系结构中的执行层、控制层和感知层,提出了无舵翼水下机器人的运动控制系统,使得水下机器人的运动控制系统在保持原有精确定位的功能外,也能完成远距离高速航行等任务.具体的改变包括执行层中的推进器布置方式以及推力分配方案、控制层中的控制方法以及在感知层中加入局部目标规划器,这些改变解决了高速航行给无舵翼水下机器人带来的一系列问题.海上进行的对比试验和远距离长航试验,验证了无舵翼水下机器人在所提出的运动控制系统控制下是可以满足任务要求的.     

大型自主水下机器人全局静态与局部动态融合路径规划方法

针对大型自主水下机器人在做全局路径规划时面临环境建模复杂,算法求解能力弱以及面对局部动态障碍时自主性低,避障路径规划困难等问题,采用极坐标表示形成路径同心圆,在严格机动性约束下提出基于改进粒子群算法和速度障碍法的全局静态与局部动态相融合的路径规划方法。在极坐标表示的环境模型中,在全局静态规划中引入最优粒子"变异"过程提升算法求解能力;在局部动态规划中利用速度障碍法求解局部碰撞范围和安全路径区域以保证避障路径最优。实验结果表明,与传统粒子群和遗传算法相比,改进方法在全局静态规划中路径更短、求解能力更强,局部动态规划能够得到出最优避障路径。     

基于改进人工势场法的水下自主航行器路径规划

针对水下自主航行器(AUV)在水下复杂环境下的路径规划问题,提出改进人工势场法的路径规划算法.在传统人工势场法的基础上,提出考虑避障半径的斥力场函数方法,进一步优化规划路径.通过设置子目标点法和距离比较法,有效解决二维和三维空间下的局部最小值点问题和目标不可达问题.通过仿真对比验证提出的基于改进人工势场法的水下自主航行器路径规划算法的有效性.     

基于多传感器采集信息的水下机器人导航系统

设计基于多传感器采集信息的水下机器人导航系统,确保水下机器人能够高效完成水下任务,并改善其导航效果。构建水下机器人导航系统结构,传感器采集模块通过安装于水下机器人上的惯性测量单元、水温水压传感器、GPS传感器、视觉传感器获取其姿态、深度、位置、运动环境信息,数据处理模块调用联合卡尔曼滤波算法实现各种信息的融合后,经通信串口传输至运动控制模块,由主控制器实现水下机器人的运动控制。经以太网通信模块将融合后的数据传输到上位机中,导航模块通过避障算法和路径规划算法实现水下机器人的导航,并呈现导航结果。实验结果表明：该系统可实现多传感器采集信息的融合,融合后速度、位置误差获得有效降低;导航轨迹曲线与实际轨迹基本一致;可实现障碍物避障,并规划出运动轨迹。