遗传算法在AUV局部路径规划中的应用研究

利用遗传算法（GA）实现AUV（自主水下机器人）对于运动目标的自主避碰,根据前视声纳信息探测到的障碍物距离信息,AUV的运动信息以及航迹规划信息.算法采用了二进制编码规则,并把避碰、航迹跟踪等约束条件作为适应度函数的影响因子,将AUV的下一步的航向和速度作为避碰算法的输出结果.仿真表明,AUV对动目标的自主避碰效果良好、避碰和航迹回归路径平滑.     

基于遗传算法的水下机器人大范围路径规划

智能水下机器人（AUV）研究领域中的一个重要问题是全局路径规划，它的目标是在已知障碍物的环境中寻找一条从起始状态到达目标状态的无碰路径。提出一种分层遗传算法来解决大范围海洋环境下AUV的路径规划问题。详细介绍了算法的实现，并进行了仿真实验，仿真结果证明了该算法的有效性。     

机器人路径规划：一个改进的粒子群灰狼混合算法

为提高自主移动机器人路径规划器的快速性和最优性，提出一种改进的基于粒子群优化（PSO）算法和灰狼优化（GWO）算法的混合算法，简称H-PSO-GWO算法。首先，利用Tent混沌映射初始化种群，提高种群多样性；然后，采用改进的控制参数和新的个体位置更新策略来加快算法的收敛速度和增强种群个体趋于全局最优的能力。通过与其他算法进行数值对比实验和路径规划对比试验，验证了所提出算法的有效性和优越性。最后，使用贝塞尔曲线将所生成的路径平滑化，使得路径更适合移动机器人移动。     

电动汽车路径优化调度的改进飞蛾算法

针对电动汽车路径规划问题,创新性提出一种改进飞蛾算法进行求解.首先考虑道路拥挤性,将电池能耗作为约束条件,建立行驶总时间最小的电动汽车路径优化模型;其次采用改进飞蛾算法进行求解,引入自适应权重因子,改变飞蛾位置更新方式,有效平衡局部与全局的开掘能力;将火焰数量减少机制由直线变为曲线下降,加快收敛速度;设计变螺旋位置更新机制,动态调整螺旋线形状,提高全局开发能力;融合模拟退火和柯西变异策略,增强算法抗局部极值能力.最后由基准函数测试和算例应用结果表明,改进飞蛾算法寻优能力更强,能够有效地求解电动汽车路径优化问题.     

基于禁忌搜索算法的AUV动态路径规划策略

为有效提高水下传感器网络中未知节点的定位效率并降低网络能耗,提出一种改进禁忌搜索算法的Autonomous Underwater Vehicle(AUV)动态路径规划策略.所提出的算法和策略,采用六边形部署算法,寻找合适的虚拟锚节点位置,以达到最佳覆盖效果;然后通过在AUV节点上配置定向天线,获取未知节点方位信息;再次,利用改进的禁忌搜索算法,选定AUV节点下一步目标虚拟锚节点,引导AUV节点移动.该文通过改进的禁忌搜索算法设置两个禁忌集,防止AUV节点重复搜索,并辅助AUV节点移动方向判定,保证未知节点的定位覆盖率.为验证所提策略有效性,对所提该策略和静态路径规划算法中的典型算法Scan算法进行对比分析计算.仿真表明,基于禁忌搜索算法的AUV动态路径规划策略较Scan算法移动路径长度明显减少,虚拟锚节点数目有所降低,能有效降低能耗,延长网络寿命.同时,由于Received Signal Strength Indicator(RSSI)测距法存在误差,误差值设置为虚拟锚节点到未知节点的真实距离的10%,仿真得出基于禁忌搜索算法的AUV动态路径规划策略较Scan算法,定位精度有所提高.     

船舶自主避碰的慎思型轨迹规划

基于快速扩展随机树(RRT)算法,提出一种适用于船舶自主避碰的慎思型轨迹规划(DTP)算法,能够耦合处理静态障碍物约束、船舶操纵性约束、轨迹最优性等限制条件,在两个长程路径点之间完成全局轨迹规划,以保证规划轨迹的可行性、完备性和最优性.通过一条案例三体船的自主避碰仿真及航行试验,从多方面验证了所提DTP算法的有效性、优越性和稳定性,对研究船舶自主避碰系统及其应用前景具有重要的意义.     

基于蚂蚁算法的移动机器人路径规划

蚂蚁算法是近几年问世并逐步引起重视的一种新的全局优化仿生算法，它模仿昆虫王国中蚂蚁搜索食物的行为特征，是一种通用型随机优化方法。移动机器人在进行工作时，往往要求根据某一准则，在工作空间沿一条最优（或近似最优）的路线行走。因此首先对移动机器人的规划空间进行链接图表示，然后采用Ford算法求出移动机器人的初始路径，最后运用蚂蚁算法对初始路径进行优化，取得了较好的效果。     

避免路径规划NA算法局部极小值的仿真试验

针对已知障碍物形状和位置环境下的机器人全局路径规划问题 ,提出利用神经网络路径规划算法进行路径规划。为解决神经网络路径规划算法的局部极小值问题 ,提出针对障碍物的形状设定各条边的模拟退火初始温度。采用此方法仿真试验的结果表明 ,该方法能够避免某些局部极小值情况 ,规划的无碰路径达到了最短无碰路径     

基于改进蚁群算法的配电网优化规划

提出了一种基于改进蚁群算法的配电网优化规划算法．对于给定的配电网模型，该算法根据各配电网站点建立初始信息素矩阵，然后利用蚁群算法所特有的路径寻优功能来搜索配电网布局路径，并结合改进信息素刷新的方式和在蚁群搜索过程中引入曼哈顿距离以及弹性伸缩调节因子，使蚁群以较快的速度找到当前布局上的最优路径．通过具体的算例表明，该算法比一般蚁群优化规划算法具有更高的计算效率和优秀的全局搜索能力，同时有效地克服了在求解配电网规划问题时蚁群在局部最优解上的巡回而存在的效率不高以及未成熟收敛等现象．     

一种自主水下机器人航路规划算法研究

在基本蚁群算法的基础上,提出了一种用于实现自主水下机器人路径规划的自适应蚁群算法,该方法通过改进概率的选择和调节信息素挥发系数,保证AUV以更安全的航路接近目标,同时提高了搜索最优路径的收敛速度,并对路径进行平滑处理使结果更可行.用Matlab对控制算法进行仿真,仿真结果表明该算法能明显改善路径规划性能.     

一种子目标和水平集方法融合的AUV动态航路规划新算法

针对当前水下避障航路规划算法中障碍物模型偏理想化,易导致不能安全避障,且算法规划速度偏慢的难题,提出了一种基于子目标法和水平集方法的自主实时航路规划算法.算法基于AUV的前视声呐探测的障碍物部分轮廓信息,预估障碍物尺寸和中心位置,据此得出安全可靠的子目标点,再通过滚动的子目标法实现完全避障,通过水平集方法提升规划速度.仿真结果表明,提出的算法均能做到100%的避障,且避障后的航路性能质量比预先规划的全局最优航路的性能质量下降得很小:航路长度和航行时间的平均增加量均不超过5%.      

基于LMS的AUV空间避障模拟方法研究

为了模拟自主式水下航行器（AUV）在复杂海洋环境中对未知环境的感知以及避障过程,设计了AUV空间避障模拟试验系统．介绍了模拟平台的硬件结构和参数设计,应用激光测距系统（LMS）模拟水下声纳,建立了AUV空间避障仿真环境,设计了基于Q—Learning的避障算法,并完成了模拟试验．试验结果表明：AUV空间避障模拟平台可以较真实地反映AUV在水下复杂环境中的空间运动,避障算法可行有效．     

一种移动机器人动态环境下的路径规划

一种动态环境下自主机器人路径规划的方法由趋于目标的全局运动规划和躲避障碍物的局部运动规划两部分组成.首先通过栅格法建立机器人的工作环境,利用蚁群算法初步规划出机器人的全局优化路径;在此基础上,采用滚动窗口的方法进行局部环境探测和碰撞预测,对动态障碍物实行局部避碰,使机器人安全顺利地到达目的地.该方法适用于环境中同时存在静止和动态障碍物的情况.仿真结果证明该方法有效.     

水下机器人改进S面控制及系统半实物仿真

针对S面控制器参数调整困难的问题,研究了改进的粒子群优化(MPSO)算法,自寻优确定S面控制器的控制参数,实现了S面控制器参数优化计算的快速收敛,避免了局部峰值的徘徊.同时,针对某水下航行器的运动控制系统,设计了控制半实物仿真系统,阐述了仿真系统的总体结构和水下机器人空间运动的非线性数学模型.仿真结果真实可靠地反映了水下机器人运动过程,验证了本文控制器对机器人的控制效果,对实际下水实验提供重要参考.     

基于障碍物可达区域预测的机器人实时避障算法

针对复杂环境下的机器人路径规划与自主避障问题,提出了基于动态障碍物可达区域预测的实时避障算法.对静态障碍物进行描述和建模,建立动态障碍物状态更新预测方程,实现对动态障碍物质心可达区域的预测.分别面向动态、静态障碍物提出基于可达区域预测的多步椭圆包络势场和基于新型Sigmoid函数的势场,修正目标的对数Lyapunov引力场,给出多类型障碍物空间下的机器人实时避障算法.数值仿真和实验结果表明,与传统方法相比实时避障算法可使机器人避障过程中的路径长度更短、安全性更高及最大行驶角变化幅值更小.     

面向AUV水下对接的轨迹跟踪控制研究

针对欠驱动AUV的特点,面向水下对接的应用需要,在考虑其非完整约束的条件下,对水下机器人的非线性系统的可控性进行深入分析,并推导如何将非线性系统通过反馈变换转换成链式模型,在此基础上提出一种使用近似线性化的全状态反馈进行三维链式控制器设计的方法。最后,为了验证轨迹跟踪控制器的控制性能,在Matlab仿真环境下进行了实验,结果表明该方法可以实现路径跟踪误差的全局渐近稳定,验证了其有效性和合理性。     

基于混合微粒群算法的智能水下机器人模糊神经网络控制

为减少因水下机器人模糊神经网络控制器参数较多、手工调整困难及主观不确定性因素的影响,提出一种基于免疫理论和惯性权值非线性递减策略的混合微粒群算法.该算法在保持基本微粒群算法处理多峰和多维问题能力的基础上,根据粒子浓度和适应度来动态调整约束因子,同时结合惯性权值非线性递减策略来抑制算法早熟收敛,平衡全局和局部搜索能力.在与GAI、GA及基本微粒群算法的仿真比较试验中,该算法搜索到最佳近优解,且其收敛速度最快.在水下机器人仿真平台上的控制试验表明,基于混合微粒群算法的控制器性能良好,具有较强的抗海流干扰能力.仿真结果证明了该算法的可行性.     

基于温差能源的水下滑翔器动力学分析与设计

水下滑翔器作为一种新型水下机器人系统，对于海洋环境监测与资源探测具有重要应用价值．与采用电能驱动方式不同，设计开发了一种海洋环境能源（温差能源）驱动的水下滑翔器，并应用Gibbs—Appell方程建立了动力学模型，仿真分析了水下滑翔器的垂直剖面运动特性，获得了相应的运动参数．依据动力学仿真结果，设计了基于温差能源的热机系统，以及姿态调整机构与控制系统．水域实验结果表明，水下滑翔器采用温差能源驱动，其原理是可行的，所设计的热机系统热交换功率达到47W，可以满足水下滑翔器驱动性能要求．     

基于水下重力差异熵的导航匹配算法仿真研究

介绍了重力辅助导航发展概况, 阐述了采用地球物理特征的重力差异熵方法进行水下重力辅助导航算法设计及仿真实验方法研究。该算法基本思想是在导航匹配算法中, 将信息熵引入 自主水下运动载体( autonomous underwater vehicles ,AUV)重力辅助导航, 在重力数据库研究的基础上, 通过模板重力图与实时重力图的信息量差异以及模板重力梯度图差异, 修正水下惯性导航系统( inertial navigation system,INS)的误差。仿真实验结果表明, 利用重力差异熵辅助INS导航, 能够获得高精度的导航信息。因此, 基于水下重力差异熵的辅助导航, 可实现AUV 长航时隐蔽的高精度导航。