动态人工势场法的无人船避障路径规划

为了保证无人船安全行驶,设计动态人工势场法的无人船避障路径规划方法。该方法的全局路径规划部分依据航行环境信息构建栅格地图后,采用A^*算法规划无人船的全局路径,并获取无人船的全局路径节点;局部避障路径规划部分将该路径节点作为局部路径的开始节点,利用动态人工势场法规划无人船避障路径。为保证路径规划效果,采用长短记忆循环神经网络和强化学习算法相结合的方式改进动态人工势场法,确保在障碍物运动速度较快时,依旧能够可靠完成无人船避障路径规划。测试结果显示：该方法可完成无人船全局最优路径规划,并有效完成局部避障路径规划,无人船和障碍物的会遇距离和会遇时间分别大于4.26 m和大于15 s,碰撞危险度极低,满足应用标准。     

基于量子粒子群优化算法的无人艇航线规划

针对目前无人艇主流航线规划算法存在效率低、收敛速度慢或易陷入局部最优等问题,文章将具有较强全局搜索能力的量子粒子群优化(QPSO)算法用于求解无人艇最优航线规划并结合人工势场思想进行针对性改进应用,仿真实验结果表明,该方法寻优能力强、收敛速度快、稳定性好,可较好地适用于不同环境下无人艇航线规划。     

基于改进人工蜂群算法的HOV三维路径规划

载人潜水器的三维全局路径规划研究对其智能化水平的提高有着重要作用。以“奋斗者”号载人潜水器为研究对象,首先建立三维真实海底地形模型和海流模型;其次,综合考虑路径长度、地形代价和能量消耗代价等目标,建立路径规划的代价函数。最后,使用改进人工蜂群算法对该路径规划问题进行求解,并分别与基本人工蜂群算法、遗传算法和粒子群算法进行比较。仿真结果表明,改进后的人工蜂群算法可以不断跳出局部最优,为载人潜水器高效地规划出满足性能要求的航行路径。     

基于遗传算法规划路径的船舶避碰系统

为了更好地解决船舶避碰路径规划问题,寻找到船舶运动的最优最短的避碰路径,提出了遗传算法规划路径的船舶避碰系统,首先在遗传算法的选择、交叉和变异阶段,利用粒子群算法引入强化变异、改进交叉对象、变异淘汰机制,从而对遗传算法进行自我调整,避免遗传算法陷入局部最优,然后,将寻优得到的最优个体的位置与速度进行解码,得到最优的船舶避碰规划路径,最后进行了仿真实验。实验结果表明,本文算法不仅能够得到最优的船舶运动避碰路径,安全性高,而且整个求解所需时间最少,具有明显的优势,对于船舶运动避碰路径规划问题求解具有较好的可行性。     

交互式水域环卫机器人的避障路径规划算法

为使交互式水域环卫机器人（Interactive Water Sanitation Vehicle，IWSV）在进行垃圾收集时成功捕获水中浮动垃圾并顺利规避水域障碍物，提出一种将基于采样的快速搜索随机树（Rapidly-exploring Random Tree，RRT）算法与速度障碍模型相结合的路径规划算法。利用双目摄像头基于视差定位法获取水域动态障碍物的位置坐标，利用IWSV搭载的感应元件获取其自身与障碍物的相对方位角，基于速度障碍法计算可成功避开障碍物的移动角度调整范围，对更优的RRT*算法中的随机采样过程进行进一步优化，得到改进的避障路径规划算法。考虑实际应用场景，引入抗积分饱和比例积分微分控制（Proportional Integral Differential Control，PID Control）法使航向控制器的控制效果更为精准有效。在实景测试时避障路径规划算法存在稳健性，基于到达时间（Time of Arrival，TOA）定位法进行仿真分析。仿真试验结果表明，该路径规划算法比RRT算法和改进前的RRT*算法路径规划效果更优，可靠性更好，可在较短时间内避障并得到较优移动路径。在实景测试时基于TOA的Chan算法更加符合定位估计需求，且IWSV本体感应装置的噪声测算宜在10 m以内。     

船舶物流路径规划的数学模型构建及求解

船舶物流路径规划的研究具有十分重要的经济价值,当前船舶物流路径规划方法无法找到最优的船舶物流路径规划方案,使得船舶物流运输的成本过高,为此本文设计了基于蚁群算法和粒子群算法的船舶物流路径规划方法。首先分析船舶物流路径规划研究的历史,建立船舶物流路径规划的数学模型,然后采用粒子群算法对船舶物流路径规划的数学模型进行求解,找到有效的船舶物流路径规划方案集合,并在此基础上采用蚁群算法对船舶物流路径规划方案集合进行搜索,找到最优的船舶物流路径规划方案,最后与单一蚁群算法、粒子群算法进行了船舶物流路径规划问题求解的仿真实验。本文方法避免了单一蚁群算法、粒子群算法求解速度慢,难以找到最优船舶物流路径规划方案不足,得到的船舶物流路径规划方案可以帮助企业节约物流运输成本。     

基于高精地图的自动化码头ART动态路径规划研究

针对自动化集装箱码头ART路径规划问题，在分析运输车辆运动学特性的基础上，提出一种基于动态高精地图的自动化码头ART动态路径规划方法，通过高精地图实时存储和更新港区道路信息，利用北斗卫星定位技术精准获取ART位置，设计A-star算法为ART规划全局最优作业路径，结合局部精细化引导和单车执行控制策略完成ART转弯和避障等动作，为作业过程中ART规划出最优行驶路径。与现有技术相比，该方法根据道路实际情况动态调整线路，可缩短运输行车时间，提高水平运输效率。     

基于OIPSO算法的环境最优动力定位控制器设计

环境最优动力定位控制是一种以能量消耗最少为目标的动力定位控制方法,在不需要任何环境传感器的情况下,使其保持在设定区域且消耗能量最少,节约燃料、减少有害气体的排放。首先,提出一种带有目标性初始化粒子群的改进粒子群优化算法(OIPSO),通过引入混沌算子,利用信息熵进行评估对初始化粒子种群进行调整以提高粒子群算法全局搜索能力和收敛速度,具有大范围全局寻优能力。其次,研究设计环境最优艏向控制器控制律,该控制律能满足欠驱动船舶动力定位的控制需求。最后以Cyber Ship Ⅱ动力定位模型船为对象进行仿真验证。结果表明,所提出的寻优算法和改进控制律达到了设计的目的。     

基于AQPSO算法的圆碟形水下滑翔机路径规划

为解决复杂海洋环境影响下圆碟形水下滑翔机的路径规划问题,采用多黏性Lamb涡叠加方法模拟洋流环境模型。以最小能量消耗为优化目标,结合B-spline方法生成光滑的曲线路径,采用自适应性基于量子行为的粒子群优化算法对圆碟形水下滑翔机的路径选择进行优化求解。将该算法与粒子群优化算法和基于量子行为的粒子群优化算法相对比,仿真结果验证了各算法在求解航行路径问题方面的有效性。此外,基于能耗最优原则分析各算法的适用性。     

基于AQPSO算法的圆碟形水下滑翔机路径规划

为解决复杂海洋环境影响下圆碟形水下滑翔机的路径规划问题,采用多黏性Lamb涡叠加方法模拟洋流环境模型。以最小能量消耗为优化目标,结合B-spline方法生成光滑的曲线路径,采用自适应性基于量子行为的粒子群优化算法对圆碟形水下滑翔机的路径选择进行优化求解。将该算法与粒子群优化算法和基于量子行为的粒子群优化算法相对比,仿真结果验证了各算法在求解航行路径问题方面的有效性。此外,基于能耗最优原则分析各算法的适用性。     

基于改进人工势场法的水下滑翔机路径规划

研究了水下滑翔机在单个运动周期下躲避障碍物的路径规划问题,针对水下滑翔机运动特点,采用改进的人工势场法,规划出避障路径。首先,对传统的人工势场法进行改进,以克服局部极值与目标不可达问题,并引入速度势场函数,将静态势场转变为动态势场;然后,将水下滑翔机的运动特性及约束考虑进来,提出障碍物影响半径确定方法;之后,分析了定常海流对路径规划的影响。最后,以HUST-2号水下滑翔机为例在不同情况下进行仿真试验。结果表明,所用方法能使水下滑翔机成功避开水中静态与动态障碍物。     

基于改进双向RRT的无人艇局部路径规划算法研究

以高速航行的无人艇迅速规划出较优的局部避障路径为目标,提出一种基于改进双向RRT的无人艇局部路径规划算法。针对传统双向RRT算法随机性过强,规划的路径往往曲折较多的问题,对每一个新延伸的节点施加转角约束。针对传统双向RRT算法两棵树经常不能平滑连接的问题,在主动连接点施加转角约束及距离约束。还提出了一种新的动态步长策略。仿真结果表明,用改进算法规划的路径质量更好,算法收敛时间更短。     

基于改进型A*-蚁群混合算法的USV航迹规划

针对高密度复杂环境下的无人水面航行器(USV)航迹规划问题,将A*算法和蚁群算法相结合,提出一种改进型A*-蚁群混合算法。本算法结合A*算法在低密度环境区域航路规划的优势性,同时,当遇到高密度环境区域时引入蚁群算法提高局部规划能力,在传统蚁群算法基础上,改进了信息素的更新模型,增强了可行路径中最优路径的信息浓度,减弱了最差路径的信息浓度,并通过调整信息素浓度总和比例,增强算法的寻优能力。该方法能够有效地平衡全局和局部规划,提高在复杂环境下的USV航迹规划能力。通过仿真,验证了在复杂环境下该算法的有效性和优越性。     

改进自适应惯性权重粒子群算法及其在核动力管道布置中的应用北大核心CSCD

[目的]旨在研究非线性自适应惯性权重粒子群优化算法,实现船用核动力一回路系统管道路径的布置优化设计。[方法]根据船用核动力一回路系统的管道布局设计特点,建立一回路系统的管道布局空间模型、约束条件和评价函数;基于管道节点数量,提出一种粒子群优化(PSO)算法的新型定长编码方法,然后结合该编码方法建立方向引导机制;在此基础上,针对粒子群优化算法易陷入局部最优解、收敛速度慢的缺点,结合辅助线性变化的学习因子,提出一种基于非线性自适应惯性权重的改进粒子群优化算法;将改进粒子群优化算法与协同进化算法相结合,提出一种用于求解分支管道布局问题的协同进化粒子群优化算法,以用于核动力一回路系统的管道布局优化。[结果]仿真结果显示,所提的改进算法与标准算法相比收敛速度提高了40%~50%,不仅能够得到更好的管道布局效果,还解决了标准粒子群优化算法容易陷入局部最优解的问题。[结论]研究成果可为船用核动力一回路系统管道布置的优化设计提供有益的参考。     

船舶平面分段流水线多目标模糊调度的改进粒子群算法

针对船舶平面分段建造过程中广泛存在的不确定性问题,考虑在平面分段流水线调度中引入更贴近实际的模糊调度。以模糊数表示加工时间和交货期,以最小化最大完工时间、最大化平均满意度为调度目标,建立平面分段流水线多目标模糊调度问题的数学模型,设计了求解该问题的改进多目标粒子群算法。提出一种按反Logistic曲线规律动态变化的惯性权重,从而在一定程度上平衡算法的全局和局部搜索能力;嵌入由3种邻域结构随机排列构造的变邻域搜索算子以增强算法的局部改良性搜索能力;采用一种基于拥挤距离的非支配解动态维护策略以提高解的分布性。结合实例数据,通过对算法进行比较,证实了各项改进措施的有效性,以及所设计算法求解平面分段流水线多目标模糊调度问题的优越性。     

一种基于改进PSO的无人机航路规划方法

针对无人机航路规划问题,提出了一种改进的粒子群的无人机航路规划方法.该方法将UAV的航路规划问题通过目标转换,形成一个考虑威胁优先,路径优化其次的单目标航路优化问题,并引入局部搜索改进粒子群算法求解该问题的收敛性.仿真结果证明了该方法对解决无人机的航路规划问题高效可行.     

基于改进RRT~*算法的无人艇全局避障规划

在水面无人艇全局避障规划领域,RRT~*算法及其改进方法规划的路径长度过长、转折过多,并且规划路径紧靠障碍物,不利于水面无人艇的安全行驶。针对此问题,本文提出一种新的基于线段定理和RRT~*算法(Line segment theorem-RRT~*)的LT-RRT~*算法。该算法对环境地图进行预处理,标示出障碍物周围危险区域,为无人艇与障碍物之间留出安全距离。再根据终点采样概率选取采样点,改善RRT~*算法由于全局采样引起的路径不稳定性。最后根据线段定理重新选取新节点和附近节点的父节点,跳过中间节点连接树节点,减少路径折点,最终生成相对平滑的避障路径。在相同环境下,将改进算法与现有算法避障规划效果进行比较分析,结果表明了LTRRT~*算法的有效性。     

基于改进人工蜂群算法的船舶管路路径寻优算法分析

[目的]人工蜂群（ABC）算法具有控制参数少、局部寻优能力强、收敛速度快的特点,但在解决路径寻优问题方面,存在容易陷入局部最优的缺陷。为解决船舶管路系统中的管路路径规划问题,提出一种改进的人工蜂群（IABC）算法。[方法]在传统人工蜂群算法的基础上,在跟随蜂的更新机制中引入遗传算子中的交叉操作,并对交叉算子的交叉概率采用自适应的策略;通过对种群进行的交叉操作寻找全局范围内的新解,并改进侦察蜂寻找新路径的方式,由原来的对路径经过的点进行更新改为对路径中的“路段”进行更新;随后,提出一种适应于解决分支管路路径寻优的改进人工蜂群协同进化算法。[结果]实例验证表明,改进后的人工蜂群算法相比标准人工蜂群算法其路径布置效果能够提升32.3%～37.4%,收敛速度能够提升17.7%～29.9%。[结论]无论是解决单管路还是分支管路,改进后的人工蜂群算法相比传统的人工蜂群算法求解质量更高、收敛速度更快、稳定性更好。     

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.     

基于粒子群算法的编队防空武器目标分配研究

建立了舰艇编队防空作战的武器目标分配模型,提出了一种基于粒子群的求解算法。该粒子群算法利用粒子群的个体最优和全局最优粒子,采用了编码、交叉、变异和选择相结合的算子操作得到粒子的新个体。通过仿真测试表明了算法的可行性和有效性,尤其是在规模复杂问题中将更能体现算法的优越性。