论文摘要
随着海洋资源日趋得到关注,人们利用水下潜器完成海洋资源探索和开发的期望也日益高涨,对潜器实现智能控制和自主导航提出了越来越高的要求。路径规划技术直接关系到水下潜器智能水平的高低,是其智能导航控制的关键技术之一。本文围绕粒子群优化算法(PSO)在路径规划中的应用展开研究,特别针对动态障碍物环境下如何避障这个难点,提出解决方法。研究过程中充分利用了粒子群优化算法求解迅速、全局寻优能力强的优点,提高了路径规划方法的效率和性能。论文按照“先算法理论再应用、先静态再动态、先二维再三维”的顺序层层深入展开研究,主要的研究内容和成果包括以下几个方面:从参数设置、求解原理、应用效果、环境适应性这几个方面对PSO算法在路径规划中的应用价值进行研究,总结出PSO解决路径规划问题的特点和改进方向,为下文的具体应用研究提供依据。为了保证PSO自身的性能,我们首先对粒子群优化算法的优化机理进行分析,结合路径规划的应用背景,提出基于均衡分布参数的改进粒子群优化算法。这种算法中从粒子维变量组成的微观角度出发,针对PSO中存在的缺陷,构造了保证进化过程多样性的均衡分布参数,并且提出一种粒子维变量“自探索飞行”的改进机制。实验仿真结果证明了算法的改进效果。全局路径规划是智能水下潜器完成路径规划任务的基础。本课题提出了基于极坐标空间粒子群优化算法的全局路径规划方法。在对工作空间建模的基础上,提出了一种采用十字链表结构,按维区域存储障碍物信息的方法,实现了障碍物信息的高效存储和访问;基于启发式知识初始化群体,并引入插入、交叉、删除操作算子,采用变长粒子、交叉变异等策略,达到提高算法局部搜索能力和搜索精度的目标。仿真试验证明了提出的算法具有更强的环境适应性、更快的收敛速度和更高的收敛精度。本文的局部路径规划分别考虑动态已知环境下和动态未知环境下两种情况,提出基于PSO的已知局部路径规划方法和基于潜器观测窗口的未知局部路径规划方法。基于PSO的局部路径规划方法中,通过几何模型确定避碰条件,将路径规划任务转化成求解多条件目标的优化问题,再结合变速和变航向两种模式的避碰方案,制定出适合的适应度函数。未知环境下的路径规划问题是机器人智能控制领域一个难点。本文借鉴滚动窗口的机器人路径规划方法,提出了一种基于潜器观测窗口的局部路径规划方法,其中着重解决了潜器航行过程中可能面临的障碍物会遇问题。方法的主要步骤包括环境信息建模及预测、观测窗口探测环境信息及反馈、窗口局部规划。实验结果证明了算法的可行性,以及对各种时变环境的自主适应性。提出协调完成全局路径规划和局部路径规划两个任务的权衡策略,并依据该策略搭建水下潜器实时路径规划系统,以达到既能考虑全局优化指标,又能根据传感器信息实时躲避动态障碍物的双重目标。论文中还对本课题提出的路径规划算法的可达性以及安全性,特别是存在动态障碍物突发出现情况下算法的性能展开讨论。最后,针对潜器在水下航行的实际三维海底地形环境,提出了基于粒子群优化算法实现的三维路径规划算法。其中采用真实电子海图中的深度值来表示三维海底地形,并定义了三维规划算法的数据编码结构。获得的规划算法通过应用惩罚函数及启发式知识,不仅能够灵活的获得具有不同特点的优化路径,而且对具有突发障碍物的三维环境也具有自主适应性。文章中还在三维环境中对本文提出的动态环境的路径规划算法进行了仿真试验。通过对算法的大量仿真试验表明:所设计的PSO路径规划算法充分利用了PSO快速收敛、全局寻优能力强的优点,分别解决了静态到动态、二维到三维不同环境下的潜器路径规划问题。并且可以看出算法能够灵活的适应潜器航行的各种环境,具有良好的搜索性能与快速的收敛性,能够适应潜器路径规划的要求,对潜器的安全航行具有重要的理论意义及应用价值。