环境地图的格栅化及路径规划研究

电子海图中的海洋环境地理信息通常由复杂几何图形构成,在路径规划时需要建模处理,格栅化是最常用的处理方法。本文针对实际环境中的路径规划问题,分析环境地图格栅化对路径规划的影响,并介绍A*算法在栅格地图路径规划中的应用。以某海域环境为例,对不同尺度下的栅格地图进行路径规划对比分析。研究表明,环境地图的格栅化会显著提高路径规划的效率,但是过大的网格尺度会破坏规划空间的连通性。合理地调节障碍物边界处的等效网格设置,可以保证路径规划空间的连通性,在提高路径规划效率和成功率的同时,并不会影响规划路径的最终结果。     

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。     

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...     

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。     

USV地形测量路径自主规划研究与应用

针对未知近岸海域水上水下地形一体化测量需求,无人水面艇（Unmanned Surface Vehicle,USV）搭载导航雷达、深度计、POS MV、多波束测深仪及激光扫描仪等设备,通过设计在线地图构建及测量路径规划方法,使得USV在未知环境下自主完成地形一体化测量任务。通过离线电子海图获得待测区域初始基准地图,结合雷达、深度计等传感器实时感知的信息,采用一种基于贝叶斯估计方式的占据栅格建图方法,实现对基准地图的修正、更新,进而根据测量需求自适应调节测量路径间距。同时构建测量地图,使用基于神经元激励方法自主实现完全遍历的测量路径规划,兼顾使用A星算法避免路径规划锁死,以获得合理可行的测量路径实时规划结果。USV按照自主规划的测量路径自主航行,多波束测深仪、激光扫描仪实时测量、获取地形云数据后进行无缝拼接,完成未知近岸海域的水上水下地形一体化测量工作。     

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。     

基于拓扑位置关系的无人艇路径搜索方法

针对目前路径规划容易陷入局部最优和搜索时间较长的问题,提出基于拓扑位置关系的无人艇路径搜索方法。分析空间物体的拓扑位置关系,构建基于拓扑位置关系的地图表达。在地图要素表达、拓扑关系谓词和拓扑路径可达的基础上建立拓扑地图,避免大量网格化的路径搜索造成时间复杂度提升,同时避免搜索陷入局部最小值。采用Dijkstra算法对建立的拓扑地图进行最优路径选择。试验结果表明:在障碍物不变、搜索范围变大的情况下,该方法相比栅格化的A*算法能以较低的搜索时间实现更优路径的搜索。     

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。     

基于弹性网格的改进遗传算法在无人艇路径规划中的研究

针对传统遗传算法进行路径规划时搜索空间大、出现过多搜索冗余和收敛效率低等问题,提出在基于网格的遗传算法上加入弹性网格概念。在低密度的网格地图下求解当前最优路径,针对转向点局部增加网格密度,进一步路径寻优,如此重复,以减小算法搜索空间,提高路径规划效率;同时,给出自适应变异概率,使其根据各代路径离散程度自适应调整大小,以提高各代路径多样化,并进行仿真分析和试验。仿真结果表明:平均迭代次数明显少于传统遗传算法,收敛速度得到改善,最终寻优路径达到与障碍物无干涉,总长度明显较短的基本预期效果。     

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。     

基于改进蚁群算法的邮船舱室模块移运路径规划

针对大型邮船舱室模块运输过程中存在的移运路线长、路线混乱、舱室模块易与障碍物发生碰撞等问题,提出应用加入动态搜索模型的蚁群算法对邮船舱室模块进行路线规划,为运输舱室模块提供清晰、便捷的移运路线。对主竖区的障碍物进行分析,建立模拟实际工况的栅格地图,采用改进蚁群算法寻找移运路径。对不同位置所经过的栅格地图和蚁群数量进行动态调整。采用模拟退火算法寻找蚁群算法的参数。采用离散点分析确定移运路径的主、支通道。仿真试验结果表明,应用改进蚁群算法建立主、支通道进行舱室移运模块可有效提高舱室模块的运输效率。     

基于网格算法的多仿生机器鱼协调游动控制

在多仿生机器鱼实验平台上,针对多仿生机器鱼按次通过水中一个狭孔的问题,进行了多机器鱼协调控制的初步研究.基于对实验场景视频图像的处理和识别结果,提出了一种多机器鱼游动路径规划的网格算法,实现了多条机器鱼之间无碰撞、无路径干涉的快速游动规划.     

大范围环境下自主式水下潜器两种全局路径规划方法的研究

应用遗传算法(GA)和A·算法对自主式水下潜器(简称AUV)在大范围海洋环境中的全局路径规划问题进行了研究.介绍了基于栅格的环境模型及其数据结构,讨论了GA的染色体编码方式、基于知识的初始种群生成方法与适应度函数,基于领域知识设计了五种遗传算子,给出了A·算法的具体实现方法.通过仿真结果可以看出:GA采用可变长编码方式使路径描述简单、清晰,具有收敛速度快、求解实际问题效率高的特点;A*算法可在较短时间内求得相对栅格优化的路径.两种算法均可满足系统实时性要求.     

基于路径特征的自动化码头AGV自适应交通控制

针对集装箱码头双向导引自由路径环境下水平运输系统交通管理的难题,在考虑车辆物理尺寸、轨迹及行车规则的基础上,构建合理栅格单位的环境地图,建立多车多任务路径的交通控制模型,并提出一种基于路径特征的自适应交通控制方法,采用滚动调度策略和启发式策略的遗传算法进行算例试验。结果表明,相比于固定预留方法,所提出的方法以更小的区段为调度间隔,并形成自适应计划期,预留栅格数量更灵活,实现了灵活区段定义下的道路自适应预留调度并避免阻塞,提高了道路资源的利用率。     

基于船舶火灾蔓延态势的路径规划算法研究

船舶作为海上一个独立的建筑实体,非常容易发生火灾。本文以63500DWT油船船舱作为研究对象,通过对火灾蔓延模拟仿真实验数据进行图表分析,得出了在不同工作条件下在固定检测点位置的温度,CO浓度和烟气浓度变化规律。对基于火灾实时态势的导航网格动态生成方法以及对应的逃生路径规划方法进行研究,得出动态更新导航网格的具体算法,并对传统A*算法路径节点选择问题进行改进,得出适应船舱火灾蔓延信息的最短逃生路径规划算法,通过实验验证,该算法寻路效率更优。     

智能水下机器人路径规划方法综述

路径规划方法是智能水下机器人技术研究的核心内容之一,是实现自主航行和作业的关键环节。本文将水下机器人的路径规划方法按智能程度分为传统和智能两大类。传统方法包括基于路线图构建的路径规划方法、基于单元分解的路径规划方法以及基于人工势场的路径规划方法,智能方法包括基于群智能的路径规划方法和基于机器学习的路径规划方法。针对水下机器人规划环境的特点,分别对这几类典型方法进行总结与评价,重点分析了智能方法的优缺点和关键问题,最后展望智能水下机器人路径规划的未来研究方向。     

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。     

基于差分进化算法的自主式水下航行器在时变水下环境中的快速路径规划方法（英文）

Robust and efficient AUV path planning is a key element for persistence AUV maneuvering in variable underwater environments. To develop such a path planning system, in this study, differential evolution(DE) algorithm is employed. The performance of the DE-based planner in generating time-efficient paths to direct the AUV from its initial conditions to the target of interest is investigated within a complexed 3D underwater environment incorporated with turbulent current vector fields, coastal area,islands, and static/dynamic obstacles. The results of simulations indicate the inherent efficiency of the DE-based path planner as it is capable of extracting feasible areas of a real map to determine the allowed spaces for the vehicle deployment while coping undesired current disturbances, exploiting desirable currents, and avoiding collision boundaries in directing the vehicle to its destination. The results are implementable for a realistic scenario and on-board real AUV as the DE planner satisfies all vehicular and environmental constraints while minimizing the travel time/distance, in a computationally efficient manner.