海流建模及其在路径规划中的应用

对水下航行器进行路径规划时,除了要考虑所规划的路径长度外,还需要考虑所规划路径满足航行器能量消耗约束,其中海流是影响航行器能量消耗的重要因素,为考虑海流对路径规划的影响,这里提出了一种利用B样条曲面对动态海流环境进行建模的方法,并将海流对航行器能量消耗的影响作为约束函数应用到路径规划算法中,使航行器能够在路径的搜索过程中,综合考虑全局路径消耗和能量消耗,寻找能够实现目标函数最优的路径;另外考虑到海流各向异性、时变的特性,对路径规划算法进行改进,使航行器规划路径能够利用海流模型,避开局部湍流,并根据动态海流信息实时对所设计路径进行修正。通过仿真验证,将建立的海流模型应用到路径规划算法后,改进的路径规划算法可以利用海流减少航行器的能源消耗,根据海流的实时变化调整航行路径,航行器满足安全运动条件,并实现在满足能源消耗前提下的路径长度最优。     

离散机械最优控制的轨迹设计方法仿真研究

基于目前新近提出的离散机械最优控制(Discrete Mechanics and Optimal Control)算法针对水下机器人的路径规划进行了仿真研究,设计的轨迹的轨迹经仿真实验能够按照能量或者最优的路径对设定的障碍进行有效避让。证明此算法能够有较强的实用性。同时文章涉及的理论算法为进一应用到其它类似机械装置,比如无人飞行器,机器人的路径规划与控制提供了一种新的方法思路。     

基于精英族系遗传算法的AUV集群路径规划

针对传统路径规划算法仅能规划单一最短路径且不能调节路径宽度而难以适用于自主式水下航行器(autonomous underwater vehicle, AUV)集群航路规划的缺陷, 提出了精英族系遗传算法(elite family genetic algorithm, EFGA)。该算法将基因适应度加入适应度评价函数中, 同时在进化过程中标记精英个体作为多路径规划结果, 并在该算法基础上针对AUV集群路径规划问题设计了一种多智能体路径规划(multi-agent path planning, MAPP)方法。仿真结果表明, 该算法可以求解无冲突路径集合实现MAPP, 通过实现AUV集群的最优多路径航行方案减少集群的航行耗时, 且能够满足不同AUV编队规模对可调路径宽度的需求。     

基于蚁群策略的无线传感器网络能量有效路由算法

从无线传感器网络自身的特点出发,提出了一种基于蚁群策略的无线传感器网络能量有效路由算法(energy efficient routing algorithm based on ant colony optimization for wireless sensor network,EEAWSN).该算法设计了一个新的能够均衡传输能量消耗和节点剩余能量的蚂蚁前向移动的选择概率模型,并给出路径最优度的概念来评价路径的最优性.仿真结果表明,与其他蚁群策略的路由算法相比,该算法找到了一条路径最优度最优的路径,在此路径上传输能量消耗最小,并且兼顾了节点的剩余能量,从而延长了整个网络的生存时间.     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

基于改进鲸鱼优化算法的AUV三维路径规划

自主水下机器人(autonomous underwater vehicle, AUV)已成为不同领域多种水下作业最有效的装备之一。针对其全局路径规划问题，提出了一种基于改进鲸鱼优化算法的求解方法。首先对于建模问题，在环境模型中，鉴于三维空间中设置路径点的复杂性，给出了基于连接型快速扩展随机树(connected rapidly-exploring random tree, RRT-Connect)的建模方法；在数学优化模型中，综合了路径平滑度、下潜梯度和航行时间等3项评价准则，并考虑了强海流及障碍物带来的相关约束。然后针对上述模型，提出了一种改进的鲸鱼优化算法。引入了基于问题连接结构的优化思想，据此在线构建了关键子集族和有效子集族，用于实时发现关键度和有效度较高的连接集，并增大其重复利用率，以提高算法的收敛速度和精度。此外，为更全面有效地利用历史进化信息，设计了多学习集构造个体引领者及联合引导策略，以进一步增强算法的整体性能。最后根据实际海底地形信息和不同海流模型，设置了多种路径规划情形进行仿真实验。结果表明，相对于文献中其他鲸鱼优化算法和经典算法，所提算法在求解精度、收敛速度和稳定性...     

连续搜索路径的最优化计算

在搜索状态建模和一阶搜索状态方程求解的基础上,建立了对随机运动进行连续搜索的发现概率最优控制模型。应用动态规划原理给出了最优搜索路径的逼近算法。算例表明,在目标初始位置和速度均服从圆正态分布的条件下,最优路径算法收敛。     

RLV末端能量管理段的在线轨迹规划算法

针对传统的可重复使用运载器(reusable launch vehicle, RLV)末端能量管理段轨迹生成算法存在的在线规划能力有限和制导精度不够的问题,提出了一种基于内核提取协议和微分平坦理论的三维在线轨迹规划算法。首先,推导给出了以高度为自变量、动压为状态变量的RLV三自由度运动方程组;然后,利用新方程组的平坦特性,选取纵程、横程和动压为相应的平坦输出,建立了不包含微分方程的最优控制问题;随后,采用分段B样条参数化平坦输出,将最优控制问题离散化得到非线性规划问题;最后,采用基于序列二次规划算法的稀疏非线性优化器进行求解。仿真结果验证了该末端能量管理段在线轨迹规划算法的有效性。     

基于改进A*算法的飞行器三维航迹规划算法

提出了改进A*算法并应用于飞行器航迹规划,该算法把地形平滑技术融合到路径搜索的过程中,使平滑处理只需满足路径选择方向的飞行坡度要求和飞行器过载限制,得到的最优航迹更加贴近地形。在相同的条件下对改进A*算法和传统算法进行仿真比较,传统算法需要35 s左右收敛得到优化航迹并且代价函数为32.15;改进算法能在24 s内找到代价函数最优的飞行器三维航迹且代价函数为28.26,仿真结果表明改进A*算法在收敛速度和最优路径代价函数结果都明显优于传统算法,是一种有效的三维航路规划方法。     

基于随机策略搜索的多机三维路径规划方法

针对传统无能耗约束的多无人机路径规划方法难以适应复杂山地作业环境的应急救援要求，提出了一种基于LSTM-DPPO(long short-term memory-distributed proximal policy optimization)框架的多无人机三维路径规划算法。利用LSTM长短期记忆神经网络提取出多无人机在各自飞行过程中的重要特征状态信息序列，经过多次迭代更新后得到一个最优网络参数模型，结合能耗生成最优的三维探测路径。实验结果表明：该方法相对于传统路径规划方法效果显著，能在能耗最小的前提下规划出最优探测路径。     

一种自主水下航行器路径规划算法

提出了一种自主水下航行器穿越雷区的路径规划算法。将路径规划分为全局路径规划和局部路径规划两个部分,建立了水雷分布的Voronoi图,采用遗传算法规划出初步的全局最优路径。自主水下航行器按照全局最优路径航行时,利用前视声纳作为探测仪器。根据所测得的障碍物相对于自主水下航行器的位置关系设计出一个模糊推理系统(FIS)求解其避障角度,完成局部路径规划。仿真结果表明了这种算法的有效性。     

一种海底地形和海流虚拟生成方法

提出了一种用于AUV视景仿真的海洋环境中海底地形和海流的虚拟实现方法。海底地形不但考虑了离散点电子海图数据，而且也将某些特征数据考虑在内，从而生成相对精度较高的海底地形。海洋中的海流采用两个层次的方法进行模拟：建立海流数据库方法以及水动力软件计算方法。该方法的研究对于AUV自主地形导航技术以及避碰策略等研究具有极为重要的意义，并且上述方法生成的海洋环境已经在AUV数字仿真平台中得到了应用。     

基于ACO算法和Bezier曲线优化的巡航导弹航路规划

在巡航导弹低空突防前提下,针对蚁群算法规划的导弹航路存在转向点个数较多和转向角度较大的问题,提出一种基于蚁群算法和Bezier曲线优化的三维航路规划方法。将蚁群算法生成的路径节点作为生成Bezier曲线航路的控制点,将曲线航路分段形成折线化航路。采用广度优先搜索算法对航路生成中出现的不可航行路段进行微调处理,得到可行的规划航路。仿真结果表明：生成的航路兼顾了随机搜索全局优化的同时,避免了大角度转向,缩减了飞行航程和转向点个数,保证了巡航导弹飞行过程中的连续稳定。     

改进A*算法的机器人能耗最优路径规划方法

为了降低移动机器人在运动过程中的能耗, 提高在能源补给有限时的任务执行率, 提出了一种改进A^*算法的机器人能耗最优路径规划方法。首先, 根据四轮差速驱动移动机器人的运动学约束, 建立了其运动的能耗模型。然后, 根据起始状态和目标状态约束求解生成运动基元, 采用能耗模型计算运动基元的能耗值, 构建了能耗运动基元集。其次, 基于传统A^*算法, 改进提出了一种能耗最优路径规划方法, 该方法在规划进程中以能耗运动基元集中定义的节点之间的连接关系进行节点扩展, 而以能耗值作为节点之间的通行成本, 从而保证获得一条全局能耗最优路径。最后, 离线地图仿真测试和机器人实验结果表明所生成的路径总能耗可降低约28.24%, 从而验证了算法的有效性。     

基于分段贝塞尔曲线的多导弹协同航迹规划

针对多导弹在保证自身生存能力的前提下对目标进行协同打击的问题,提出一种能够使多导弹回避威胁区、避免弹间碰撞、从指定的方向同时攻击目标的协同航迹规划方法。建立导弹的三次贝塞尔曲线航迹模型,考虑导弹的初始发射角、末端攻击角、过载等多种约束,以表示贝塞尔曲线控制点位置的量作为设计变量,以分段航迹最短为性能指标函数,通过优化得到最优分段航迹。根据战场的威胁区的位置和大小,设计了航迹节点选取规则,并与分段航迹优化方法相结合得到了满足威胁回避要求、过载及攻击角度约束的航迹。在各导弹速度相同的前提下,选定最长航迹对应时间为理想攻击时间,其余航迹按比例扩展以与最长航迹的长度相等,从而实现攻击时间的一致。对协同航迹时空安全性进行检测并提出了对不安全航迹的调整方法。仿真结果表明了本算法的有效性。     

基于大范围海图数据的自主式水下潜器全局路径规划方法研究

在大范围海图数据环境中，应用遗传算法(GA)对自主式水下潜器(简称AUV)的全局路径规划问题进行了研究，介绍了基于栅格的环境模型及其数据结构，讨论了GA的染色体编码方式、基于知识的初始种群生成方法与适应度函数，基于领域知识设计了五种遗传算子。通过仿真结果可以看出：采用可变长编码方式使路径描述简单、清晰，算法具有收敛速度快、求解实际问题效率高的特点。     

基于混合模糊P+ID控制的欠驱动AUV路径跟踪控制及仿真

针对欠驱动自主水下机器人(AUV)水平面路径跟踪控制问题进行研究。基于解析形式描述的单输入模糊控制器,提出了一种混合模糊P+ID控制算法。将其应用于欠驱动AUV路径跟踪控制中的趋近角跟踪控制,研究了控制器设计和参数调节方法,并采用小增益定理对基于混合模糊P+ID控制的趋近角跟踪控制系统的稳定性进行了分析。最后,采用欠驱动AUV非线性动力学模型进行仿真研究,结果表明基于提出的混合模糊P+ID控制的欠驱动AUV路径跟踪控制系统具有很好的鲁棒性和适应性,AUV能够精确跟踪预规划的航行路径。     

基于路径-速度解耦的无人机编队协同轨迹规划

针对无人机编队在复杂机动情形下的协同轨迹规划问题,提出了一种基于路径-速度解耦方法的预瞄自适应轨迹规划方法。在路径规划阶段,考虑无人机转弯机动的曲率限制,采用Dubins曲线作为路径构成的基本子结构。为得到最优的Dubins曲线连接控制点,设计了自适应预跟随路径特征的预瞄距离规划算法。在速度规划阶段,针对控制参数化与时间离散化(control parameterization and time discretization, CPTD)的速度规划方法,提出了栅格化空域下差异区间速度规划方法,简称为DIPR。仿真结果表明,预瞄距离自适应算法能够有效优化路径，对比固定预瞄距离方法在转向弧度上平均减少30.70%,在跟踪偏离上减少16.41%,在路径长度上缩短10.87%。对比CPTD方法, DIPR平均提前30代收敛,收敛值平均提高10.67%,编队完成队形集结时间平均缩短15.4 s。得到结果更快更优,并且速度曲线结果连续平滑。