基于贪心蚁群算法的无人水面艇全局路径规划

为解决无人水面艇(unmanned surface vessel,USV)在地型较复杂小型水域内的全局路径规划问题,提出一种以贪心算法、蚁群算法、栅格法建模为基础,通过加入双向搜索算法来解决传统贪心算法搜索时易陷入局部最优解等问题的贪心蚁群算法。该算法利用贪心算法规划基础路线,利用蚁群算法的信息素机制摆脱局部收敛状态,并通过双向搜索算法降低局部收敛概率。仿真结果表明:该算法搜索时间较传统蚁群算法减少70%以上,迭代次数较传统蚁群算法减少约85%;该算法在处理USV的全局路径规划问题中具有一定的有效性、合理性。     

基于深度Q网络的水面无人艇路径规划算法

为实现水面无人艇(unmanned surface vessel, USV)在未知环境下的自主避障航行,提出一种基于深度Q网络的USV避障路径规划算法。该算法将深度学习应用到Q学习算法中,利用深度神经网络估计Q函数,有效解决传统Q学习算法在复杂水域环境的路径规划中容易产生维数灾难的问题。通过训练模型可有效地建立感知(输入)与决策(输出)之间的映射关系。依据此映射关系,USV在每个决策周期选择Q值最大的动作执行,从而能够成功避开障碍物并规划出最优路线。仿真结果表明,在迭代训练8 000次时,平均损失函数能够较好地收敛,这证明USV有效学习到了如何避开障碍物并规划出最优路线。该方法是一种不依赖模型的端到端路径规划算法。     

基于改进动态窗口法的无人水面艇自主避碰算法

为研究避碰规则、无人水面艇(unmanned surface vessel, USV)运动学特点和海上交通复杂度等因素约束下的USV自主避碰技术,在分析初始动态窗口法的基础上,考虑《国际海上避碰规则》(International Regulations for Preventing Collisions at Sea, COLREGs)关于避碰行动时机、避让幅度、复航时机等方面的要求,建立融合避碰规则的动态窗口模型,设计融合避碰规则的动态窗口法。通过对比仿真实验验证该方法的可行性和有效性,具有一定的现实意义。     

基于单目视觉的水面浮标位置检测

为提高无人水面艇(unmanned surface vessel, USV)在航行过程中对水面浮标位置检测的准确度,提出一种应用于USV的基于单目视觉的水面浮标位置检测方法。该方法通过建立浮标与USV之间的三维场景模型,依据相机成像原理得到浮标投影图像并计算投影面积;利用获取的面积和距离数据,建立面积与距离的关系模型进行距离估计;根据浮标与USV的位置关系估计浮标相对于USV的方位角;根据所估计的距离和方位角计算浮标的位置。通过仿真实验分析浮标旋转角度和观测方位对测距精度的影响,通过实船实验验证方法的可行性。由实验结果可知,在50 m距离内位置检测的平均相对误差小于3.0%,表明本研究所提出的基于单目视觉的水面浮标位置检测方法具有一定的实用性。     

基于人工势场法的自治水下机器人路径规划

为解决自治水下机器人(Autonomous Underwater Vehicle, AUV)的路径规划问题,规划动态人工势场技术路径.在传统人工势场方法的数学模型和仿真试验的基础上,提出1种改进的势场函数,在二维空间中对水下机器人进行数学建模.在Matlab中针对动态障碍物、静态目标物的动态水下环境进行仿真试验.结果表明,运用该技术可以达到良好的效果.