一种基于交叉熵方法的UUV航路规划方法技术

本发明专利技术属于水下无人潜航器航路规划技术领域，具体地说，涉及一种基于交叉熵方法的UUV航路规划方法，包括：步骤1)将每一条UUV可行优化路径分为m个相互连接的线段，形成参数集合；步骤2)每条UUV可行优化路径对应一个参数集合，计算每一条可行路径对应的路径代价，并进行从大到小排序，选取优势集中的10％

【技术实现步骤摘要】
一种基于交叉熵方法的UUV航路规划方法


[0001]本专利技术属于水下无人潜航器航路规划
，具体地说，涉及一种基于交叉熵方法的UUV航路规划方法。

技术介绍

[0002]探索认知海洋是开发利用、保护海洋的先决条件，水下无人航行器(Unmanned Underwater Vehicle，UUV)为海洋环境探索、军事侦察等提供了重要支持。航路规划是UUV的关键技术之一，是UUV自主能力的重要体现。航路规划是指在已知障碍环境下，规划出一条从起点出发绕过所有障碍物并到达终点的无碰路径。
[0003]UUV对接控制技术是UUV执行任务结束后或能源将要耗尽时，选择最为节省能源的航行路线，进行自主避障，归航至预定海域，成功与母船对接，进行能源补充、水下数据上传和任务下载的关键技术。因此，UUV对接控制应在具备避障能力的前提下，完成路径规划，保障UUV安全归航乃至顺利对接，最终实现返航、接近和对接控制等一系列回收动作。
[0004]UUV避障对接技术的路径规划是UUV的巡航能力与对接成功的重要环节，UUV根据实际水域存在的障碍物，结合UUV自身性能、航行条件和能源储备，计算出从起始点到对接点的最优路径，通常要求所得路径距离最短或者耗能最低。
[0005]一、路径规划方法
[0006]路径规划问题是智能控制的重要方向之一，其力图解决的问题是：在某种约束条件下，搜索从初始状态到目标状态的可行路径，并寻求最优解。
[0007]早期的路径规划方法需要技术人员参与，依据环境信息规划航路，由于获取信息受限、人为因素占主要原因，常常导致无法满足实际的避障回收任务需求。随着计算机技术的逐渐发展，促使UUV的智能性和自主性不断提升，航路规划由人工参与转为自主规划。
[0008]近些年来，机器学习作为目前研究热点，其运用场景不断拓展，在UUV实时在线的自主规划导航方面已经取得极大成果。作为路径规划中的难点，在线路径规划一直广受关注。UUV在航路径规划是针对前进方向上出现的未知障碍物采取一定的避碰策略及时调整UUV运动状态以保证航行安全。在实际应用中，在航路径规划的难点在于对运动障碍物的及时避碰，首先需要处理前视声纳采集到的障碍物信息，对障碍物运动状态进行拟合估计判断威胁程度；然后选用合适的规划算法进行避碰规划，速度矢量合成法对在线规划实时性表现良好，能够满足不同运动状态障碍物的避碰要求。
[0009]在机器人学中，航路径规划采用基于采样的方法(sampling based method)，例如，randomized potential planer(RPP),Probabilistic Roadmap Method(PRM),Rapidly
‑
exploring Random Trees(RRT)等等。
[0010]遗传算法
[0011]遗传算法提出时间最长，得益于优越的全局搜索能力在路径寻优问题上应用广泛，学者们不断将其与其他各类算法结合以达到更好效果。
[0012]人工势场法
[0013]近年来，势场法(potential field)在路径规划中得到广泛应用。虽然，人工势场法对处理静态障碍物效果出色，但是，对移动目标规划效果不佳，容易出现震荡或陷入局部最小值，限制了实际应用。因此，其容易落入局部极小点，并且在相对狭窄的区域效果不佳。
[0014]PRM概率路线图方法
[0015]Probabilistic Roadmap Method(PRM)是一个以图结构为基础的路径规划算法，该算法分为两个阶段：学习阶段和查询阶段。PRM首先在地图中撒一些点，然后将这些点连接成为一个图，最后在图上寻找一条从起点到终点的路径。PRM的优点体现在概率完备，计算量更小；但是，该方法需要解决边界值问题，在构建图的过程中不专注与生成路径，因此不够高效。
[0016]RRT快速扩展随机树
[0017]与PRM算法类似，RRT算法也是是通过抽样在已知地图上建立无向图，进而通过搜索方法寻找相对最优路径。算法原理为从某个点出发一边搜索，一边抽样建图。将起点作为根节点，在工作空间中，随机生成一个位置点。在位置树上寻找位置点的最邻近位置点，判断他们是否与障碍物碰撞。如不碰撞，则将位置点加入位置树，如到达目标点，溯源获得路径。该算法在存在几何约束的规划问题中表现良好。但是，该方法获得的路径并不是光滑路径，需要进行后续处理，才能得到光滑的路径，无法直接用于UUV路径规划中。
[0018]基于虚拟势场的方法
[0019]人工势场法建立虚拟势场，在障碍物与UUV之间建立斥力场，在目标点与UUV之间建立引力场，斥力与引力的合力视为UUV的控制力，控制UUV避开障碍物抵达目标位置。势场法的优势在于算法简单、效率高；但是，该方法面临局部最小值、路径摆动大以及相近障碍物路径不易搜索等缺点。
[0020]交叉熵方法CEM(Cross Entropy method)
[0021]交叉熵方法是蒙特卡洛方法，其核心内容是基于参数扰动的搜索算法，其过程是一种参数优化过程。给参数空间一些合理的扰动，然后在这些扰动中搜索和选择较好的数据集和，利用交叉墒来指导更新重要性函数的参数(reference parameter)，让这些扰动方向越趋近于的目标优化方向。与众多监督学习算法一样，CEM运用了交叉墒来指导更新方向，但是，该方法是一个免梯度(gradients free)的方法，从进化的角度存在解优化问题。
[0022]二、欠驱动系统的路径跟踪特点
[0023]欠驱动系统是输入比要控制的量少的一类典型系统，即系统的独立控制变量个数小于系统自由度个数的一类非线性系统。从控制理论的角度看，大部分现实应用中的UUV是欠驱动系统，也就意味着它们的自由度个数要多于控制输入的维数，只有横滚角速度、偏航角速度和俯仰角速度可以用来直接控制。
[0024]自主水下航行器为欠驱动系统，在路径跟踪过程中，要求期望曲线光滑，即航行轨迹是足够的平滑的曲线。但是，采用上述常见的算法，得到的计算结果是一串用来表示所经过的路径点坐标。这样的参考路径通常是有“锯齿”的，并不符合现实中的UUV欠驱动系统的航行轨迹表现。因此，还需要进一步的进行平滑处理，也就加大了计算量和系统复杂度。

技术实现思路

[0025]为解决现有技术存在的上述缺陷，本专利技术提出了一种基于交叉熵方法的UUV航路
规划方法，该方法包括：
[0026]步骤1)将每一条UUV可行优化路径分为m个相互连接的线段，得到由2m个参数组成m组参数集，并将其形成参数集合；其中，每组参数集对应一段线段路径；
[0027]步骤2)每条UUV可行优化路径对应一个参数集合，根据均值和方差进行高斯采样，获取UUV的N条可行路径以及N个参数集合，并计算每一条可行路径对应的路径代价；对上述得到的N个路径代价进行从大到小排序，得到优势集；选取优势集中的10％
‑
20％，作为优化集合；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于交叉熵方法的UUV航路规划方法，该方法包括：步骤1)将每一条UUV可行优化路径分为m个相互连接的线段，得到由2m个参数组成m组参数集，并将其形成参数集合，并为参数集设置初始均值和方差；其中，每组参数集对应一段线段路径；步骤2)每条UUV可行优化路径对应一个参数集合，根据均值和方差进行高斯采样，可获取UUV的N条可行路径以及N个参数集合，并计算每一条可行路径对应的路径代价；对上述得到的N个路径代价进行从大到小排序，得到优势集；选取优势集中的10％
‑
20％，作为优化集合；步骤3)对优化集合中的每组参数，计算其均值和方差，作为下一次迭代采样的均值和方差，共可获得更新后的m组参数对应的均值和方差，并将更新后的m组参数对应的m个线段路径连接，形成本次的优化路径，作为本次的最优解；步骤4)针对得到的本次的最优解，以及更新后的m组参数对应的均值和方差，再获取N条可行路径，并重复步骤1)
‑
步骤3)，通过不断迭代，直至达到收敛，得到一条优化后的UUV可行路径，并将其作为最终的最优解，实现对UUV航路路径的优化。2.根据权利要求1所述的基于交叉熵方法的UUV航路规划方法，其特征在于，所述步骤1)具体包括：将UUV的某条可行路径分为m个相互连接的线段路径；假设每个线段路径用航向角速度和持续时间进行描述，作为第m个线段路径对应的第m组参数行向量，记为第m组参数集(w
m
,τ
m
)；其中，w
m
为第m个线段路径的航向角速度；τ
m
为第m个线段路径的持续时间；根据m个线段路径，每个线段路径对应一组参数集，得到由2m个参数组成m组参数集，并将其作为参数集合W＝((w1，τ1),
…
,(w
m
，τ
m
))∈R
2m
；其中，R
2m
为2m维实数空间。3.根据权利要求1所述的基于交叉熵方法的UUV航路规划方法，其特征在于，所述步骤2)具体包括：获取UUV的N条可行路径，根据不同情况的路径规划问题，计算每条路径对应的代价函数；若考虑终点的路径规划问题，则采用下述表达式计算每条路径对应的代价函数：其中，J
n
为第n条可行路径对应的路径代价；t
f
是经过第n条可行路径所需要的总时间，是待优化变量；...

【专利技术属性】
技术研发人员：刘宇，朱晓萌，马晓川，朱昀，侯朝焕，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：