System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种海洋航行器路径规划方法技术_技高网

一种海洋航行器路径规划方法技术

技术编号:40513759 阅读:21 留言:0更新日期:2024-03-01 13:30
本发明专利技术公开一种海洋航行器路径规划方法,涉及路径规划领域。该方法包括以下步骤:S1、获取海洋航行器作业区域的水下地形数据;S2、构建海洋航行器路径的代价函数;S3、对XY平面进行二维路径规划;S4、根据二维路径规划线路上的高程信息规划z轴路径;S5、对规划的路径进行B样条插值,平滑路径,完成海洋航行器三维路径规划。本发明专利技术通过降维处理和改进的指数分布优化算法,平衡了寻优算法的勘探与开发能力,平衡了全局搜索与收敛能力,能够在不舍弃水下高度信息的前提下,实现快速、稳定且平滑地完成复杂海洋环境下的三维路径规划,拥有更快的寻优速度,更高的安全性、稳定性,更高的效率。

【技术实现步骤摘要】

本专利技术涉及路径规划领域,具体地说是涉及一种海洋航行器路径规划方法


技术介绍

1、海洋资源价值巨大。随着独立海洋观测和数据采集技术的发展,海洋勘探与开发越来越受到重视。作为水下探测的主要工具之一,海洋航行器在海底探测等水下任务中发挥着重要作用,智能化的海洋航行器的作用越来越突出,而海洋航行器智能化的关键技术之一就是机器人的路径规划问题,水下环境下海洋航行器的三维路径规划是保证其安全航行和可靠完成任务的关键。

2、水下机器人的路径规划问题不同于水面和陆地的路径规划,机器人在水下的运动是三维运动,需要考虑高程信息并尽可能减少机器人的能耗。水下环境复杂,沟壑纵横,地形起伏大,对于传统的路径规划算法,面对复杂的水下三维信息,容易出现计算缓慢,路径起伏大和陷入局部最优等问题。

3、优秀的路径规划算法能够使得机器人躲避路径中的危险与障碍,提升任务执行能力。根据不同的应用场景,广大国内外学者提出了诸多不同的解决方法。但随着机器人应用领域的拓展,早期传统的路径规划算法已经难以满足复杂环境下的路径寻优,暴露出计算能力不足、求解精度低、运行时间长等问题。于是研究者将目光转向鲁棒性强的群智能优化算法,为解决路径规划问题提供了一个新方向。

4、群优化算法有粒子群优化算法、鲸鱼优化算法、灰狼优化算法等,这些群优化算法均是模拟了现实生活中一些生物的行为,以此来进行寻优。这些算法均具有良好的全局搜索能力,收敛速度快,易于理解等优点。

5、粒子群算法的核心是通过粒子间相互分享信息使粒子群体由无序转为有目标地向空间内的最优解方向移动,但是粒子群算法含有许多参数,参数的调整将影响结果的好坏。鲸鱼优化算法是根据座头鲸群体捕食小型鱼虾的行为提出的仿生元启发式算法,通过收缩包围、气泡网攻击和随机搜索完成捕食猎物过程,猎物的位置即问题的全局最优解;鲸鱼优化算法有较好的探索能力,但是开发能力受限,收敛速度慢。灰狼优化算法具有分层结构,能够建立目标函数的层次优势。另外,该目标函数可进一步细分为适应度函数和成本函数,有助于在所有候选解中获得最佳解,但是算法中的收敛因子会影响算法的搜索范围,在收敛因子减少的变化趋势中,无法对算法的全局、局部寻优做平衡,会导致无法获得全局最优解。


技术实现思路

1、基于上述技术问题,本专利技术提出一种海洋航行器路径规划方法。

2、本专利技术所采用的技术解决方案是:

3、一种海洋航行器路径规划方法,包括以下步骤:

4、s1、获取海洋航行器作业区域的水下地形数据;

5、s2、构建海洋航行器路径的代价函数;

6、s3、对xy平面进行二维路径规划

7、s31、首先使用服从正态分布的导向性初始化方法对指数分布优化算法的位置信息进行初始化,以距连接起点和终点的直线l的距离d为参数,按照正态分布的规律选择路径点;

8、第i个路径点距离直线l的距离d服从均值为0,标准差为的正态分布:

9、;

10、坐标成等距分布,由以下公式确定:

11、;

12、式中,表示在处时,直线l上的取值;

13、s32、构建指数分布优化算法模型,设置最大迭代次数,根据代价函数评估初始路径的适应度值,并根据适应度值对种群进行递增排序;

14、s33、取适应度值前三的个体的位置的平均值作为指导解,即:

15、;

16、式中,表示第t次迭代中第i个个体对应的位置;

17、s34、定义一组变量,值与初始的种群相等,;

18、s35、在开发阶段,第i个个体的位置更新公式如下:

19、;

20、;

21、;

22、式中,是一个过程变量,是在[0,1]中均匀生成的一个随机数,rand()表示[0,1]之间的随机数;

23、s36、在勘探阶段,第i个个体的位置更新公式如下:

24、;

25、;

26、;

27、;

28、;

29、其中,表示种群的平均位置,t表示最大迭代次数,r1和r2表示[1,n]之间的随机整数,且r1≠r2;

30、开发和勘探随机进行;

31、s37、在完成一次迭代的开发和勘探后,对整个种群进行交叉变异操作;交叉变异操作完成后,进行贪婪选择,选择适应度优的个体留下,其余个体淘汰;

32、s38、将指导解添加到种群的行列中;

33、s39、种群的更新遵守以下原则,即个体u需要进行贪婪选择后才进行更新,而不需要贪婪选择,直接由构成;

34、;

35、s310、若达到最大迭代次数,则结束迭代,进行以下步骤;若未达到最大迭代次数,则计算种群个体适应度,返回步骤s33继续迭代;

36、s4、根据二维路径规划线路上的高程信息规划z轴路径;

37、s5、对规划的路径进行b样条插值,平滑路径,完成海洋航行器三维路径规划。

38、本专利技术的有益技术效果是:

39、本专利技术海洋航行器路径规划方法通过降维处理和改进的指数分布优化算法,平衡了寻优算法的勘探与开发能力,平衡了全局搜索与收敛能力,能够在不舍弃水下高度信息的前提下,实现快速、稳定且平滑地完成复杂海洋环境下的三维路径规划,拥有更快的寻优速度,更高的安全性、稳定性,更高的效率,并且通过实际的海洋海底地形验证,证明了本专利技术的实用性与有效性。

40、具体地,本专利技术海洋航行器路径规划方法具有以下优点:

41、1、使用服从正态分布的导向性初始化方法对算法初始种群进行初始化;2、结合遗传算法的交叉变异思想提高算法的全局搜索能力,避免陷入局部最优问题;3、将原始算法中的指导解引入到种群的迭代优化中,增快算法的收敛速度;4、将复杂的三维路径规划问题转化为二维路径规划和高度两个单独的过程,减少了计算维度,提高了算法效率。

本文档来自技高网...

【技术保护点】

1.一种海洋航行器路径规划方法,其特征在于包括以下步骤:

2.根据权利要求1所述的一种海洋航行器路径规划方法,其特征在于,步骤S2中包括以下步骤:

3.根据权利要求1所述的一种海洋航行器路径规划方法,其特征在于,步骤S36中:开发和勘探的比例各占一半。

4.根据权利要求1所述的一种海洋航行器路径规划方法,其特征在于,步骤S36中:交叉为第i个个体与第个个体进行,生成新的个体,交叉位置p为随机产生,变异为小概率事件,每个个体产生变异的几率设置为0.2。

5.根据权利要求1所述的一种海洋航行器路径规划方法,其特征在于,步骤S4中包括以下步骤:

6.根据权利要求1所述的一种海洋航行器路径规划方法,其特征在于,步骤S5中:B样条插值进行三次,B样条插值的公式如下:

【技术特征摘要】

1.一种海洋航行器路径规划方法,其特征在于包括以下步骤:

2.根据权利要求1所述的一种海洋航行器路径规划方法,其特征在于,步骤s2中包括以下步骤:

3.根据权利要求1所述的一种海洋航行器路径规划方法,其特征在于,步骤s36中:开发和勘探的比例各占一半。

4.根据权利要求1所述的一种海洋航行器路径规划方法,其特征在于,步骤s3...

【专利技术属性】
技术研发人员:乜云利张世昊张明伟王胜利王天泽吴启超黄一哲
申请(专利权)人:山东科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1