基于遗传算法的UUV快速性和能源系统综合优化分析

水下无人航行器(UUV)的总体优化设计一般由快速性、操纵性、结构强度、能源系统等系统构成,各个系统之间耦合,综合考虑各系统间的耦合作用对于UUV的设计至关重要,本文针对UUV快速性和能源系统综合优化的问题进行研究,主要工作有:根据艇型特点选择了19个相关设计变量,构建了约束条件,综合考虑各性能指标,建立了UUV快速性和能源系统综合目标函数;利用VC++语言,编制了基于遗传算法的UUV快速性和能源系统综合优化程序,从UUV快速性和能源系统的角度选取7个较敏感的设计变量进行了敏感度分析。通过计算表明,该优化系统准确可靠,平行中体长度、回转体直径和3 kn航速航行时间对优化系统较为敏感。     

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。     

基于并行遗传混沌方法的UUV性能综合优化分析

从船舶快速性、操纵性和能源系统等角度出发,建立分析UUV性能的综合优化数学模型;基于遗传算法、混沌算法、分层并行思想,构造一种分层并行遗传混沌方法,并将该方法应用于求解此类综合优化问题。利用此方法,分析数学模型中的目标函数类型及性能指标权重对该优化计算问题的影响。计算结果表明,该分层并行遗传混沌方法能较好的解决此类优化问题,其计算结果稳定可靠、约束满足程度好、效率高。同时,目标函数类型的不同及性能指标权重的改变均对该优化问题有较大影响。该UUV性能综合优化方法提供了一种优化设计思路,综合性能指标较高。     

一种基于多目标约束下的UUV航迹规划算法

针对无人水下航行器多约束条件下最优航迹快速规划问题,通过设置航行区域校正点及误差约束,建立可行航迹最短的目标函数,提出一种基于最小转向角的搜索算法。对航迹最短、转向角最小的球形可搜索区域内的校正点误差校正,结果表明：在不考虑和考虑转向角约束的2种情况下,基于最小转向角算法的航迹长度为106 350 m,比不考虑转向角约束的航迹长度缩短22 559 m,共经过8次校正点,总转向角度为120.66°,航迹方向最贴近起点和终点连线方向,航迹光滑没有折回、比邻、平行的现象,可以在通信条件受限的情况下,校正误差实时自主定位。     

多约束条件下多UUV任务分配方法

针对多约束条件下多UUV任务分配问题,提出一种基于改进集合粒子群优化算法的分配方法,该方法首先定义包含UUV与保障船有效通信距离等指标的约束条件,建立以任务总执行时间最短为主要优化对象的目标函数,采用自适应惯性系数提高最优解邻域内的搜索能力,通过结合遗传算法的变异操作提高全局搜索能力,有效降低陷入局部最优解的概率。UUV任务分配仿真实验表明,本文提出的多约束多目标任务分配方法能够获取多UUV的最优任务分配,具有实际应用的可行性。     

基于改进蚁群算法的船舶冰区航行路径规划

在北极航道开通的背景下,针对在冰区航行环境中船舶航行路径选择的特殊性,通过改进蚁群算法提高船舶航行路径的规划效果。综合考虑航线距离、航行操作复杂度和流冰规避在内的冰区航行路径影响因素,建立路径选择多目标规划模型,结合人工势场法对蚁群算法进行改进,通过人工势场法获得初始路径和节点间距离因素构造启发信息,并以电子海图为基础建立海冰覆盖率分别为30%和50%情况下的冰区航道环境栅格模型,将算法应用在栅格模型中对算法进行验证。结果表明:该算法实现简单,规划的路径优良,能够有效地满足船舶在冰区复杂环境中航行路径规划的需要。     

流函数法在 UUV 航路规划中的应用及改进

UUV相关技术的发展越来越多地受到广泛重视,其航路规划算法研究日益成为相关研究领域的重要课题。论文介绍了一种起源于流体力学的算法———流函数法,可有效应用于UUV的局部航路规划。针对UUV在实际应用中由于自身机动性、探测性能约束而产生的问题,提出了改进流函数法,能够更有效地规划航路。     

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.     

基于遗传算法的多船航行紧急智能避碰决策分析

以往使用的蚁群算法没有及时排除不正确规划路线,造成避碰数据冗余,导致路径规划效果不好,面对该问题,提出基于遗传算法的多船航行紧急智能避碰决策分析方法。应用遗传算法原理,实现了船舶航行立体坐标向二维坐标的转换。以多船航行的应急智能避碰安全为约束,建立适应度函数,并引入惩罚因子,降低了个体的适应性。在遗传算法的基础上,设计船舶避碰流程,结合遗传算法中的交叉和变异概率内容,及时排除错误规划。由仿真实例研究结果可知,该方法在对遇、交叉和追越态势下,路径规划结果与预期结果基本一致,最大误差为3 km,避免了多船航行碰撞事故发生。     

基于遗传算法的船舶导航路径规划研究

合理优化的船舶航行路径是舰桥系统中重点研究的技术之一。本文将遗传算法引入到船舶导航路径规划中,设计适当的适应度函数和遗传算子,从而保证遗传算法的鲁棒性;并且通过改进的交叉算子和变异算子能够增强种群的多样性。最后通过仿真对比实验来说明本文算法的有效性。     

粒子群优化算法在舰船路径优化仿真中的应用

为保障舰船安全稳定航行,显著提升舰船续航能力,设计了基于粒子群算法的舰船路径优化方法。使用概率图法构建舰船航行路线图,按舰船在航行性能方面的评价指标,构建与舰船航行路线图相关、综合考虑舰船转弯角度以及地形威胁等约束的舰船航行路径优化模型,并应用改进粒子群算法求解所构模型,得到满足约束条件的舰船航行初始最优路径。之后通过删除冗余点的方式对舰船航行初始最优路径实施平滑优化处理,得到最终的舰船航行最优路径。实验结果表明,该方法可收获更优的舰船航行路径,舰船按该路径行驶,更有利于续航,使舰船航行任务得以有效完成。     

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。     

海上突发事件应急救援路径规划算法

针对传统的路径规划算法在路径规划过程中需要多次重复访问节点、搜索时间较长的问题,研究海上突发事件应急救援路径规划算法。使用链接图法建立救援航行空间模型,在建立的模型基础上规划路径。依据PSO原理对空间模型中的节点处理后,获得救援路径候选节点。根据实际海面数据,对候选节点组成的路径图赋权,并利用造价函数选取节点规划最佳路径,完成对路径规划算法的研究。设计与传统路径规划算法的对比实验,结果表明提出的路径规划算法在应用时搜索时间短、访问节点次数少,即提出的路径规划算法性能更佳。     

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。     

基于遗传算法的渡船横渡航法寻优模型

目前,渡船横渡内河水域主要依赖船长的经验,依据周围水域的实时态势做出决策,无法对整条横渡航线进行整体把握。因此,所选择航法经常使渡船在航道中间,处于低速等待穿越时机的状态,横渡航行风险相对较高。建立安全评价模型,结合研究添加重要判据求得实际最近会遇距离,加入船舶尺度建立安全评价指标作为适应度函数阈值。应用遗传算法(Genetic Algdrithm, GA)建立基于遗传算法的内河横渡模型,综合考虑经济性、转向角度和转向点数量求取路径的适应值并执行遗传操作。试验选取长江某渡口真实交通流数据作为输入进行模型验证,导出迭代所得路径关键参数,经过专家对关键参数进行分析比对,所得航线的经济性、及时性和安全性均较为合理,构建的模型可应用于渡船横渡内河水域航法寻优中。     

多UUV搜索海底声信标任务规划方法

[目的]为了提高特定海域内多水下无人航行器(UUV)执行海底声信标搜索任务时的搜索性能,需增加对目标的搜索概率。[方法]首先,给出各UUV所载被动声呐的搜索能力指标函数,采用蒙特卡罗方法模拟海底声信标的坐标位置,并在任务区域建立搜索能力函数,从而得到本次优化任务的优化目标;然后,根据UUV实际执行任务时的队形要求建立本次优化的约束条件,整合得到基于海底声信标搜索概率最大化的多UUV队形优化模型,并使多UUV按照此队形完成指定区域的声信标搜索工作;最后,采用遗传算法对优化模型进行参数优化,通过设定合理的目标函数以及改进传统的遗传算子使目标函数的值达到设定标准,随之取出相应的参数完成值的选择。[结果]将求解出的优化队形与传统优化队形进行对比发现,求解出的优化队形具有更高的发现海底信标的平均概率。[结论]该方法能够有效提升多UUV对海底声信标的搜索性能,并给出合理的队形优化方案。     

移动网络海上应急物流路径规划算法

传统算法缺乏海上应急物流路径规划网络数据库的构建,导致在对物资配送时时间过长,为此设计一种移动网络的海上应急物流路径规划算法。应用航行条件的属性信息,以矩阵形式构建海上应急物流路径规划网络数据库,根据数据库内信息确定海上路径可通行的难易程度,并对海上应急路径当量长度计算,寻求到最短配送路径进行静态路径规划,考虑船舶行驶中航行环境会发生变化,提出动态规划流程,完成海上应急物流路径的规划。实验中对多个物资点配送,结果表明此次设计的移动网络的海上应急物流路径规划算法的物资配送时间比传统算法的物资配送时间短。     

复杂海面环境下船舶航行最优路径规划数学模型

以保障船舶安全航行为基础,以提升船舶续航能力为目的,研究复杂海面环境下船舶航行最优路径规划数学模型。利用概率路图法将船舶航行的、具有复杂海面环境特征的全局海域环境转换成离散空间,采用连接采样点获取离散空间若干条由初始点至目的点的路径,生成路线图。依照某船舶航行性能评价指标,构建航行路线图中的最优路径规划数学模型,考虑复杂海面环境设定地形与威胁约束、船舶转弯角度约束以及路径平滑度约束等。采用基于震荡型入侵野草优化算法求解数学模型,在所构建的路线图内获取一个符合标准的解向量,即最优路径规划结果。实验结果显示,该模型能够有效获取最优路径规划结果,以能耗最低为船舶航行性能评价指标时更利于船舶续航。     

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。     

基于通视性分析的UUV目标测试航路快速规划方法研究

水下无人航行器(UUV)作为一种能在复杂海洋环境下完成侦查监视,情报收集,甚至是作战任务的新型武器装备,在当今军事装备的发展研究中越来越受到重视。航路规划的目的是考虑各种复杂因素为航行器规划出一条安全隐蔽、耗费代价小的路径,其决定了水下无人航行器智能化程度的高低,是自主导航中的一个重要组成部分。论文主要研究海洋环境下水下无人航行器的快速航路规划方法,先为海洋环境建立规划空间模型,然后在该模型上进行了基于通视性分析的航路快速规划方法研究。