一种基于遗传算法的AUV动目标避碰规划的方法

提出了基于遗传算法实现AUV对运动目标避碰规划的方法.该方法采用实数编码,把避碰、路径最短和航迹跟踪等约束条件映射为适应度函数,引入最优保存策略,保证了遗传算法的收敛性.计算机仿真表明,该控制方法使AUV能够较好的实现对运动目标的避碰.     

基于飞蛾火焰算法的AUV三维全局路径规划

针对存在静态地形障碍和不规则海流的复杂海洋环境下的自主水下航行器（autonomous underwater vehicle,AUV）全局路径规划问题,采用飞蛾火焰优化（moth-flame optimization,MFO）算法搜索获得能耗最优的无碰路径。首先,将搜索空间栅格化后随机生成一组满足避碰需求的初始路径作为...     

基于改进PPO算法的船舶自主避碰决策

为减少船舶避碰决策过程中人为失误导致的海难事故，提出一种基于改进近端策略优化(PPO)算法的船舶自主避碰决策。在传统PPO算法广义优势估计基础上加入自适应基线调整，并且使用长短期记忆网络(LSTM)改进网络结构。船舶的航行信息和激光雷达矢量线被应用于神经网络输入，航行制导、角度偏差及《1972年避碰规则》均被纳入改进的奖励函数设计。两船和多船会遇场景仿真实验表明：本文提出的避碰决策可使船舶实现自主航行，并在避碰过程中符合《避碰规则》,为处理复杂局面下的船舶避碰决策提供了参考。     

面向障碍速度不确定性的无人艇动态避碰

避碰稳定性直接关乎无人艇航行安全.传感器对障碍速度观测的不确定性会导致避碰策略出现跳动,严重降低避碰稳定性.提出不确定性条件下的速度障碍(uncertain velocity obstacle, UVO)算法,在碰撞风险评估中采用自适应阈值的最近会遇点(closest point of approach, CPA)法,基于国际海事避碰规则(International Regulations for Preventing Collisions at Sea, COLREGS)建立边界缓冲区,从宏观上提升避碰过程的稳定性.为了减少无人艇避碰角度的变化次数,在无人艇的速度空间中对不确定性条件下的速度障碍(velocity obstacle, VO)区进行建模,并采用梯度下降法在代价空间进行局部寻优,从微观上提升避碰策略的稳定性.在仿真平台下进行UVO算法和VO算法的对比实验,结果表明UVO算法的避碰策略跳动次数、避碰成功率和最近会遇距离3项指标均优于VO算法.在实艇海试中进行了对遇、交叉、追越等典型会遇场景的避碰实验,无人艇均能安全避过运动目标.实验结果证明了UVO算法具有较好稳定性和安全性.     

AUV同时定位与跟踪算法研究

为了提高自治水下航行器的水下适应能力,对比目标跟踪与协同导航的概念,并仿照同时定位与制图方法,提出了基于EKF-SLAM框架和FastSLAM框架的自治水下航行器同时定位与跟踪算法.根据装备在携带低精度自定位传感器AUV上的声纳传感器持续探测非合作目标并估计目标航迹的同时,利用探测到的AUV与目标间的相对信息修正其自身航位推算带来的累积估计误差,从而提高AUV的自定位精度,AUV的定位和目标的状态估计同时进行,且要满足一定的精度.仿真比较了所提出的两种算法的精度,并验证了算法的有效性和一致性.     

基于改进粒子群优化算法的无人水面艇动态避碰方法

针对"蓝信"号无人水面艇的动态避碰问题,提出一种基于改进粒子群优化算法的动态避碰方法.首先,考虑障碍物轮廓的长宽比不同,将障碍物膨化为圆形和椭圆形,并采用速度障碍原理求取避碰模型,同时,在避碰过程中加入国际海上避碰规则约束;其次,对粒子群优化算法进行自适应改进,使其针对避碰策略的求取能够快速收敛到最优解,提高算法的收敛速度与精度,满足避碰算法的快速性要求;最后,搭建虚拟视景仿真平台,模拟航行中的海洋环境,以"蓝信"号无人水面艇为模拟对象,对所提出的避碰算法进行仿真验证.仿真结果表明了该避碰方法的可行性和有效性,为无人水面艇的自主动态避碰提供了一种可行和有效的解决途径.     

基于碰撞危险度和运动预测的多移动机器人避碰规划

针对自主移动机器人决策处理的滞后问题，采用预测算法对其它移动机器人的速度信息进行预测，并把速度信息用到碰撞危险度避碰策略中，机器人便可进行下一步的避碰行动决策，最后给出了这种方法的避碰仿真研究，结果表明该方法可行且有效。     

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.     

基于改进NSGA-Ⅱ的船舶避碰决策辅助算法

针对避碰决策问题对算法时效性和轨迹分布性的要求,改进一种基于多目标优化算法的NSGA-Ⅱ(non-domi-nated sorting in genetic algorithm Ⅱ).采用按需分层策略和考虑父代支配信息的算数交叉算子策略,降低了算法的时间复杂度,加快了收敛速度;提出动态分布适应度策略,控制了帕累托集在目标空间的分布.在此基础上,分别建立决策方案的安全性和经济性目标函数以及驾驶员对决策安全性的偏好函数,通过改进NSGA-Ⅱ对避碰决策方案寻优.试验结果表明,改进NSGA-Ⅱ的收敛速度和分布性有所提升,证明了改进算法的有效性和优越性;在构建的四种船舶会遇场景下,算法均能寻得多个兼顾安全性和经济性的避碰决策方案,为驾驶员避碰决策提供参考.     

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．     

基于双闭环的矢量推进器的AUV转向控制方法

水下无人自航行器(autonomous underwater vehicle,AUV)在对海洋环境进行勘查与测量时,实际航迹与目标航迹的偏差要求控制在一定精度范围内.在传统常采用的航向单闭环方法控制下,基于矢量推进器的AUV在高速转向时存在航迹跟踪效果差的缺点.针对这一问题,设计了一种双闭环自适应转向运动控制方法.该方法基于矢量推进器机动性强的特性,在AUV转向时将航向控制闭环和航速控制闭环设计成双闭环,调整航向的同时依据航向环偏航角差实时控制航速环AUV转向目标速度.理论分析和实验证明:在AUV转向时,该控制算法可以更好地实现航迹跟踪,实际航行轨迹与目标航迹的最大偏差可以控制在10,m以内.     

配送中心选址与车辆路径问题的优化

为了克服蚁群算法(Ant Colony Optimization,ACO)搜索初期信息匮乏、信息素累积时间长、求解速度慢的缺点,结合具有快速全局搜索能力的遗传算法(genetic algorithm,GA),同时引入混沌搜索和平滑机制,采用混沌搜索产生初始种群可以克服生成大量非可行解的缺陷,加速染色体向最优解收敛,平滑机制有助于对搜索空间进行更有效的搜索,构成混沌蚁群优化算法(Chaos Ant Colony Optimization,CACO)。建立物流配送中心选址(logistic distribution center location)与车辆路径问题(vehicle routing problem,VRP)的数学模型,分别应用CACO和GA求解,对50客户规模的问题模型仿真,结果表明CACO优于GA。     

遗传算法的小生境技术改进

针对简单遗传算法的收敛速度慢、效率低,进行了改进。引入了小生境技术：构造的小生境群体,在保障群体中个体多样性的同时,使得优良算子能够更好的共享,提高了群体的整体搜索性和收敛效率．实验表明：改进的小生境遗传算法优于简单遗传算法．     

选煤厂配煤调度中的云模型改进遗传算法

针对传统遗传算法求解最优值存在搜索速度慢、容易陷入局部最优解的问题,基于传统遗传算法和云模型,提出了云自适应遗传算法和云遗传算法,建立了选煤厂三产品配煤调度模型,并分别采用改进算法和传统遗传算法求解。实例表明,两种改进算法优于传统遗传算法,为选煤厂配煤调度优化提供了技术途径。     

基于GAPSO-SVM的航空发动机典型故障诊断

针对遗传算法（GA）和粒子群优化（PSO）算法优化支持向量机（SVM）存在容易陷入局部最优解、诊断精度相对较低、鲁棒性较差的问题,提出了一种结合GA、PSO、模拟退火算法的GAPSO优化算法,利用这种算法对SVM的参数进行了优化,优化后的算法能够较好地调整算法的全局与局部搜索能力之间的平衡.通过对航空发动机典型故障的诊断研究表明,该方法不仅能够取得良好的分类效果,诊断精度高于BP神经网络、自组织神经网络、标准SVM、GA-SVM,而且有较好的鲁棒性,更适合在故障诊断中应用.     

越野环境下基于四线激光雷达的障碍检测

为了完成越野环境中无人自主导航车的障碍检测任务，应用四线激光雷达，提出了1种新的障碍检测算法，该算法利用检测区域的坡度信息进行障碍检测，包括坐标变换、候选障碍点提取、候选障碍点聚类及点簇高度求取4个步骤。为了克服激光雷达检测盲区与抑止测量过程中干扰噪声的影响，运用了卡尔曼滤波算法对目标障碍进行了滤波处理。试验结果表明，障碍检测算法稳定可靠。     

基于势场函数的多智能体编队避障控制

势场函数方法广泛应用在避障与目标追击控制中,但是大多应用在静态环境中,即障碍物与目标是静止的。通过扩展势场函数,并结合图论与领航者方法,设计出新的控制算法。障碍物与目标的速度都考虑在势场函数定义中。基于这种新的控制算法,研究了多智能体群集控制,所提方法不仅保证智能体追击上运动的目标,同时确保能安全躲避障碍。由于所提方法是基于智能体行为,因此方法的一个优点就是容易升级。最后,仿真表明所提方法的有效性。