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。     

搜索算法在无人艇航迹规划中的应用

[目的]为了更加有效地利用无人艇(USV)执行复杂的海洋作业,需要可靠的航迹规划算法.针对现有路径规划算法研究,提出一种基于2D扫描思想的搜索扫描算法.[方法]首先,建立环境空间模型,在起点与终点之间存在障碍物的前提下,通过起点360°扫描获取周围障碍物信息,并确定子节点.然后,通过确定代价函数获取子节点,不断扫描最优...     

基于改进Bi-RRT的无人水面艇自动避碰算法

[目的]提出一种实现无人水面艇(USV)在高速航行时自动规避障碍物的方法。[方法]将双向搜索树(Bi-RRT)算法与速度障碍法相结合,得到基于改进Bi-RRT的无人水面艇自动避碰算法。针对Bi-RRT算法扩展操作中父节点延伸方向位于锥形碰撞区内的情况,提出避碰危险度系数与障碍物排斥向量,使父节点延伸方向有远离障碍物中心的趋势。同时,针对算法实时性问题,提出两棵搜索树并行延伸扩展的方式,以及当父节点延伸方向位于锥形碰撞区外时触发的目标吸引向量,以加速算法收敛。[结果]结果显示,采用上述改进方法设计的算法搜索树延伸失败次数降低,规划的避碰路径短且更加平滑。[结论]该改进Bi-RRT算法实时性强、路径规划质量高,对实际工程应用有重要意义。     

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。     

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。     

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。     

基于改进蚁群的智能船舶全局路径规划方法

船舶路径规划是指在特定的海洋环境下,按照一定的寻优策略,给定出发点和目标点,完成船舶航行所需求的航线规划。本文依据改进的蚁群算法进行智能船舶路径规划,基于对障碍物膨化处理后的栅格地图,针对经典蚁群算法局部最优问题,加入了状态自适应调整,信息素自适应更新和拐角处理策略,在提高算法收敛速度的同时保证了所得路径的平滑性及安全性,实现了智能船舶的安全、经济航线规划。     

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.     

一种基于AIS数据的船舶航线自动规划方法

为采用航线自动规划技术设计出最优船舶航行路径,提出一种基于船舶自动识别系统(Automatic Identifi-cation System,AIS)数据和航行区域栅格化地图建立环境模型,结合蚁群算法求解最优航线的航线自动规划方法.对航行区域地图进行栅格化处理,利用海量AIS数据定义可通航栅格和障碍物栅格,结合邻接矩阵...     

AUV cluster path planning based on improved RRT* algorithm北大核心CSCD

[目的]针对微小型欠驱动自主式水下机器人(autonomous underwater vehicle,AUV)集群控制问题,设计一种基于改进RRT^(*)算法的编队控制策略。[方法]RRT^(*)算法规划的路径陡变难以跟踪且收敛速度较慢,针对该问题提出改进方法。首先加入偏置函数使随机采样点靠近目标点,然后采用Dubins曲线平滑连接采样点,通过在可变半径范围内重新布线,并设计有关曲线长度与避障的代价函数,选择最优路径。依据代价和最小值为多AUV分配集结点,协调多AUV速度完成最小集结时间约束,随后设计基于Dubins路径的分段向量场构造方法,使得多AUV跟踪规划路径,到达目标集结点时速度与方向保持一致。[结果]仿真结果表明,多AUV编队平均路径长度缩短26.6%,平均集结时间缩短21.7%。[结论]该算法路径规划质量高,可顺利完成编队集结任务。     

海上风电场区船舶A~*避碰寻路算法

针对国内风电场距离航道较近、船舶在其附近航行时容易发生碰撞事故的问题,研究基于A~*改进算法的海上风电场水域船舶避碰寻路算法。基于改进的人工势场模型,按照船舶避碰要求建立风机威胁势场和他船威胁势场;将风电场区地图栅格化,计算各小方格处总的威胁值,构建威胁地图;以各栅格的威胁值作为船舶航行代价,利用A~*算法找出从当前点到目标点的移动航线;针对采用普通A~*算法生成的航线中拐点多、方向受限的问题,提取各拐点进行通视性检验并删除冗余点,最终得到符合船舶在风电场区航行要求的安全航线。仿真试验结果表明:采用该方法得到的规划航线能在与风机障碍物保持安全距离的同时,具有最短长度。     

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。     

基于动态窗口法的近海水域船舶避障算法研究

[目的]提出一种改进的动态窗口法,以解决近海水域智能船舶在面对夹击及动静混合会遇时无法有效避让的船舶避障问题。[方法]为得到在近海水域航行的船舶约束条件,针对近海水域对船舶避障的影响因素进行分析,同时提出近海水域船舶航行最低避障要求;然后对动态窗口法（DWA）的目标函数进行优化改进,并将其与船舶和障碍物的距离相关联,以提升船舶在航行图中的安全性,同时将目标函数中的航向权值引入船舶会遇态势判断,以使目标船舶可以有效判断船舶的避障责任;最后,通过仿真模拟验证改进算法的有效性。[结果]仿真结果表明,所提的改进算法在分别遭遇夹击以及复杂会遇的情况下,能够清晰地判断船舶的避障责任,降低航行过程中的速度变化陡峭度,且所规划的船舶航行路径可有效提升船舶航行的安全性。[结论]所提避障算法可为解决近海水域智能船舶遭遇复杂会遇情景的避碰失败问题提供参考。     

水面无人艇路径规划研究综述

水面无人艇近年来受到国内外专家学者越来越多的关注。为了总结分析USV现有路径规划方法及其优缺点,通过对USV路径规划研究进行分类综述和分析,从获取环境空间障碍物的方式,将USV路径规划分为基于海洋环境信息的全局路径规划和基于传感器信息的局部路径规划。总结基于各类研究方法的主要研究成果及其主要特点,剖析其存在的主要问题,阐明USV路径规划的研究思想和意义,提出USV路径规划今后可能的发展方向。     

基于深度网络的船舶冰区航行路线规划方法

本文提出基于深度网络的船舶冰区航行路线规划方法。从船舶航行动作出发,以深度Q网络为基础,设计船舶航行所处的状态空间、动作空间以及奖励函数,其中使用栅格法建立冰区模型,构建船舶航行的冰区状态空间;船舶动作在各空间及奖励函数过程中学习与训练,生成寻优路线,经平滑处理后,缩短航行距离,由此为船舶规划出从当前位置出发,能够避免与冰区中浮冰发生碰撞的航行线路。研究结果表明,该方法迭代8 000次后能够生成较为良好的路径,模拟生成的航线能够准确避开浮冰且路径节点减少较为平滑。     

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。     

利用人工势场法实现无人艇二维路径规划

无人艇作为海洋勘探及开发的重要工具,路径规划的效率及安全性是保障无人艇执行任务的关键。在路径规划中,如何实时避开移动及静态障碍物是路径规划重点关注的问题。无人艇路径规划由于计算能力的限制,势场变换采用二元函数,且在实际规划中函数系统为常量,算法复杂度较低,但最终结果往往会陷入局部最优解。本文改进传统的人工势场路径规划算法,引入指数级势场变化函数,降低势场的变换幅度,提高路径规划的准确性。     

基于大数据与人工智能的舰船避碰路径优化调度算法

舰船航行路径中存在许多障碍物,当前舰船避碰路径优化调度算法存在障碍物识别正确率低、规划路径长,不仅无法获得最优的舰船航行路径,而且不能保证舰船航行的安全,为了获得最优的舰船航行路径,设计了基于大数据与人工智能的舰船避碰路径优化调度算法。首先分析当前舰船避碰路径优化调度算法的工作原理,找到弊端,然后引入大数据分析方法建立舰船避碰路径优化的数学模型,实现障碍物识别,并采用人工智能技术——遗传算法找到最优的舰船避碰路径,最后进行舰船避碰路径优化调度算法性能的仿真测试,结果表明,本文方法可以更快找到最优的舰船避碰路径,舰船避碰路径更短,不仅减少了舰船航行的时间和成本,而且可以准确识别各种舰船障碍物,具有显著的优越性。