多元测距AUV环境感知与自主规避方法研究

论文摘要

随着自主无人潜航器（Autonomous Underwater Vehicle, AUV）在科技、军事以及生产等水下作业中应用的不断增加,AUV应用技术的研究越来越深入。在当前日益广泛的AUV技术研究领域中,环境感知与自主规避技术是AUV应用技术研究领域的关键技术之一。环境感知与自主规避技术直接关系到AUV的水下生存安全,决定着AUV自主能力水平的高低。本文针对AUV无法依靠先验知识适应未知环境的问题,研究了AUV在未知环境下的环境感知与自主规避方法。论文研究旨在提高AUV对未知环境的感知能力,实现AUV自主规避行为的在线优化。首先,论文对AUV的系统进行了描述,重点介绍了AUV中用于环境感知的传感器系统组成。考虑到多波束前视声纳在狭小空间中应用时效果受到影响,本文中将采用多元测距声纳阵列来代替多波束前视声纳。针对本文研究对象采用的多元测距系统,论文详细分析了多元测距系统和多波束前视声纳的性能差异。同时,作为研究的铺垫,论文建立了AUV的坐标系统,得到了研究对象的运动学模型。其次,实现了基于多元测距系统的AUV环境感知。声纳信息的获取和理解是环境感知的基础,为此,论文根据单波束声纳的性能特点,设计了多元测距系统的分时工作模式,有效解决了多元测距声纳阵列同时工作时存在的干扰问题。针对声纳数据的不确定性,论文对声纳数据的理解方法进行了研究,为AUV的环境模型的建立提供了可靠环境信息。本文参考栅格法的建模原理,通过对栅格法的改进,提出了多元测距AUV环境模型建立的方法。然后,论文提出了基于Q-学习算法的AUV自主规避方法。在未知环境下,AUV只有具有对规避行为的在线学习和优化能力,才能更好的适应环境。论文依据AUV自主规避过程的实际情况,确定了Q-学习算法中各要素的实现方法,得到了基于Q-学习算法的AUV自主规避方法。该方法以AUV环境感知系统获得的环境信息为依据,实现了AUV对规避行为的在线优化。最后,论文通过设计仿真案例,对所设计的AUV自主规避方法进行了验证。针对不同的约束条件,对不同情况下的自主规避行为进行了仿真验证。而且通过设计AUV使命任务的仿真案例,验证了所设计的AUV自主规避方法的泛化能力。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 课题的背景及其意义
• 1.3 自主规避方法的研究现状
• 1.3.1 全局规划技术
• 1.3.2 局部规避技术
• 1.3.3 强化学习理论及应用的发展
• 1.4 课题的主要研究内容
• 第2章 AUV系统组成及运动模型建立
• 2.1 引言
• 2.2 研究对象概述
• 2.3 环境感知传感器系统
• 2.3.1 多元测距声纳阵列
• 2.3.2 姿态传感器
• 2.3.3 速度传感器
• 2.3.4 定位系统
• 2.4 坐标系统
• 2.4.1 固定坐标系
• 2.4.2 运动坐标系
• 2.4.3 声纳坐标系
• 2.4.4 坐标系转换
• 2.5 AUV运动学模型建立
• 2.6 本章小结
• 第3章 多元测距AUV的环境感知
• 3.1 引言
• 3.2 环境感知系统的工作流程
• 3.3 多元测距声纳阵列的信息处理
• 3.3.1 多元测距声纳阵列的组成及工作流程
• 3.3.2 单波束声纳数据的理解
• 3.4 基于多元测距信息的AUV环境建模
• 3.4.1 基于栅格法表示法的环境表示
• 3.4.2 基于AUV运动信息的环境模型修正
• 3.5 本章小结
• 第4章 基于Q-学习算法的AUV自主规避方法研究
• 4.1 引言
• 4.2 强化学习基础介绍
• 4.2.1 马尔可夫决策过程
• 4.2.2 强化学习理论基础
• 4.2.3 Q-学习算法基础
• 4.2.4 Q-学习算法在AUV应用中面临的问题
• 4.3 AUV自主规避行为的优化问题
• 4.4 基于Q-学习算法的AUV自主规避方法
• 4.4.1 基于Q-学习算法的AUV自主规避过程
• 4.4.2 环境状态空间的离散表示
• 4.4.3 行为空间的确定
• 4.4.4 强化信号的确定
• 4.4.5 动作选择策略
• 4.5 本章小结
• 第5章 仿真案例设计与验证
• 5.1 引言
• 5.2 仿真验证
• 5.2.1 漫游状态下的自主规避
• 5.2.2 趋向目标点时的自主规避
• 5.2.3 特定约束条件下的自主规避
• 5.2.4 港口结构环境下的案例验证
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢