多圆碟形水下滑翔机的双层协调三维路径规划

本文研究了欠驱动圆碟形水下滑翔机集群在海流干扰和水下碍航物影响下的三维路径规划问题. 具体地: 第一, 根据圆碟形水下滑翔机的航行特点, 建立了相应的航行时间模型, 设计了三维路径规划的优化目标; 第二, 提 出了一种基于双层协调的多水下滑翔机三维路径规划结构, 采用基于三维离散空间的全局路径规划和基于人工势 场法的局部路径规划, 避免了滑翔机与碍航物以及不同优先级的滑翔机之间发生碰撞; 第三, 基于双层协调路径规 划结构, 采用基于量子行为的自适应粒子群优化方法完成了时间最优目标下多圆碟形水下滑翔机的三维路径规划. 仿真结果验证了所提多圆碟形水下滑翔机三维路径规划方法的有效性.     

能耗最优的水下滑翔机采样路径规划

研究了以能耗为优化准则的水下滑翔机海洋环境参数采样路径规划方法.首先,根据水下滑翔机的运动特点,建立了水下滑翔机采样作业过程的能耗模型;其次,基于能耗模型提出了一种能耗最小的滑翔运动参数优化方法,该方法避免了求解复杂的混合整数非线性规划问题;之后,在能耗最优的滑翔运动参数优化基础上,提出了一种基于两步链式Lin-Ker...     

水下滑翔机自适应覆盖采样

针对水下滑翔机对动态、未知的海洋特征的采样问题,提出了自适应覆盖采样算法.首先,定义了基于质心Voronoi分割采样空间的最优覆盖采样准则;然后,设计了在线参数估计算法,利用带遗忘因子的递归最小二乘法估计海洋特征参数;最后,设计了分布式控制算法,能够保证各个水下滑翔机从任意的初始位置收敛于定义的最优的覆盖采样网络配置.利用仿真实验对上述方法进行了有效性验证,结果表明本文提出的算法能够更好地完成对动态海洋特征的覆盖采样.     

基于主从结构的多水下机器人协同路径规划

关于多水下机器人协同路径规划问题,是多水下机器人协同控制的重要研究内容之一,是一种典型的含多个约束条件的组合优化问题.针对多机器人协同路径规划因约束条件多导致算法复杂度高、耗时、求解困难等问题,提出了一种主从结构的并行多水下机器人协同路径规划算法.进化过程的每一代,子层结构应用粒子群并行算法,生成各架机器人当前的最优路径,同时,主层结构应用微分进化算法实时给出当前考虑机器人与障碍物、机器人与机器人之间避碰情况下,总系统运行时间最短的路径组合方案.上述结构将多约束分解到不同层面,有效地降低了单层结构因过多的约束条件计算时间过长以及不易实现等困难.仿真结果表明,上述算法不仅能在静态环境下生成可行的、优化的组合路径,而且在当障碍物随时间随机移动的动态环境下,也表现出可行的、良好的效果,为求解多水下机器人协同路径规划问题提供了一个高效的解决方案.     

基于Q学习的水下滑翔机路径规划方法

针对水下滑翔机路径规划问题，提出了一种基于Q学习的水下滑翔机路径规划方法。考虑到水下滑翔机在执行一些特定任务时会提前给定俯仰角及深度参数，且航向角选择范围通常是几个离散角度值，本文针对典型的几种俯仰角情况分别设计了航向动作选择集，这避免了Q学习方法“维数爆炸”问题。根据水下滑翔机航程最短的目标和障碍物外部约束条件，设计了奖励函数与动作选择策略。相较于传统路径规划方法，本文提出的方法不需要提前知道环境信息，而是在学习过程中根据环境的反馈选择最优动作，因此该方法在不同的环境条件下有优良的迁移能力。仿真结果表明，该方法能在未知环境中为水下滑翔机规划出规避障碍且航程短的路径。     

一种时变洋流场下AUV最优能耗路径规划方法

在时变洋流场环境下,洋流矢量增加了时间维度,在时间角度上可进一步利用洋流以节约自主水下机器人(AUV)能量消耗.此外,在该环境中无后效性不再成立,基于经典贪婪策略的路径规划算法不再适用.鉴于此,结合路径参数选择和双层规划算法,提出一种适用于时变洋流场环境的能耗最优路径规划算法.出发时间和AUV推进速度均可以在时间维度上等待有利洋流,且推进速度与其能量消耗直接相关,因此,引入出发时间和推进速度作为路径参数.在此基础上,针对无后效性不成立问题,使用双层规划作为路径规划算法,分析该算法在时变洋流场环境下的适用性.算法将路径规划任务分为路径规划与路径优化两部分,路径规划部分采用蚁群系统算法构建通道,路径优化部分由量子粒子群算法对路径参数进一步优化,在保证全局最优的同时能够解决传统基于栅格的路径规划算法中机器人运动方向受限的问题.最后以Kongsberg/Hydroid REMUS 600s型水下机器人为模型,对所提出的路径规划算法进行仿真验证.     

海洋中尺度涡旋观测任务中的水下滑翔机协同控制策略

为了实现以水下滑翔机为平台,组队进行海洋中尺度涡旋的采样观测任务,提出了一种水下滑翔机队形协同控制方法．该控制方法可以使滑翔机能够完成以涡旋中心为圆心的预定圆形轨迹的循迹采样,同时在采样过程中能够使滑翔机保持任意预定的相对位置关系．首先,利用极坐标系对滑翔机的队形参数进行建模;然后根据队形参数提出对应的能量方程;最后通过最小化能量方程的导函数,制订相应的水下滑翔机航向控制律．通过建立仿真系统并对不同的轨迹参数进行仿真,在涡旋中心恒速运动和变速运动的情况下,载体均实现了对涡旋区域内不同半径圆形轨迹的跟踪采样观测任务,证明了该方法能够满足圆形预定轨迹上滑翔机队形保持的要求,为进行海洋中尺度涡旋区域组队观测采样提供了一种有效的队形控制方法．     

隘路环境下排爆机械臂Multi-RRT路径规划算法

排爆机械臂通常工作在类似隘路的环境中,传统的基于采样的路径规划方法在隘路环境下计算效率较低;提出一种采样增强的Multi-RRT路径规划方法,该方法分为两个部分:第一部分为区域随机桥采样法,该方法以采样特征决定局部C空间(configuration space)随机桥测试的参数并采集有限隘路样本;第二部分为Multi-RRT算法,以起始点、目标点和随机桥采样所得点为树根,多树多方向协调生长规划路径;仿真实验结果表明该方法提高了快速扩展随机树算法的计算效率,有效地解决了隘路环境下排爆机械臂的路径规划问题,适用于多维高自由度机器人系统的路径规划。     

基于内螺旋搜索的生物激励遍历路径规划算法

针对传统生物激励神经网络遍历路径规划的重复覆盖率高和子区域间路径不是最优的问题,提出了基于内螺旋搜索的生物激励遍历路径规划方法.方法 在未知水下环境信息的情况下通过生物激励神经网络算法完成水下地图环境建模与路径规划,在分割出子区域后通过内螺旋算法占主导完成子区域遍历,避免神经元活性值相同引起重复覆盖,子区域间通过A*算法实现最优路径规划.仿真结果表明,相较原方法,上述方法生成的路径分别在重复覆盖率、运行时间、路径长度指标上均有较大提升.     

模糊时间窗VRP的动态规划和禁忌搜索混合算法

为优化具有模糊时间窗的车辆路径问题,以物流配送成本和顾客平均满意度为目标,建立了多目标数学规划模型。基于Pareto占优的理论给出了求解多目标优化问题的并行多目标禁忌搜索算法,算法中嵌入同时优化顾客满意度的动态规划方法,运用阶段划分,把原问题分解为关于紧路径的优化子问题。对模糊时间窗为线性分段函数形式和非线性凹函数形式的隶属度函数,分别提出了次梯度有限迭代算法和次梯度中值迭代算法来优化顾客的最优开始服务时间。通过Solomon的标准算例,与次梯度投影算法的比较验证了动态规划方法优化服务水平的有效性,与主流的NSGA-II算法的对比实验表明了该研究提出的多目标禁忌搜索算法的优越性。