水面无人艇模糊近域图避障方法研究

针对复杂海洋环境下水面无人艇(USV)的危险规避问题，介绍一种基于局部环境信息感知的避障算法——近域图(ND)法。结合 USV高速的特性及ND法在速度控制上的跳跃性，采用模糊理论平滑速度输出，对ND法进行改进。在速度控制中加入与周围障碍物距离相关的动态系数，从而减小USV自身惯性带来的危险规避动作误差，提高了其安全性。VxWorks系统下的仿真结果表明，改进的模糊ND法能够使USV在复杂的环境下准确、快速地躲避障碍物并到达目标点。  

基于电子海图的水面无人艇全局路径规划研究

为解决水面无人艇全局路径规划问题，提出一种基于电子海图的距离寻优Dijkstra算法。该算法使用动态网格模型，克服了传统Dijkstra算法占用内存大的问题，可以减少规划时间，提高规划精度。仿真结果表明，采用的环境模型表示方法以及路径规划算法可以生成安全、合理的航线。  

无人艇航迹跟踪GPC-PID串级控制

水面无人艇(unmanned surface vehicle,USV)系统存在有大惯性、长时滞、非线性、难以建立精确模型等问题,易受海浪等外界干扰的影响,采用传统的PID控制难以达到良好的航迹跟踪控制效果。为了实现更好的控制效果,基于广义预测理论,将其与PID控制相结合,设计了GPC-PID串级控制器,分别控制无人艇的转艏运动和操舵运动,并采用分离式控制方案,通过航向控制间接实现无人艇的航迹跟踪控制。从matlab仿真实验结果可以看出,GPC-PID控制器具有良好的航向控制与航迹跟踪控制效果,具有响应速度快,控制精度高,鲁棒性好,抗干扰能力强等优点。  

水面无人艇自适应危险规避决策过程收敛性分析

水面无人艇(unmanned surface vehicle,USV)是一种重要的海洋自主机器人,当前正被广泛研究并逐渐应用于实际.然而USV的安全航行问题仍严重制约其自主性能的提高,尤其是在复杂海况下的危险规避问题亟待解决.以Sarsa在线策略强化学习算法为基础,提出了USV在复杂海况下的自适应危险规避决策模型,并以渐进贪心策略作为行为探索策略,证明了USV自适应危险规避决策过程能够以概率1收敛到最优行为策略.论证结果表明,采用在线策略强化学习算法提升USV在复杂海况下的危险规避性能是可行的.  

基于双通道事件触发机制的水面无人艇同时故障检测与控制

本文研究双通道事件触发通讯机制下水面无人艇(USV)的同时故障检测和控制(SFDC)问题. 考虑执行器 故障和外部扰动, 建立了SFDC框架以同时实现控制和故障检测目标. 为了节约有限的通信资源和系统能源, 在传感 器–控制器通道和控制器–执行器通道分别部署了积分型事件触发器. 在事件触发的通讯机制下, 提出了故障检测器 和控制器的联合设计准则. 最后, USV的仿真结果验证了提出的基于事件触发的SFDC方法的有效性.  

基于改进蚁群算法的水面无人艇路径规划

针对水面无人艇路径规划问题,提出一种改进蚁群算法进行求解.该算法建立作用时效不同的局部禁忌表和全局禁忌表,实现对蚂蚁途经栅格的分类存储,在蚂蚁发生障碍死锁和自死锁时分别采取不同的死锁处理策略,从而降低无效蚂蚁产生的概率,提高解的多样性;引入当前蚂蚁所处栅格与终点栅格之间的欧式距离,设计自适应启发函数,以避免蚂蚁路径搜索的初期盲目性与后期单一性;适时采用历史最优路径替换本轮迭代中的最差路径,保证已搜索到的最优路径不会丢失.在不同规模、不同复杂度地图中的仿真结果表明,所提出改进算法能够大幅度提高搜索过程中有效蚂蚁的数量,其收敛速度与精度两方面性能均优于未改进算法.在规模较大、复杂度较高的地图中,更能体现应用改进算法的优越性.