无人水面艇局部路径规划算法研究综述

路径规划是无人水面艇(USV)的研究热点之一,是实现USV无人化、自主化、智能化的关键技术.针对USV局部路径规划问题,从路径搜索与轨迹优化这两个层面,分别阐述各种算法的特点.结合近年来最新研究成果,深入分析各种算法的特性及不足,总结归纳算法为适应USV运动特性而进行的改进.最后,对USV局部路径规划的发展趋势进行简要...     

水面无人艇路径规划的现状与挑战

近年来,随着人工智能技术的发展,水面无人艇（USV）成为了海洋工程的研究热点,而路径规划问题一直都是无人船艇智能化进程中的一项关键技术。文章首先介绍了现有路径规划的环境建模方法,并对比了各种方法的特点。根据无人艇对环境信息的获取程度,分别从全局路径规划、局部路径规划、近程反应式危险规避和运动规划等4个维度综述了路径规划方面的最新研究成果,总结了学术界对各种算法改进的切入点。最后探讨了当前无人艇路径规划领域面临的挑战和研究重点,未来对USV路径规划研究应该在实际海况数据的利用、控制器协同、COLREGS的融合、复杂海况的规避、碰撞危险评估模型的完善、路径评价体系的建立等方面重点开展。     

基于Citespace的水面无人艇路径规划与避障算法研究

水面无人艇作为一种机动灵活的水面自主平台,因其可在危险或极端环境下替代人执行水文勘察、巡逻搜救等任务,近年来引发了国内外研究热潮。路径规划与避障作为无人艇自主作业的前提,受到重点关注。本文利用科学计量软件Citespace对无人艇的路径规划与避障技术进行分析,系统总结水上无人艇的感知模块、路径规划与避障经典算法及新兴算法,并对该领域的未来发展进行展望。     

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。     

水面无人艇研究现状

智能无人系统具有运行效率高、可靠、低成本的特点,面对紧急救援、敌情侦察等危险场景,无人系统往往更具优势。近年来用于科研与军事的无人艇平台陆续出现。这类平台一般都具备环境感知、智能决策与通信的基本功能。如有特定作战需求,则还可搭载传感或武器装备。本文根据现有典型无人艇平台,总结无人艇系统的基本软硬件架构,包括传感、决策、通信等模块。然后,针对决策模块中的数据处理、路径规划与控制对现有技术进行回顾,并基于此提出一种能有效处理系统约束条件、实现一定系统性能优化的无人艇预测控制方法。最后,对未来战场上无人艇在海、陆、空敌情发现/作战中扮演的角色与功能需求做简要展望。     

基于改进A~*算法的水面无人艇路径规划

本文基于传统的A~*算法理论,对算法进一步改进,提出一种改进的平滑A~*算法,并应用于水面无人艇的安全路径规划。该算法以传统的栅格建模为基础,对运动到障碍物顶角附近时进行判断并且做出圆弧转向处理,使航行体能够安全避开障碍物,使路径更加平滑安全。优化栅格建模方法,以实心表示障碍点,对同一地图不同起始点进行研究,改进折线转弯为圆弧,使路径和障碍物之间有足够的安全距离。在Matlab仿真环境进行仿真实验,结果表明,该优化算法可以明显改善无人驾驶船舶的安全性和可靠性。     

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.     

水面无人艇路径控制技术

水面无人艇受风、浪、流的影响,因此对航行安全至关重要的实艇运动路径控制方法变得十分复杂。本文选取改造后的7 m小艇进行操纵性试验,测定操纵相关系数。基于实艇试验和数值仿真计算的结果,结合风、浪、流干扰模型,建立一套水面无人艇路径控制方法。最后进行了相应的实艇试验,验证了本文方法的有效性。     

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为航迹优化函数,将多约束条件转化为惩罚函数,采用自适应差分进化算法进行优化求解。[结果]仿真结果表明,所提方法能够在威胁和障碍环境中保持无人艇和无人机集群的安全航行和通信连接,并在满足多约束的条件下实现集群平均航行时间最短。[结论]该方法可用于海上无人集群面对威胁和障碍环境时的离线航迹规划,具有一定的应用价值。     

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。     

内河无人船局部路径规划和循迹控制

提出了内河无人船在水流中的局部路径规划算法,并在直线Line of Sight算法基础上设计了一般曲线路径的LOS循迹控制算法。将此算法结合完成了内河无人船的航行试验,实现了在落潮、涨潮等不同水流条件下的无人自主航行,验证了所提算法的有效性和实用性,对内河无人船的应用研究具有借鉴意义。     

Local path planning method of the self-propelled model based on reinforcement learning in complex conditions

Conducting hydrodynamic and physical motion simulation tests using a large-scale self-propelled model under actual wave conditions is an important means for researching environmental adaptability of ships. During the navigation test of the self-propelled model, the complex environment including various port facilities, navigation facilities, and the ships nearby must be considered carefully, because in this dense environment the impact of sea waves and winds on the model is particularly significant. In order to improve the security of the self-propelled model, this paper introduces the Q learning based on reinforcement learning combined with chaotic ideas for the model＇s collision avoidance, in order to improve the reliability of the local path planning. Simulation and sea test results show that this algorithm is a better solution for collision avoidance of the self navigation model under the interference of sea winds and waves with good adaptability.     

Path optimization for marine vehicles in ocean currents using reinforcement learning

This study proposes a path planning algorithm for marine vehicles based on machine learning. The algorithm considers the dynamic characteristics of the vehicle and disturbance effects in ocean environments. The movements of marine vehicles are influenced by various physical disturbances in ocean environments, such as wind, waves, and currents. In the present study, the effects of ocean currents are the primary consideration. A kinematic model is used to incorporate the nonholonomic motion characteristics of a marine vehicle, and the reinforcement learning algorithm is used for path optimization to generate a feasible path that can be tracked by the vehicle. The proposed approach determines a near-optimal path that connects the start and goal points with a reasonable computational cost when the map and current field data are provided. To verify the optimality and validity of the proposed algorithm, a set of simulations were performed in simulated and actual ocean current conditions, and their results are presented.     

水面无人艇任务规划系统分析

水面无人艇因具有速度快、机动性高、自主性强等特点,在军事上具有十分广阔的应用前景。水面无人艇能在非结构化的、不确定性的海洋环境下完成任务,任务规划系统是其发挥效能的重要环节,一定程度上标志着无人艇的智能水平。对任务规划系统概念、发展现状、类型划分等方面进行研究,结合水面无人艇平台特点,探讨无人艇任务规划系统的研究难点与特点,并针对典型任务下的任务规划系统进行分析研究,对水面无人艇任务规划系统未来应用的发展方向进行了展望。     

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。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

基于多智能体技术的水面无人艇测控系统研究

多智能体技术适合于解决复杂系统的设计.在简要介绍多智能体技术和水面无人艇测控系统的基础上,分析了将多智能体技术应用于水面无人艇测控系统设计的可行性,提出了水面无人艇多智能体测控系统模型和架构设计,并探讨了系统的开发方法.     

基于粒子群优化支持向量机的水面无人艇故障诊断

通过故障诊断可以对水面无人艇可能要发生的故障进行预报、分析和判断,从而及时调整控制策略以抑制故障的继续发展,为消除故障、维修设备提供准确的技术支持.SVM是基于统计学习理论的一种机器学习方法,常用于故障诊断,在解决小样本、高维度、非线性模式识别问题中有独特优势.SVM分类的准确率由其属性参数直接决定,而最佳的属性参数往往很难直接得到.基于粒子群优化SVM(PSO-SVM)的水面无人艇故障诊断方法,即将粒子群优化算法(PSO)用于SVM属性参数的优化选择中,充分发挥了PSO算法的全局搜索能力和易于实现的优势.水面无人艇故障诊断实例分析结果表明,PSO-SVM的故障诊断精度高于BP-NNs、GS-SVM、GA-SVM。PSO-SVM适用于水面无人艇故障诊断.