| 基于改进A*GBNN算法的AUV路径规划研究 |
| |
| 引用本文： | 郝启润,吴浩峻. 基于改进A*GBNN算法的AUV路径规划研究[J]. 船舶工程, 2020, 42(9): 128-132 |
| |
| 作者姓名： | 郝启润 吴浩峻 |
| |
| 作者单位： | 大连海事大学,大连海事大学 |
| |
| 基金项目： | 国家重点研发计划重点专项（2016YFC0301500）；辽宁省自然科学基金指导计划（20180550684）；国家自然科学基金（61673081；51979020；51909021）；大连市杰出青年科技人才计划（2018RJ08）；哈工程水下机器人重点实验室稳定支持基金项目（JCKYS2019604SXJQR-01）；交通运输行业高层次人才培养项目（2018-030）；中央高校基本科研业务费专项资金资助（3132020197）。 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 路径规划；自主水下航行器；生物启发神经网络；A*算法；跳点搜索规则； |
| 收稿时间： | 2020-01-05 |
| 修稿时间： | 2020-09-29 |
AUV path planning based on improved GBNN algorithm with A* |
| |
| haoqirun and. AUV path planning based on improved GBNN algorithm with A*[J]. Ship Engineering, 2020, 42(9): 128-132 |
| |
| Authors: | haoqirun and |
| |
| Abstract: | Aiming at the problems of existing Glasius bio-inspired neural networks (GBNN) algorithms in unknown environment, such as long path planning time and easy to fall into local optimum, an improved algorithm which combining A * and GBNN model is proposed. In the GBNN model, the algorithm calculates the active output value of each grid as the cost function of A * and optimizes it using Jump Point Search strategy to achieve real-time path planning in an unknown environment. Simulation results show that the proposed algorithm effectively improves the efficiency of the autonomous underwater vehicle (AUV) in an unknown environment and can meet the requirements of AUV real-time path planning. |
| |
| Keywords: | Path Planning AUV GBNN A* algorithm Jump Point Search |
|
| 点击此处可从《船舶工程》浏览原始摘要信息 |
|
点击此处可从《船舶工程》下载全文 |
