面向深海著陸器全局動(dòng)態(tài)路徑規(guī)劃方法

呂超,李思念, 劉爽*,,潘彬彬

(1.上海海洋大學(xué) 工程學(xué)院,上海 201306; 2.上海海洋大學(xué) 海洋科學(xué)學(xué)院,上海 201306)

21世紀(jì)是“海洋世紀(jì)”,海洋中蘊(yùn)藏著豐富的生物資源、礦產(chǎn)資源等,是具有極大發(fā)展?jié)摿Φ膽?zhàn)略空間。深海著陸器作為一種用于海洋探測(cè)的自主載體系統(tǒng),它們通常部署在幾百到6 000 m深的海底,以自由落體方式到達(dá)海底,超出了遙感和常規(guī)定位系統(tǒng)的探測(cè)范圍[1]。與自主水下航行器相比,著陸器具有結(jié)構(gòu)簡(jiǎn)單、使用方便、成本低及探測(cè)時(shí)間長(zhǎng)等優(yōu)勢(shì),在深淵領(lǐng)域具有廣闊應(yīng)用前景[2]。2006年,英日合作的“HADEEP”項(xiàng)目,通過(guò)深海著陸器完成深海圖像采集工作,并首次捕捉到深淵生物[3]。2016年,我國(guó)成功研制全海深著陸器,并通過(guò)所攜帶作業(yè)工具、攝像機(jī)和傳感器等,成功捕獲深海生物,采集到深海沉積物、水樣,并拍攝下珍貴的影像資料等[4]。目前,著陸器多為無(wú)動(dòng)力潛水器,部署在海底之后,進(jìn)行定點(diǎn)探測(cè)、原位實(shí)驗(yàn),無(wú)法改變其位置。本文提及的移動(dòng)式深海著陸器搭載動(dòng)力系統(tǒng),可小范圍移動(dòng),以實(shí)現(xiàn)多點(diǎn)探測(cè),因此需要具備可靠的自主導(dǎo)航能力。

路徑規(guī)劃技術(shù)是實(shí)現(xiàn)移動(dòng)式深海著陸器自主導(dǎo)航的關(guān)鍵技術(shù)之一。在障礙地形已知的情況下,以路程最優(yōu),安全性最好,等深度航行等為指標(biāo),規(guī)劃一條最優(yōu)路徑,同時(shí)實(shí)現(xiàn)動(dòng)態(tài)避障。針對(duì)路徑規(guī)劃問(wèn)題,已經(jīng)開(kāi)展了大量研究,傳統(tǒng)方法包括A*算法、人工勢(shì)場(chǎng)法、D*算法等,智能方法分為基于群體智能的算法和基于機(jī)器學(xué)習(xí)的路徑規(guī)劃算法等。張丹紅等提出了一種融合A*算法和蟻群算法的最短巡邏路徑優(yōu)化方法,有效地縮短了路徑長(zhǎng)度,提高了路徑平滑度[5]。張?jiān)佬堑忍岢鲆环N基于海圖和改進(jìn)粒子群算法的自主水下機(jī)器人全局路徑規(guī)劃的方法,規(guī)劃出短航程、安全性高的全局路徑[6]。王珂等提出了一種深度強(qiáng)化學(xué)習(xí)機(jī)器人路徑規(guī)劃方法,對(duì)未知環(huán)境有較好的探索能力[7]。蟻群算法作為群體智能算法,被廣泛應(yīng)用于路徑規(guī)劃問(wèn)題,但其存在一些問(wèn)題,例如收斂速度慢,隨著空間維度的增加,又面臨算法計(jì)算量和復(fù)雜度較大的問(wèn)題。劉貴杰等提出了一種改進(jìn)蟻群算法,以降低機(jī)器人的能耗為目標(biāo),提高了續(xù)航能力,但沒(méi)有考慮動(dòng)態(tài)避障能力[8]。劉利強(qiáng)等提出了一種優(yōu)化路徑搜索的改進(jìn)蟻群算法,能夠有效地實(shí)現(xiàn)三維空間的路徑規(guī)劃,但是算法計(jì)算速度有待提高[9]。李憲強(qiáng)等提出了一種新的尋優(yōu)方法,通過(guò)引入勢(shì)場(chǎng)引導(dǎo)函數(shù)改進(jìn)蟻群算法,能夠有效的實(shí)現(xiàn)三維路徑規(guī)劃,但不具備動(dòng)態(tài)避障能力[10]。為此,本文提出了一種融合算法,基于傳統(tǒng)蟻群算法,構(gòu)造了顧及全局路徑規(guī)劃且能提升算法收斂速度的評(píng)價(jià)函數(shù),并通過(guò)簡(jiǎn)化柵格地圖以實(shí)現(xiàn)降低算法的復(fù)雜度,同時(shí)設(shè)計(jì)了一種路徑點(diǎn)選取策略,剔除危險(xiǎn)點(diǎn)和非必要的轉(zhuǎn)折點(diǎn),并將選取后的路徑點(diǎn)應(yīng)用于人工勢(shì)場(chǎng)法進(jìn)行實(shí)時(shí)路徑規(guī)劃,實(shí)現(xiàn)等深度航行,使路徑更加平滑,同時(shí)利用環(huán)境探測(cè)傳感器反饋的動(dòng)態(tài)障礙物信息,實(shí)現(xiàn)實(shí)時(shí)避障。

1 三維空間建模

三維空間建模是對(duì)深海著陸器運(yùn)行空間的環(huán)境信息進(jìn)行描述,是路徑規(guī)劃的重要內(nèi)容,對(duì)路徑規(guī)劃方法的選取具有決定性作用。在移動(dòng)式深海著陸器三維路徑規(guī)劃問(wèn)題中,主要針對(duì)較小的全局搜索空間,本文采用規(guī)則格網(wǎng)模型建立海底三維地形圖。路徑規(guī)劃空間被視為一個(gè)立方體空間ABCD-A′B′C′D′,空間大小為200 m×200 m×20 m。如圖所示,建立直角坐標(biāo)系,平面ABCD位于xoy平面,根據(jù)柵格地圖的特性,將ABCD平面劃分成100×100的網(wǎng)格,網(wǎng)格分辨率為2 m,如圖1所示。

圖1 三維地形圖

2 改進(jìn)蟻群算法

2.1 信息素表示

在模擬深海著陸器的工作環(huán)境時(shí),對(duì)三維空間進(jìn)行建模,將空間離散化,用各點(diǎn)坐標(biāo)表示三維空間的位置,這些坐標(biāo)點(diǎn)即為螞蟻的搜索節(jié)點(diǎn),信息素值存儲(chǔ)在各坐標(biāo)點(diǎn)中,信息素的值越大,螞蟻選擇該點(diǎn)的概率越大。信息素更新分為全局更新和局部更新。全局更新是指程序迭代一次,即種群中所有螞蟻都從起點(diǎn)到達(dá)終點(diǎn),對(duì)全局路徑的信息素值進(jìn)行更新,其更新值取決于路徑長(zhǎng)度,選擇其中最短的一條路徑,更新該條路徑各個(gè)坐標(biāo)點(diǎn)的信息素值,更新策略表達(dá)式為

(1)

局部更新是由于蟻群算法具有隨機(jī)性,易陷入局部最優(yōu)解,故引入信息素的衰減系數(shù),當(dāng)螞蟻經(jīng)過(guò)一點(diǎn)后,對(duì)該節(jié)點(diǎn)信息素值的更新,減少螞蟻陷入最優(yōu)解的概率,信息素局部更新的策略表達(dá)式為

(2)

式中λ為局部更新信息素的衰減系數(shù)。

2.2 啟發(fā)函數(shù)設(shè)計(jì)

啟發(fā)函數(shù)是影響蟻群算法性能的重要因素。在移動(dòng)式深海著陸器三維路徑規(guī)劃問(wèn)題中,啟發(fā)函數(shù)的設(shè)計(jì)需要考慮安全性、路徑長(zhǎng)度[11]、路徑偏移程度。根據(jù)以上要求設(shè)計(jì)了啟發(fā)函數(shù)H(x,y,z),即

H(x,y,z)=Sω1×Dω2×Mω3

(3)

式中:S為安全啟發(fā)影響因子;D為距離啟發(fā)影響因子;M為路徑偏移容忍度;ω1、ω2、ω3為各影響因子的重要性系數(shù)。

1)安全啟發(fā)影響因子

為保證深海著陸器的航行安全,使機(jī)器人避開(kāi)障礙地形,引入安全啟發(fā)影響因子S,S表示深海著陸器在可搜索范圍內(nèi)的下一點(diǎn)是否可以到達(dá),S(x,y,z)的判定依據(jù)表達(dá)式為

(4)

式中:H為地圖高度;ε為深海著陸器到障礙地形的最小安全距離。

2)距離啟發(fā)影響因子

為使路徑規(guī)劃距離盡可能短,在可搜索空間內(nèi),盡可能選取路徑最短的點(diǎn),同時(shí)考慮下一節(jié)點(diǎn)到終點(diǎn)的距離,引入距離啟發(fā)影響因子D,D(x,y,z)的計(jì)算式分別為:

D=D1(xb,yb,zb)+D2(xb,yb,zb)

(5)

(6)

(7)

式中:(xa,ya,za)為深海著陸器當(dāng)前所在的坐標(biāo)點(diǎn);(xb,yb,zb)為可搜索范圍內(nèi)的坐標(biāo)點(diǎn);(xc,yc,zc)為終點(diǎn)坐標(biāo);K1、K2為常系數(shù)。

3)路徑偏移容忍度

理想情況下,深海著陸器在路徑規(guī)劃過(guò)程中,在保證路徑較短的情況下,能夠繞過(guò)障礙地形,避免頻繁的上浮和下潛,使路徑盡可能的保持在同一水平面,實(shí)現(xiàn)等深度繞行,這將有助于減少機(jī)器人的能耗,同時(shí)提升算法的收斂速度。因此,設(shè)計(jì)了路徑偏移容忍度影響因子M,其中包含橫向偏移容忍度和縱向偏移容忍度,表達(dá)式為

M=M1+M2

(8)

式中:M1為橫向偏移容忍度;M2為縱向偏移容忍度。

橫向偏移容忍度M1計(jì)算公式為

(9)

式中:KM1為橫向路徑偏移容忍度重要性系數(shù);S、G、P分別為起始點(diǎn)、終點(diǎn)、下一可行點(diǎn)在XOY平面的投影。

縱向偏移容忍度M2計(jì)算公式為

(10)

式中KM2為縱向路徑偏移容忍度重要性系數(shù)。

橫向偏移點(diǎn)線距離如圖2所示。

圖2 橫向偏移點(diǎn)線距離示意圖

2.3 蟻群搜索策略

為了降低算法復(fù)雜度,提高算法的收斂速度,首先簡(jiǎn)化柵格地圖,然后給出深海著陸器運(yùn)行的搜索策略。取x軸方向作為路徑規(guī)劃的主方向,y軸方向?yàn)闄M向運(yùn)動(dòng),z軸方向?yàn)榭v向運(yùn)動(dòng)。設(shè)定允許機(jī)器人橫向運(yùn)動(dòng)和縱向運(yùn)動(dòng)的最大移動(dòng)距離,當(dāng)螞蟻沿著主方向前進(jìn),在位于點(diǎn)(x,y,z)時(shí),對(duì)下一個(gè)點(diǎn)的搜索就形成一個(gè)簡(jiǎn)化的可搜索空間,根據(jù)啟發(fā)函數(shù)來(lái)計(jì)算可搜索空間內(nèi)各點(diǎn)的選擇概率。簡(jiǎn)化的可搜索空間如圖3所示。

圖3 螞蟻可搜索空間

3 人工勢(shì)場(chǎng)法

人工勢(shì)場(chǎng)法將機(jī)器人在空間中的運(yùn)動(dòng),抽象成在勢(shì)場(chǎng)中的運(yùn)動(dòng),勢(shì)場(chǎng)由引力場(chǎng)和斥力場(chǎng)組成,終點(diǎn)對(duì)機(jī)器人產(chǎn)生引力,障礙物對(duì)機(jī)器人產(chǎn)生斥力,通過(guò)求兩者合力來(lái)規(guī)劃?rùn)C(jī)器人的運(yùn)動(dòng),勢(shì)場(chǎng)場(chǎng)函數(shù)[12-13]表達(dá)式為

U(s)=Uatt(s)+Urep(s)

(11)

式中:s為深海著陸器的坐標(biāo)點(diǎn);Uatt為引力場(chǎng);Urep為斥力場(chǎng);U(s)為s點(diǎn)的勢(shì)場(chǎng)和。

勢(shì)場(chǎng)是引力和斥力同時(shí)作用下的結(jié)果,其中引力和斥力的大小分別為引力場(chǎng)、斥力場(chǎng)的負(fù)梯度,深海著陸器在勢(shì)場(chǎng)中的受力表達(dá)式為:

(12)

式中:F(s)為深海著陸器所受合力;Fatt(s)為深海著陸器所受引力,引導(dǎo)著陸器到達(dá)目標(biāo)點(diǎn);Frep(s)為深海著陸器所受斥力,使著陸器遠(yuǎn)離障礙地形。

傳統(tǒng)人工勢(shì)場(chǎng)法中,引力與當(dāng)前點(diǎn)和目標(biāo)點(diǎn)的距離呈正相關(guān),當(dāng)距離較遠(yuǎn),引力將偏大,在斥力較小的情況下,可能會(huì)使著陸器與障礙地形的距離小于安全距離,故引入引力場(chǎng)修正函數(shù),引力場(chǎng)大小計(jì)算公式為:

(13)

式中:Katt為引力系數(shù);D*為距離閾值;D為深海著陸器與目標(biāo)點(diǎn)的距離。

根據(jù)引力場(chǎng)函數(shù),計(jì)算引力大小,引力方向指向目標(biāo)點(diǎn),引力函數(shù)為:

(14)

式中sgoal為目標(biāo)點(diǎn)坐標(biāo)。

傳統(tǒng)人工勢(shì)場(chǎng)法存在目標(biāo)點(diǎn)附近有障礙時(shí)目標(biāo)不可達(dá)的問(wèn)題[14-15],故引入距離影響函數(shù),斥力場(chǎng)大小計(jì)算公式為:

(15)

式中:Krep為斥力系數(shù);ρ0為障礙物距離閾值;ρ為障礙物距離,即當(dāng)深海著陸器與障礙物的距離大于ρ0,則該障礙產(chǎn)生的斥力場(chǎng)為0,可以有效的消除較遠(yuǎn)障礙物對(duì)深海著陸器路徑規(guī)劃的影響,其值受深海著陸器的航行速度、加速度影響。

當(dāng)深海著陸器與障礙地形的距離小于等于ρ0,斥力的計(jì)算公式為

(16)

根據(jù)以上公式,可以計(jì)算斥力大小,斥力方向?yàn)檎系K點(diǎn)與深海著陸器連線方向,每個(gè)障礙點(diǎn)產(chǎn)生的斥力可以分解為x軸、y軸、z軸3個(gè)方向的力,即:

(17)

(18)

(19)

綜上,當(dāng)深海著陸器處在多障礙地形的復(fù)雜環(huán)境中,其勢(shì)場(chǎng)和受力公式分別為:

(20)

(21)

式中:n為當(dāng)前深海著陸器與障礙地形的距離小于ρ0障礙點(diǎn)個(gè)數(shù),障礙點(diǎn)產(chǎn)生的斥力Frep=Frepx+Frepy+Frepz,深海著陸器所受合力為引力和斥力的矢量和。

在勢(shì)場(chǎng)中的受力方向如圖4所示。

圖4 深海著陸器在勢(shì)場(chǎng)中的受力方向

4 融合算法

人工勢(shì)場(chǎng)法根據(jù)檢測(cè)到的實(shí)時(shí)環(huán)境信息,實(shí)現(xiàn)實(shí)時(shí)路徑規(guī)劃,具有良好的避障能力,但是該算法不能滿足全局路徑規(guī)劃的最優(yōu)要求,同時(shí)存在陷入局部最優(yōu)的問(wèn)題。因此,首先采用改進(jìn)蟻群算法進(jìn)行全局路徑規(guī)劃,選取全局路徑規(guī)劃的關(guān)鍵點(diǎn),再融合人工勢(shì)場(chǎng)法進(jìn)行局部避障,以實(shí)現(xiàn)全局動(dòng)態(tài)路徑規(guī)劃。關(guān)鍵點(diǎn)選取規(guī)則如下:

1)剔除危險(xiǎn)點(diǎn);

2)提取關(guān)鍵轉(zhuǎn)折點(diǎn),剔除冗余轉(zhuǎn)折點(diǎn),使兩相鄰路徑點(diǎn)之間沒(méi)有障礙物,且新路徑與障礙物距離大于最小安全距離。

具體策略如下:設(shè)剔除危險(xiǎn)點(diǎn)后的路徑點(diǎn)集合為{Lk|k=1,2,…,n},連接L1L3,若L1L3連線不經(jīng)過(guò)障礙物,且與障礙物的最小距離大于ρ0,則繼續(xù)連接L1L4,直至L1Lk的連線與障礙物的最小距離小于ρ0,則連接L1Lk-1并刪除冗余轉(zhuǎn)折點(diǎn);從點(diǎn)Lk-1開(kāi)始,重復(fù)以上操作,直至路徑搜索完畢。關(guān)鍵點(diǎn)選取平面示意圖如圖5所示。

圖5 路徑點(diǎn)選取平面示意圖

為了避免人工勢(shì)場(chǎng)法陷入局部最優(yōu),將以上關(guān)鍵點(diǎn)視為人工勢(shì)場(chǎng)法路徑規(guī)劃的子目標(biāo)點(diǎn),設(shè)計(jì)了一種顧及全局的勢(shì)場(chǎng)函數(shù),表達(dá)式為

(22)

融合算法流程如圖6所示。

圖6 融合算法流程圖

5 實(shí)驗(yàn)算例

為驗(yàn)證算法的有效性,使用MATLAB R2018a軟件編程,建立虛擬地圖環(huán)境,模擬移動(dòng)式深海著陸器從當(dāng)前點(diǎn)到下一理想探測(cè)點(diǎn)的路徑規(guī)劃。仿真實(shí)驗(yàn)基于三維柵格地圖場(chǎng)景,場(chǎng)景大小200 m×200 m,地形最高點(diǎn)20 m,起始點(diǎn)坐標(biāo)為(0,75,70),終點(diǎn)坐標(biāo)(100,45,60)。

5.1 實(shí)驗(yàn)算例1

實(shí)驗(yàn)I首先采用傳統(tǒng)蟻群算法的啟發(fā)式信息進(jìn)行全局路徑規(guī)劃,為有效提高蟻群算法的收斂速度,縮短運(yùn)算時(shí)間,實(shí)驗(yàn)場(chǎng)景設(shè)置為簡(jiǎn)化后的柵格地圖,網(wǎng)格分辨率為10 m,如圖7所示。程序各主要參數(shù)設(shè)置見(jiàn)表1。實(shí)驗(yàn)結(jié)果如圖8所示。

圖7 簡(jiǎn)化后的三維柵格地圖

表1 主要參數(shù)設(shè)置

圖8 蟻群算法三維路徑規(guī)劃

由圖8可以看出,傳統(tǒng)蟻群算法能夠規(guī)劃出一條完整的全局路徑,且能很好避開(kāi)障礙地形,但是規(guī)劃出的路徑有較大的震蕩。

在相同仿真環(huán)境下及參數(shù)配置下,改進(jìn)蟻群算法實(shí)驗(yàn)結(jié)果如圖9所示。

圖9 改進(jìn)蟻群算法三維路徑規(guī)劃

由圖9可見(jiàn),引入了新的啟發(fā)函數(shù)的改進(jìn)蟻群算法,能夠明顯改善路徑,路徑震蕩減少,在個(gè)別點(diǎn)出有出現(xiàn)抖動(dòng),且能夠很好的實(shí)現(xiàn)避障功能;但是改進(jìn)蟻群算法和傳統(tǒng)蟻群算法都不具備實(shí)時(shí)避障的能力。

從圖10可以看出,改進(jìn)蟻群算法在相同迭代次數(shù)下,最佳個(gè)體的路徑長(zhǎng)度始終小于傳統(tǒng)蟻群算法,傳統(tǒng)蟻群算法迭代200次的最佳路徑長(zhǎng)度為365 m,改進(jìn)蟻群算法迭代200次的最佳路徑長(zhǎng)度為337 m,說(shuō)明改進(jìn)蟻群算法的收斂速度有所提升。

圖10 改進(jìn)前后蟻群算法最佳個(gè)體路徑長(zhǎng)度變化

為進(jìn)一步驗(yàn)證改進(jìn)算法與傳統(tǒng)算法在路徑長(zhǎng)度和平穩(wěn)性方面的差異,同時(shí)考慮到蟻群算法的路徑搜索具有隨機(jī)性,對(duì)每種算法進(jìn)行100次獨(dú)立運(yùn)算,規(guī)劃出100條路徑。實(shí)驗(yàn)結(jié)果如圖11所示。并對(duì)所有路徑的垂向偏移距離求和,分析兩種算法規(guī)劃的路徑的垂向偏移程度,結(jié)果如圖12所示。

圖11 路徑長(zhǎng)度對(duì)比

圖12 路徑垂向偏移程度對(duì)比

由圖11傳統(tǒng)蟻群算法和改進(jìn)蟻群算法多次獨(dú)立運(yùn)算后的結(jié)果可以看出,傳統(tǒng)算法100條路徑長(zhǎng)度均值為366 m,改進(jìn)算法路徑長(zhǎng)度均值為336 m,在算法迭代次數(shù)相同的情況下,改進(jìn)算法在路徑長(zhǎng)度上明顯小于傳統(tǒng)算法。

由圖12可以看出,傳統(tǒng)蟻群算法和改進(jìn)蟻群算法規(guī)劃的路徑,其垂向偏移距離均值分別為18.46 m和12.5 m,改進(jìn)算法在路徑平穩(wěn)性上明顯優(yōu)于傳統(tǒng)算法。

5.2 實(shí)驗(yàn)算例2

實(shí)驗(yàn)2主要考察融合算法的全局路徑規(guī)劃和動(dòng)態(tài)路徑規(guī)劃能力,同時(shí)對(duì)比傳統(tǒng)人工勢(shì)場(chǎng)法規(guī)劃的路徑。實(shí)驗(yàn)場(chǎng)景為網(wǎng)格分辨率2 m的柵格地圖。采用傳統(tǒng)人工勢(shì)場(chǎng)算法進(jìn)行路徑規(guī)劃,路徑規(guī)劃結(jié)果如圖13所示。

圖13 傳統(tǒng)人工勢(shì)場(chǎng)算法三維路徑規(guī)劃

采用本文提出的融合算法,在實(shí)驗(yàn)1的基礎(chǔ)上,選取改進(jìn)蟻群算法產(chǎn)生的全局路徑中的有效關(guān)鍵點(diǎn)作為連續(xù)的子目標(biāo)點(diǎn),以驗(yàn)證本文融合算法的全局路徑規(guī)劃性能,如圖14所示。

圖14 融合算法全局路徑規(guī)劃

為進(jìn)一步對(duì)比傳統(tǒng)人工勢(shì)場(chǎng)法和本文算法的路徑平穩(wěn)性,將兩種算法規(guī)劃的路徑向xoz平面投影,如圖15所示。同時(shí)增加動(dòng)態(tài)障礙物,以驗(yàn)證本文融合算法的全局動(dòng)態(tài)路徑規(guī)劃性能,如圖16所示。

圖15 路徑在xoy平面投影

圖16 融合算法全局動(dòng)態(tài)路徑規(guī)劃

由圖13和圖15可知,傳統(tǒng)人工勢(shì)場(chǎng)算法在地形不復(fù)雜的情況下能夠完成路徑規(guī)劃,但不能實(shí)現(xiàn)等深度航行,路徑方向始終指向終點(diǎn)方向,即引力方向,遇地形障礙時(shí),規(guī)劃的路徑有較大的起伏,總路徑長(zhǎng)度為220 m,垂向偏移距離28 m。

由圖14和圖15可知,引入關(guān)鍵點(diǎn)作為子目標(biāo)點(diǎn)的人工勢(shì)場(chǎng)算法能夠明顯的改良原有路徑,所產(chǎn)生的路徑繼承了改進(jìn)蟻群算法全局路徑規(guī)劃的優(yōu)良性,路徑長(zhǎng)度259 m,增加17%,垂向偏移距離6 m,減少78%。與傳統(tǒng)人工勢(shì)場(chǎng)法路徑相比,雖然路徑長(zhǎng)度變長(zhǎng),但是路徑更加平穩(wěn),起伏波動(dòng)較小。

由圖16可知,當(dāng)環(huán)境信息中引入動(dòng)態(tài)障礙物后,本文融合算法可繞過(guò)動(dòng)態(tài)障礙物,能實(shí)現(xiàn)實(shí)時(shí)避障,且路徑能夠保持全局最優(yōu)性,基本實(shí)現(xiàn)等深度航行,達(dá)到預(yù)期目標(biāo)。

6 結(jié)論

針對(duì)移動(dòng)式深海著陸器全局動(dòng)態(tài)路徑規(guī)劃問(wèn)題,本文提出了一種融合改進(jìn)蟻群算法和人工勢(shì)場(chǎng)法的三維全局動(dòng)態(tài)路徑規(guī)劃方法：

1)基于傳統(tǒng)蟻群算法,設(shè)計(jì)了基于路徑偏移的啟發(fā)函數(shù),同時(shí)提出簡(jiǎn)化柵格地圖和優(yōu)化搜索空間的方法,提升了蟻群算法在三維路徑規(guī)劃中的收斂響應(yīng)速度。

2)基于傳統(tǒng)人工勢(shì)場(chǎng)法,設(shè)計(jì)了引力場(chǎng)修正函數(shù)和斥力場(chǎng)距離影響函數(shù),保證了目標(biāo)點(diǎn)較遠(yuǎn)時(shí),人工勢(shì)場(chǎng)法規(guī)劃的路徑不會(huì)碰撞障礙地形,同時(shí)解決了近目標(biāo)點(diǎn)有障礙物時(shí),目標(biāo)點(diǎn)不可達(dá)問(wèn)題。

3)提出了融合改進(jìn)蟻群算法和人工勢(shì)場(chǎng)法的規(guī)劃方法,構(gòu)造了顧及全局路徑規(guī)劃的勢(shì)場(chǎng)函數(shù),保證了三維動(dòng)態(tài)路徑規(guī)劃的全局最優(yōu)性。

實(shí)驗(yàn)算例結(jié)果表明,本文提出的算法在保證全局路徑規(guī)劃較優(yōu)的基礎(chǔ)上,提高路徑的平滑性,實(shí)現(xiàn)等深度航行,同時(shí)具備良好的局部避障的能力。與傳統(tǒng)蟻群算法相比,改進(jìn)之后的蟻群算法收斂速度更快,路徑更加平滑;與傳統(tǒng)人工勢(shì)場(chǎng)法相比,所提算法能夠繼承蟻群算法全局路徑規(guī)劃的優(yōu)良性。由于蟻群算法是一種隨機(jī)搜索的算法,不能夠保證航線的最優(yōu)性,同時(shí)在三維路徑規(guī)劃中蟻群算法運(yùn)算時(shí)間較長(zhǎng),在提高蟻群算法的運(yùn)算速度上仍有待進(jìn)一步的探討;在實(shí)現(xiàn)動(dòng)態(tài)避障時(shí),靠近動(dòng)態(tài)障礙物的路徑存在曲率變化不連續(xù)的問(wèn)題,是下一步改進(jìn)研究方向。