基于蚁群模拟退火算法的水下机器人路径规划

全局路径规划是水下机器人(AUV)研究领域的重要课题之一,文中研究已知障碍物环境条件下的水下机器人路径规划问题;提出一种分布路径规划方法,首先建立移动机器人路径规划的数学模型,介绍了蚁群算法、模拟退火算法的原理,然后考虑到蚁群算法搜索时间较长,易出现停滞现象的缺点,提出蚁群模拟退火算法来解决大范围海洋复杂环境下水下机器人的路径规划问题;通过仿真实验,表明所提算法有效,并且计算简单、收敛速度快,能够满足水下机器人导航的要求.     

一个水下机器人路径规划系统的实现

我们用层次结构表示水下环境数据，以动态规划算法为核心，实现了一个水下机器人路径规划系统，本文介绍该系统的设计思路及路径规划的实现。     

改进粒子群在水下机器人路径规划中的应用

在海洋环境中水下机器人路径规划具有规划范围广阔、障碍物相对稀疏、海流的影响不可避免的特点。应用粒子群优化(PSO)算法实现水下机器人在复杂海洋环境中的路径规划,并从参数控制策略及拓扑模型方面进行改进,得到收敛精度更好的改进粒子群优化算法。设计了综合路径长度、海流和转向费用的适应度函数,使算法很好地适应海流的变化,很大程度减小了海流对水下机器人能量消耗和控制的不利影响。经仿真实验验证了算法的有效性,并能够很好地满足在复杂海况环境水下机器人路径规划的要求。     

基于BQPSO的潜水器路径规划算法

在栅格法的自治水下机器人离散工作空间基础上,提出一种基于二进制编码的量子粒子群(BQPSO)算法求解自治水下机器人路径规划问题。该算法将路径表示为粒子位置的二进制编码,以路径长度为适应值,引入交叉策略避免陷入局部最小。仿真实验表明,BQPSO算法可以进行有效的自治水下机器人路径避障。     

水下机器人最优逃生线路规划研究与仿真

在水下机器人的逃生路线规划设计中,由于深海条件十分复杂,水下机器人在遇到各种险情逃生路线规划存在避障难题。传统的水下机器人逃生路线规划算法因受到海水连续波动问题,导致水下机器人速度和位置出现较大的扰动,摆脱路径规划结果存在较大偏差。为保障水下机器人作业安全,提出一种基于神经优化网络及遗传算法的水下机器人视觉最优逃生的线路规划,把机器人视觉仪器采集复杂障碍特征,归一化到视觉信息,融入规划模型中进行最佳路径的选择,将机器人摆脱复杂障碍以及最短路径的要求融合成一个适应度函数,通过遗传算法搜索获取最佳机器人逃生线路。仿真结果说明,神经网络优化遗传算法对于危险复杂海下情况,水下机器人最优逃生线路规划长度以及效率都优于传统模型。     

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.     

基于人工势场与速度合成的AUV路径规划

水下环境与地面环境有着本质区别,海流对自治水下机器人航行的影响远大于地面移动机器人所受风速的影响,因此,AUV(Autonomous Underwater Vehicle)水下作业的过程中,不仅要避开运动过程中所遇到的障碍物,还要考虑受到海流因素的影响.将人工势场路径规划算法直接应用到AUV路径规划中,显然难以达到路径最优效果.为解决AUV在海流环境下的路径规划问题,本文针对机器人水下航行的特点,在传统人工势场方法的基础上,考虑海流作用,将速度合成的算法与人工势场相结合,克服海流对AUV水下航行的影响,提出一种新的AUV水下路径规划算法.仿真试验表明,所提算法达到了良好的效果.     

水下机器人最优逃生线路规划研究与仿真

水下机器人最优逃生路线规划方法在海洋资源探测方面发挥巨大作用;水下环境较为复杂,机器人在逃生过程中规划逃生路线需要考虑复杂的水下环境,建立过多的约束条件;传统的机器人路径规划模型应用到水下时,会导致建模较慢,规划耗时;为了避免上述缺陷,提出基于贪婪遗传算法的水下机器人最优逃生线路规划方法;将自适应遗传算法与贪婪算法相结合,针对水下机器人最优逃生路线规划问题求解,获取最合理的逃生线路,保证水下机器人的安全运行;实验结果表明,利用改进算法进行水下机器人最优逃生路线规划,能够在大量的逃生路线中选取满足逃生约束条件的最优路线,缩短逃生时间,保证逃生效率,最终保证水下机器人的安全逃生。     

基于改进粒子群算法的水下机器人路径规划研究

针对水下机器人在路径规划中遇到的约束条件复杂、寻优算法性能不稳定、路径不平滑等问题,文章提出了一种基于改进粒子群算法的水下机器人路径规划方法。首先,基于函数模拟法构建水下地形及障碍物环境;其次,在优化目标设计方面,从减少能耗的角度出发,文章在传统路径长度最短的基础上,又增加了对水下机器人姿态角度变化以及转向节点位置分布均匀性的优化,以进一步适应实际情况;然后,分析了粒子群算法中惯性权重对算法性能的影响,引入了改进措施,以提高算法的寻优性能;最后,将计算出的初始路径采用B样条曲线进行平滑处理,得到最终的机器人运动规划轨迹。仿真实验结果表明,文章所提路径寻优方法相较于传统蚁群算法和粒子群算法,综合能耗分别降低了56.6%和19.3%,在求解能力和收敛性上也表现出了更优的性能。     

基于数字海图的自主水下机器人路径规划研究

为了解决远程自主水下机器人（LAUV）路径规划问题，提出一种基于数字海图的路径规划算法．该算法对传统人工势场法进行了有效改进，克服了传统人工势场法固有的缺点和不足，可以用于LAUV离线和在线路径规划．其有效性已在半物理实时仿真平台上得到了验证．     

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.     

基于局域网的多水下机器人仿真系统设计与实现

多水下机器人仿真系统是一个能够对多水下机器人系统的体系结构、协调控制、路径规划、学习算法等进行演示验证的分布式实时数字仿真系统,是开展多水下机器人技术研究的基础和有效手段．讨论了应用基于局域网的分布式仿真技术来解决多水下机器人系统仿真的问题,并详细说明了仿真系统的硬件组成和软件总体设计．     

基于前视声纳信息的AUV局部路径规划研究

针对水下环境的不确定性,建立了前视声纳的视域模型。主要采用强化学习的方法对自治水下机器人(AUV)进行控制和决策,综合Q学习算法、BP神经网络法、人工势场法对AUV进行局部路径规划。在AUV与环境的试错交互中,借助于来自成功与失败经验的奖励和惩罚值,不断改进水下机器人的自治能力。并设计了AUV局部路径规划器,实现AUV在不确定环境下的避障任务。半实物仿真证明了算法的可行性与可靠性。     

遗传算法在水下机器人路径规划中的应用

提出一种分层路径规划算法来解决大范围海洋环境下的智能水下机器人(AUV)的全局路径规划问题。该算法将机器人的工作空间分层分解,并在每一层搜索路径,最终得到一条与障碍物无碰的全局路径。同时为解决算法的全局最优问题,使用遗传算法在每一层搜索路径。实践证明,该方法具有灵活、实用的特点,并能显著的节省内存空间。     

视觉SLAM算法在水下环境中的应用与分析

近几年视觉SLAM算法的迅速发展为机器人定位提供了巨大的帮助,然而目前已有的视觉SLAM算法都是在陆地场景下进行测试,并没有在水下环境中进行评估.使用水下机器人分别在泳池和室外水池进行数据采集,测试ORB-SLAM和DSO算法在这两种场景下的定位效果并进行分析.     

基于传感器信息的水下机器人滚动路径规划

针对环境中障碍物为任意形状的水下机器人路径规划问题,提出了基于传感器信息的水下机器人滚动路径规划方法,该法充分利用传感器在每一采样时刻的规划窗口内实时探知的环境信息,用模糊控制方法给出机器人下一步的行走方法,探讨了凹形障碍区域中机器人的逃离方法,仿真结果表明了所提方法是有效的。     

一种多移动机器人的分布式滚动路径规划算法

本文研究了全局未知静态环境下多机器人路径规划问题，使用基于滚动窗口的机器人路径规划方法对机器人进行局部路径规划．并根据一定的规则在机器人之间进行路径的协调。仿真结果验证了算法的有效性。     

水下机器人位姿控制中的精确极大似然配准算法研究

本文阐述了水下机器人位姿控制原理和多传感器信息融合的基本概念,着重研究了配准的极大似然算法(EML).该算法通过两步递归最优化方法来实现,并采用改进的高斯-牛顿法来确保算法的快速收敛性.最后利用水下机器人模型BSAV-Ⅰ水池实验的实时数据给出了仿真计算,验证了极大似然配准算法在实际环境中应用有效性.     

基于ARM的水下机器人通信与控制器研制

应用UP—NETARM 2410-S嵌入式系统研制OUTLAND1000水下机器人控制器．控制器主要包括两个部分：OUTLAND1000水下机器人通信系统和PID控制部分。OUT—LAND1000水下机器人传感器通过RS485将机器人的运行情况传送到控制转换器．控制转换器再通过Rs232与控制器通信,控制器应用PID算法实现机器人的状态控制．最后通过水池实验给出控制结果。     

水下六足机器人及其运动规划研究现状

水下六足机器人具有丰富的步态样式和冗余的肢体结构,凭借其离散式的地面支撑和对水下障碍、礁坪等复杂特殊地形的极强适应性,具有广泛的应用前景。本文通过充分的文献调研和总结,对目前水下六足机器人平台发展现状进行了综述。针对水下六足机器人的海底爬行能力,分别从稳定性判据、路径规划与自适应行走方法 3项关键技术进行了分析和总结;在稳定性判据方面,分别针对水下六足机器人静态稳定性判据与动态稳定性判据进行阐述;在路径规划方面,在目前典型陆地六足机器人路径规划方法的基础上,结合水下六足机器人独有的运动特性进行阐述;针对水下六足机器人自适应行走方面,分别阐述传统自适应调整方法与目前基于深度强化学习的方法进行介绍;最后对这些关键技术的未来发展趋势进行了展望。