无人艇海上搜救路径规划技术综述

针对无人艇海上搜救路径规划问题，从海上搜救区域的最优确定和海上搜寻方案的最优规划2个层面概括确定海上搜寻区域的方法，并分析其技术内涵与应用情况；介绍包括传统方法和区域覆盖算法等的各类搜寻方法，并深入分析其特点与不足；对无人艇海上搜救路径规划存在的问题及应对措施进行分析和展望。研究成果可为无人艇海上搜救路径规划技术的进一步探讨提供借鉴。     

基于电子海图栅格化的无人水面艇全局路径规划

为解决无人水面艇自主避碰决策中的全局路径规划问题,提出一种基于电子海图栅格化建立环境模型的遗传算法全局路径快速搜索方法。通过对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的环境模型,并使用栅格标号对路径个体进行编码,利用一种随机快速搜索产生初始种群的改进遗传算法进行路径搜索,提高无人水面艇全局路径规划的收敛速度和优化效率。试验结果表明,采用改进遗传算法进行基于电子海图栅格化的无人艇全局路径规划具有一定的合理性和有效性。     

Path planning method for unmanned surface vehicle with controllable distance from obstacles北大核心CSCD

[目的]为了解决水面无人艇(USV)路径规划中安全性和平滑性方面的问题,提出一种与障碍物距离可控的USV路径规划方法。[方法]首先,结合雷达图像生成栅格化环境信息,利用维诺场算法(VFA)为每个栅格添加危险势场并建立航行界限;其次,建立与航行界限关联的危险度函数对A^(*)算法的评价函数进行改进,利用改进的A^(*)算法进行路径规划;最后,针对航行路径转向角较大的问题,采用梯度下降法(GDM)进行航行路径的平滑处理,得到满足USV实际航行要求的连续平滑路径。[结果]仿真结果表明,所提路径规划方法通过设置不同的航行界限可以实现路径与障碍物之间距离的控制且平滑性符合航行要求。[结论]该方法在USV路径规划过程中具有一定的合理性和有效性,可为USV自主避障决策提供参考。     

基于改进RRT算法的无人艇编队路径规划技术

[目的]为了解决无人艇编队在智能航行时全局路径规划与局部自主避碰问题,提出基于改进快速搜索随机树(RRT)算法的无人艇编队路径规划技术。[方法]针对无人艇编队形状稳定问题,在RRT算法扩展环节提出一种非严格保形修正向量与非严格保形控制圆区域,使搜索树有朝着严格保形坐标点生长的趋势;针对突发障碍物与非严格保形规划点碰撞问题,在RRT算法碰撞检测环节提出可调节避碰圆区域与障碍物修正向量,使无人艇安全避碰并最大程度地保持队形稳定。[结果]结果显示,无人艇编队在该算法作用下表现出了良好的保形性能,并能对突发障碍物进行有效的避碰。[结论]该算法效能高、稳定性强、路径规划质量高,在实际工程应用中具有重要的意义。     

基于混沌蜂群算法的USV路径规划

针对多障碍物环境下,传统智能算法容易过早收敛、搜索精准度差等问题,为提高路径规划准确性,获得最佳路径,避免碰撞发生,提出一种基于人工蜂群算法的水上无人艇路径规划方法。通过栅格法建模,以无人艇目的地为蜜源,在蜂群信息交换阶段,采用混沌序列产生初始化雇佣蜂,跳出局部最优。与传统人工蜂群算法进行对比,仿真结果表明,混沌蜂群算法在路径优化方面更能找到全局最优路径。     

基于混合蚁群算法的无人船航行路径自主规划

路径规划是无人船自主导航的核心问题。由于无人船当前位置以及目标位置的确定受到障碍物影响,最佳航行路径的获取难度较大。为此,提出基于混合蚁群算法的无人船航行路径自主规划方法。采用栅格法构建无人船工作环境模型,由上至下、由左至右的对栅格完成编号处理,划分安全区域与障碍物区域。构建无人船航行路径自主规划数学模型,设定地形与威胁、航程上限以及路径平滑度等约束条件。针对蚁群算法初始搜索效率差等问题,将其与粒子群算法相结合,提出混合蚁群算法。利用该算法求解无人船航行路径自主规划数学模型。实验结果显示,研究方法具有较高的路径规划准确性,路径长度、平均能耗及路径规划时间指标均较优。     

多约束条件下基于稀疏迭代势场法的无人艇局部避碰方法

针对传统人工势场法容易陷入局部最小值点的问题以及采用栅格法离散化环境建模后,无法规划任意角度路径的缺陷,提出一种基于稀疏点约束的改进迭代势场算法。首先建立了安全距离模型和一种更加简单的势函数(与起点、终点的距离函数),然后利用二分搜索的思想和稀疏约束方法找到稀疏点,从而在栅格地图中规划出一条任意角度的最短安全路径。之后针对无人艇高速航行时对动态障碍物避碰这一问题,尤其是航行过程中需要满足国际海上避碰规则公约这一难点。在无人艇避碰的同时考虑海事规则以及运动学约束,让无人艇能够实时规划出一条最优路径。仿真分析和实船试验均验证了本文所提方法的有效性,且表明稀疏迭代势场法的运行效率比传统迭代势场算法提高14倍。     

限制区域水面无人艇路径规划与跟踪控制研究

路径规划与跟踪控制是水面无人艇自主航行的关键技术.首先,采用概率地图法(PRM)对水面无人艇的路径规划进行了研究,详细介绍了概率地图法的原理以及算法实现流程,针对传统方法在工程实际中存在的问题,结合无人艇操纵性能约束提出了简单有效的改进方法,进行了算例验证;其次,以PRM规划路径为目标对象,开展了欠驱动无人艇路径跟踪控制技术研究,对操舵响应非线性模型进行线性化处理,考虑舵角饱和约束限制,设计了模型预测控制器,舵角的执行指令可以通过二次规划算法求解;最后,进行了限制区域水面无人艇路径规划和跟踪控制的联合仿真验证.研究结果表明:概率地图法可以成功地应用于限制区域无人艇路径规划,方法可实现性好、效率高;规划所得的路径由一系列直线段组成,有利于路径跟踪控制;通过模型预测控制可以快速平稳地实现欠驱动无人艇对目标路径的跟踪控制.     

多约束条件下无人艇和无人机集群协同航迹规划

[目的]为实现海上无人集群在执行任务过程中的安全航行和通信保持,开展无人艇(USV)和无人机(UAV)集群协同航迹规划问题的研究.[方法]采用禁入和禁出地理围栏进行场景建模,将规避威胁和障碍问题转化为地理围栏约束.针对平台之间的碰撞冲突和通信连接问题,提出基于时序检测的碰撞冲突和通信保持约束判断准则.以集群平均航行时间...     

基于改进人工势场的水面无人艇路径规划研究

路径规划是海面无人艇导航系统中最重要的任务之一,在实现海面高速无人艇路径规划时,如果使用人工势场路径规划,一定会产生最小点问题,本论文提供了一个新的解决方法来解决这个问题。论文中会简单的介绍一下无人艇的现状和人工势场路径规划,并详细介绍一种新的引力函数。论文的最后,将会提供一些Visual Studio环境下的实验结果。     

基于自适应反步滑模的水面无人艇集群控制

[目的]针对多艘欠驱动水面无人艇组成的集群系统控制问题,研究虚拟结构法的控制策略。[方法]首先,将集群控制问题转化成无人艇与虚拟结构之间位姿跟踪误差的镇定问题,通过改变虚拟结构的几何形状,实现集群的队形变换。然后,将集群控制器的设计分为运动学和动力学2个部分,充分考虑不确定干扰,设计欠驱动水面无人艇集群的自适应反步滑模控制器,基于李雅普诺夫理论证明闭环系统的稳定性。最后,采取直、曲线航迹航行,开展集群队形变换等仿真试验。[结果]仿真结果表明,无人艇集群的协同运作效果显著,队形变换流畅,且能够自适应应对各种不确定干扰。[结论]集群系统展现出较强的鲁棒性与灵活性,可为后续实艇试验奠定理论基础。     

基于A-star算法的航路规划算法设计与仿真研究

本文通过分析和研究内河通航环境的特点,根据无人艇对全局路径规划的需要,建立了基于电子航道图的环境模型,并设计了一种基于自适应栅格环境模型的A-star算法。通过MATLAB仿真结果表明,采用自适应栅格的A-star算法能够满足无人艇在内河水域复杂环境下的全局路径规划需要。     

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。     

基于改进人工势场法的水面无人艇路径规划研究

路径规划是海面无人艇导航系统中最重要的任务之一,在实现海面高速无人艇路径规划时,如果使用人工势场路径规划,一般均会产生最小点问题,尤其在路径规划目标点位置附近存在有障碍物的情况下。针对基于人工势场法的无人艇路径规划算法中存在的这一缺陷,提出了基于改进人工势场法来解决这个问题,通过建立新的引力和斥力势场函数来避免局部最小点问题的出现,并通过仿真最终验证了该方法的有效性。     

Anti-disturbance optimal coverage control of ASVs北大核心CSCD

[目的]针对固定的海洋区域,研究欠驱动水面无人船(ASV)集群的抗干扰最优覆盖控制问题。[方法]首先,在运动学层级,基于邻居ASV位置和环境密度信息进行Voronoi分配,设计欠驱动ASV运动学制导律,引导ASV运动到最优目标点;然后,考虑复杂海洋环境下ASV模型的不确定性以及风浪流引起的外部扰动,在动力学层级设计一种固定时间扩张状态观测器(FTESO),并基于FTESO设计固定时间的动力学控制律。[结果]稳定性分析结果表明了ASV集群的抗干扰最优覆盖控制闭环系统的误差是有界的,仿真结果验证了该方法的有效性。[结论]通过采用该抗干扰最优覆盖控制器,ASV集群可以在任意的初始位置实现对目标区域的最优覆盖。     

多任务约束条件下基于强化学习的水面无人艇路径规划算法

本文提出一种多任务约束条件下基于强化学习的水面无人艇路径规划算法。利用灰色预测进行区域建议,提升神经网络检测连续视频帧中水面目标的速度和准确率,进而提高了路径规划环境建模的准确性。基于Q_learning算法进行在线训练,完成多任务约束条件下的无人艇路径规划。针对Q_learning算法在多任务约束条件下收敛较慢的问题,提出了一种基于任务分解奖赏函数的Q_learning算法。通过仿真试验,验证了在多任务约束条件下,采用强化学习进行路径规划的可行性,并通过实物试验,验证了该算法能够满足实际要求。     

基于可视图法的水面无人艇路径规划设计

为了解决水面无人艇全局路径规划问题,提出一种基于可视图的A*算法。该算法使用启发式搜索的方式,克服了传统可视图法灵活性差的问题,可以减少规划时间,提高规划效率。通过在平面障碍物环境下的仿真运算,验证了该算法的可行性。     

面向回收任务的无人艇自适应级联跟踪控制

[目的]针对当前艉滑道式回收技术中的高精度回收引导控制要求,提出一种面向艉滑道回收的无人艇（USV）自适应级联跟踪控制方法。[方法]建立欠驱动无人艇运动模型,基于艉滑道式回收技术要求,利用滤波算法实现对母船航行状态和回收位姿的预测;引入平行接近制导思想,结合滑模变结构控制理论,构建出稳定的级联控制系统,以解决无人艇回收过程中的跟踪控制问题。[结果]通过采用李雅普诺夫理论和级联定理分析系统的稳定性,证明无人艇能够稳定跟踪目标。[结论]仿真结果表明,所提控制方法可使无人艇具有稳定的跟踪性能,且对不确定性干扰表现出较强的鲁棒性。     

基于环境优化的无人艇全局路径规划研究

LazyTheta*算法是近年来提出的启发式路径规划算法,凭借其优异的搜索性能,在机器人全局路径规划中的应用不断增多。但常规的启发式路径规划算法往往忽视机器人的运动学特性以及环境对路径规划结果的影响,不适合直接应用于无人艇。针对这一问题,提出了基于环境优化Lazy Theta*算法的无人艇全局路径规划方法,从路径安全性和水流适应性两个方面对启发函数和视线检查进行改进,并对路径进行了折角平滑处理。仿真结果表明,与常规算法相比,采用改进算法规划出的路径具有更少的路径点和更小的路径转角,路径更加平滑,能够更好地适应水流的变化,有利于无人艇在复杂水域环境中航行,提高了无人艇航行的安全性。     

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。