本申請(qǐng)屬于路徑規(guī)劃，具體涉及一種基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法。

背景技術(shù)：

1、在水面無(wú)人艇(usv)的自主導(dǎo)航中，路徑規(guī)劃是一項(xiàng)關(guān)鍵技術(shù)，usv通常需要在復(fù)雜的海洋環(huán)境中自主導(dǎo)航，避開障礙物，同時(shí)以最短路徑或者根據(jù)具體任務(wù)要求的優(yōu)化路徑到達(dá)目標(biāo)區(qū)域。

2、針對(duì)水面無(wú)人艇的路徑規(guī)劃問題，目前主要的研究算法包括遺傳算法，蟻群算法和粒子群算法等，其中，粒子群算法是一種基于群體智能的優(yōu)化算法，該算法通過模擬鳥群、魚群等生物群體的覓食行為，利用群體中的個(gè)體之間的協(xié)作和信息共享機(jī)制來快速尋找最優(yōu)解，目前已廣泛應(yīng)用于水面無(wú)人艇的路徑規(guī)劃上。

3、然而，由于傳統(tǒng)蟻群算法本質(zhì)上為正反饋機(jī)制的算法，且蟻群算法一開始的搜索具有隨機(jī)性，如果一開始搜索到的解為局部最優(yōu)解而且相鄰的其他解明顯劣于該局部最優(yōu)解，蟻群算法很可能最終收斂于該局部最優(yōu)解，導(dǎo)致無(wú)法搜索得到全局最優(yōu)解；此外，傳統(tǒng)蟻群算法基于路徑最短目標(biāo)生成多段折線，當(dāng)兩段折線之間的夾角為銳角時(shí)，無(wú)人艇(特別是高速無(wú)人艇)在經(jīng)過兩段折線交點(diǎn)時(shí)，一般需要降速以高航速下急轉(zhuǎn)彎導(dǎo)致的傾覆風(fēng)險(xiǎn)，頻繁降速-加速不僅增加了無(wú)人艇的能量消耗，也導(dǎo)致航行時(shí)間的延長(zhǎng)，使得沿最短路徑航行并不能實(shí)現(xiàn)最少的航行時(shí)間，對(duì)于高速無(wú)人艇，上述問題更加明顯。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)的目的在于提供一種基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，通過對(duì)傳統(tǒng)蟻群算法進(jìn)行優(yōu)化，搜索得到使無(wú)人艇保持高航速下的全局最優(yōu)路徑方案，該方法包括以下步驟：

2、s1，建立待規(guī)劃區(qū)域的環(huán)境地圖模型；

3、s2，在所述環(huán)境地圖模型上使用常規(guī)蟻群算法進(jìn)行全局路徑規(guī)劃，得到第一規(guī)劃路徑；

4、s3，基于改進(jìn)蟻群算法對(duì)所述第一規(guī)劃路徑進(jìn)行全局優(yōu)化，得到第二規(guī)劃路徑；

5、s4，對(duì)所述第二規(guī)劃路徑上的各個(gè)轉(zhuǎn)向點(diǎn)進(jìn)行基于航速保持的轉(zhuǎn)向優(yōu)化操作，得到待規(guī)劃區(qū)域的最優(yōu)規(guī)劃路徑。

6、優(yōu)選地，所述環(huán)境地圖模型為maklink圖，所述maklink圖中包括至少一個(gè)障礙物區(qū)域以及多個(gè)自由區(qū)域。

7、優(yōu)選地，所述第一規(guī)劃路徑由至少兩個(gè)直線的第一子路徑前后依次連接構(gòu)成，且所述第一規(guī)劃路徑的每個(gè)轉(zhuǎn)向點(diǎn)均為所述maklink圖中的一條鏈接線的中點(diǎn)。

8、所述第二規(guī)劃路徑由至少兩個(gè)直線的第二子路徑前后依次連接構(gòu)成，且所述第二規(guī)劃路徑的各個(gè)轉(zhuǎn)向點(diǎn)均一一對(duì)應(yīng)地位于所述第一規(guī)劃路徑中的各個(gè)轉(zhuǎn)向點(diǎn)所在的鏈接線上。

9、進(jìn)一步地，步驟s3包括以下步驟：

10、s31，基于下式對(duì)第一鏈接線進(jìn)行節(jié)點(diǎn)分割操作：

11、

12、其中，第一鏈接線為第一規(guī)劃路徑中各個(gè)轉(zhuǎn)向點(diǎn)所在的鏈接線，l為任意一個(gè)鏈接線，h為對(duì)l進(jìn)行等分的總數(shù)，h為分割節(jié)點(diǎn)的序號(hào)；

13、s32，進(jìn)行改進(jìn)蟻群算法的初始化操作，設(shè)置蟻群規(guī)模m、循環(huán)次數(shù)上限n以及啟發(fā)信息和信息素的初始值；

14、s33，循環(huán)地執(zhí)行步驟s331至步驟s336，直到達(dá)到循環(huán)次數(shù)上限n：

15、s331，選擇蟻群中的任意一只螞蟻；

16、s332，隨機(jī)設(shè)置該螞蟻在首個(gè)第一鏈接線上所處的分割節(jié)點(diǎn)序號(hào)；

17、s333，生成一個(gè)[0,1]之間的隨機(jī)數(shù)q；

18、s334，遍歷各個(gè)第一鏈接線，基于以下方式確定該螞蟻?zhàn)援?dāng)前的第一鏈接線運(yùn)動(dòng)至下一個(gè)

19、第一鏈接線的路徑，并對(duì)該路徑進(jìn)行實(shí)時(shí)信息素更新：

20、

21、其中，i、j分別為該螞蟻在當(dāng)前及下一個(gè)第一鏈接線上所處的分割節(jié)點(diǎn)的序號(hào)，τi,j、δi,j分別為點(diǎn)i至點(diǎn)j的路徑的信息素濃度和啟發(fā)值，α、β分別為信息素濃度和啟發(fā)值的控制系數(shù)，phethres為選擇閾值，roulette?methoud為輪盤賭方法，所述輪盤賭方法的轉(zhuǎn)移概率pi,j如下式所示：

22、

23、其中，s為下一個(gè)第一鏈接線上的分割節(jié)點(diǎn)集合，τi,s、δi,s分別為點(diǎn)i至點(diǎn)s的路徑的信息素和啟發(fā)值；

24、s335，重新選擇一只螞蟻并返回執(zhí)行步驟s332，直到已選擇蟻群中的所有m只螞蟻；

25、s336，從所有m只螞蟻所經(jīng)過的路徑中選擇一個(gè)最短路徑作為第二規(guī)劃路徑，并對(duì)該第二規(guī)劃路徑上的信息素進(jìn)行全局更新。

26、進(jìn)一步地，步驟s4包括以下步驟：

27、s410，遍歷第二規(guī)劃路徑中的各個(gè)轉(zhuǎn)向點(diǎn)，對(duì)每個(gè)轉(zhuǎn)向點(diǎn)執(zhí)行步驟s421至步驟s423：

28、s421，判斷該轉(zhuǎn)向點(diǎn)連接的兩個(gè)第二子路徑的長(zhǎng)度是否均大于length且兩者之間的夾角是否大于60度，如是，則執(zhí)行步驟s422，如否，則執(zhí)行步驟s423，其中，length的下限為

29、所述水面無(wú)人艇按照其預(yù)計(jì)航速經(jīng)過該轉(zhuǎn)向點(diǎn)時(shí)的轉(zhuǎn)彎半徑的兩倍；

30、s422，通過對(duì)該轉(zhuǎn)向點(diǎn)連接的兩個(gè)第二子路徑進(jìn)行剪切操作以對(duì)其進(jìn)行轉(zhuǎn)向優(yōu)化；

31、s423，通過對(duì)該轉(zhuǎn)向點(diǎn)連接的兩個(gè)第二子路徑進(jìn)行擴(kuò)張操作以對(duì)其進(jìn)行轉(zhuǎn)向優(yōu)化；

32、s430，按照所述水面無(wú)人艇的航行順序依次將經(jīng)過轉(zhuǎn)向優(yōu)化得到的各個(gè)子路徑首尾連接，得到所述最優(yōu)規(guī)劃路徑。

33、優(yōu)選地，步驟s422中所述的剪切操作具體為：以該轉(zhuǎn)向點(diǎn)為起點(diǎn)，分別在其連接的兩個(gè)第二子路徑上截取一小于length的長(zhǎng)度以得到兩個(gè)剪切點(diǎn)，刪除該轉(zhuǎn)向點(diǎn)并連接兩個(gè)剪切點(diǎn)，從而得到經(jīng)過剪切操作的子路徑。

34、優(yōu)選地，步驟s423中所述的擴(kuò)張操作具體為：以該轉(zhuǎn)向點(diǎn)為起點(diǎn)，持續(xù)地進(jìn)行延伸-旋轉(zhuǎn)操作以得到多個(gè)擴(kuò)張點(diǎn)，然后通過依次連接各個(gè)擴(kuò)張點(diǎn)得到經(jīng)過擴(kuò)張操作的子路徑，其中，第一個(gè)擴(kuò)張點(diǎn)位于其中一個(gè)與該轉(zhuǎn)向點(diǎn)連接的第二子路徑的航向上，且每次延伸-旋轉(zhuǎn)操作中，延伸長(zhǎng)度不小于length。

35、優(yōu)選地，在步驟s1與s2之間還包括對(duì)所述障礙物區(qū)域進(jìn)行膨脹操作的步驟，其中膨脹距離為所述水面無(wú)人艇按照其預(yù)計(jì)航速進(jìn)行轉(zhuǎn)向時(shí)的轉(zhuǎn)彎半徑。

36、本申請(qǐng)的實(shí)施例提供的基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，通過maklink圖論來建立海上環(huán)境地圖模型，提高了路徑規(guī)劃的環(huán)境適應(yīng)性和準(zhǔn)確性；通過改進(jìn)蟻群算法對(duì)傳統(tǒng)蟻群算法的搜索結(jié)果進(jìn)行全局優(yōu)化以解決局部極值問題；進(jìn)一步地，為了保證水面無(wú)人艇能夠在保持較高航速的基礎(chǔ)上完成航行，通過對(duì)全局優(yōu)化后的路徑中的各個(gè)銳角轉(zhuǎn)向航段組合進(jìn)行鈍角化處理，最終得到能夠在最短的航行時(shí)間內(nèi)完成航行的最優(yōu)規(guī)劃路徑。

技術(shù)特征：

1.一種基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，用于對(duì)高速無(wú)人艇的路徑進(jìn)行規(guī)劃，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，其特征在于，所述環(huán)境地圖模型為maklink圖，所述maklink圖中包括至少一個(gè)障礙物區(qū)域以及多個(gè)自由區(qū)域。

3.根據(jù)權(quán)利要求2所述的基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，其特征在于，所述第一規(guī)劃路徑由至少兩個(gè)直線的第一子路徑前后依次連接構(gòu)成，且所述第一規(guī)劃路徑的每個(gè)轉(zhuǎn)向點(diǎn)均為所述maklink圖中的一條鏈接線的中點(diǎn)。

4.根據(jù)權(quán)利要求1所述的基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，其特征在于，

5.根據(jù)權(quán)利要求4所述的基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，其特征在于，步驟s3進(jìn)一步包括以下步驟：

6.根據(jù)權(quán)利要求1所述的基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，其特征在于，步驟s4進(jìn)一步包括以下步驟：

7.根據(jù)權(quán)利要求6所述的基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，其特征在于，

8.根據(jù)權(quán)利要求6所述的基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，其特征在于，

9.根據(jù)權(quán)利要求2所述的基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，其特征在于，在步驟s1與s2之間還包括對(duì)所述障礙物區(qū)域進(jìn)行膨脹操作的步驟，其中膨脹距離為所述水面無(wú)人艇按照其預(yù)計(jì)航速進(jìn)行轉(zhuǎn)向時(shí)的轉(zhuǎn)彎半徑。

技術(shù)總結(jié)
本申請(qǐng)?zhí)峁┮环N基于改進(jìn)蟻群算法及航速保持的水面無(wú)人艇路徑規(guī)劃方法，用于對(duì)高速無(wú)人艇的路徑進(jìn)行規(guī)劃，包括以下步驟：S1，建立待規(guī)劃區(qū)域的環(huán)境地圖模型；S2，在所述環(huán)境地圖模型上使用常規(guī)蟻群算法進(jìn)行全局路徑規(guī)劃，得到第一規(guī)劃路徑；S3，基于改進(jìn)蟻群算法對(duì)所述第一規(guī)劃路徑進(jìn)行全局優(yōu)化，得到第二規(guī)劃路徑；S4，對(duì)所述第二規(guī)劃路徑上的各個(gè)轉(zhuǎn)向點(diǎn)進(jìn)行基于航速保持的轉(zhuǎn)向優(yōu)化操作，得到待規(guī)劃區(qū)域的最優(yōu)規(guī)劃路徑。通過本申請(qǐng)?zhí)峁┑姆椒ㄒ?guī)劃得到的航線，能夠使水面無(wú)人艇在航行過程中維持較高航速，從而在最短時(shí)間內(nèi)完成整個(gè)航線。

技術(shù)研發(fā)人員：黃海濱,張愛靜,鐘哲濤,岳洋申,夏爾馬·桑杰·庫(kù)馬爾
受保護(hù)的技術(shù)使用者：威海天帆智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30