基于海流预测模型的AUV路径规划方法
发布时间：2021-08-10 03:43
海流作为水文要素中影响路径规划较大的因素,智能水下机器人在进行远程自主作业时,必须考虑其对路径规划的影响。若AUV未安装多普勒流速剖面仪（ADCP）,则无法获取实时的海流数据,AUV易偏离航线甚至失控或丢失。本文针对实时海流流速缺失的情况,对远程自主路径规划作如下研究:首先,将远程自主规划问题分解为全局路径规划问题和局部路径规划问题。考虑AUV携带能源有限及局部规划时海流对控制的影响,设计了 AUV路径规划的框架。其次,针对AUV水下航行时海流流速未知的问题,建立了海流预测模型。该模型通过对流体微团进行受力分析与尺度分析建立动量方程、质量守恒和密度守恒方程。先根据密度守恒方程预测密度变化,再通过局部旋转法处理科氏力项、全变差递减平流方案处理平流项、显式差分处理扩散项及时间分裂算法处理压力梯度项来预测海流流速的变化。其中海水表面动态水压力通过质量守恒方程求得,且风应力项和摩擦力项分别作为顶层和底层的边界处理。再次,为使AU-V能在海洋环境下长时间作业且考虑海流对路径的影响,结合设计的AUV路径规划的框架,本文提出一种基于海流预测模型的路径规划方法。该方法利用海流预测模型预测出不同高度层各...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
图２．２?ＡＵＶ路径规划远程自主规划框架图??全局路径规划中的ＡＵＶ环境系统和局部路径规划的ＡＵＶ环境感知系统主要有三??
ＡＵＶ局部路径规划?Ｉ??图２．２?ＡＵＶ路径规划远程自主规划框架图??全局路径规划中的ＡＵＶ环境系统和局部路径规划的ＡＵＶ环境感知系统主要有三??点区别：（１）获取障碍物的方式不同。ＡＵＶ环境系统是利用电子海图获取海岸、岛屿??等地形信息，从而划分出安全区与禁航区，障碍物信息已知；而ＡＵＶ环境感知系统是??通过建立前视声呐模型感知到ＡＵＶ前方声呐开角范围内的障碍物。（２）预测的海流数??据用途不同。ＡＵＶ环境系统中海流预测模型预测的海流流速用来确定ＡＵＶ的状态Ｓ及??确定即时回报ｒ；而ＡＵＶ环境感知系统中海流数据被用来计算ＡＵＶ的实时位姿。（３）??输出不同。ＡＵＶ环境系统输出的环境信息包含障碍物信息、海流信息及ＡＵＶ当前位姿；??而ＡＵＶ环境感知系统则不需要输出海流信息。??路径规划可以看成一个马尔科夫决策过程，可以由５元组冼Ｐ，足幻描述，其中：??Ｓ为状态集，Ａ为动作集，Ｐ为状态转移概率，Ｒ为回报函数，／为折扣因子ｆ５６Ｉ。强化??学习算法的精髓之一就是可以解决无模型的马尔科夫决策问题。全局路径规划和局部路??径规划均是通过强化学习算法来求解，ＡＵＶ通过与环境不断进行交互来进行学习，在??当前状态下，通过执行动作Ａ，通过ＡＵＶ的环境感知系统可得知新的环境状态，同时??环境会反馈给ＡＵＶ强化学习系统与动作Ａ相对应的即时回报，通过反馈的即时回报可??以计算得到各个状态、各个动作对应的累积奖赏，即得到状态－动作值对应的二维表格，??通过ＡＵＶ不断与外界海洋环境进行交互
图２．４?ＡＵＶ局部路径规划系统框架图??局部路径规划的范围大约为几百米，而海流预测模型的网格距流预测模型的位置精度还未控制到几十米以内，且假设几分钟化，所以在进行局部路径规划时，使用的海流数据为定常流，己经由全局路径规划中的节能转化为利用规划来辅助控制来键路径点。??模型主要为局部路径规划提供障碍物上某点到ＡＵＶ当前位置置和障碍物连线与艏向角的夹角，仿真中声呐每扫描一次便将网络传输给局部路径规划，从而获知ＡＵＶ与障碍物的相对位模型主要用于计算ＡＵＶ的当前位姿，在仿真中，需要建立舵通讯的方式获取控制器输出的控制量，并利用舵模型和桨模型到的舵力与螺旋桨的推力，首先进行坐标转换，通过读取水动力收到的舵力与螺旋桨推力，由此可以建立六自由度运动方程，
【参考文献】：
期刊论文
[1]FVCOM与ROMS在美国东海岸洋流模拟的对比研究[J]. 刘晓建,邹慧敏. 北京测绘. 2018(05)
[2]基于改进型蚁群算法的AUV路径规划[J]. 董凌艳,徐红丽. 自动化与仪表. 2017(03)
[3]AUV归航和坐落式对接的半物理仿真[J]. 李晔,何佳雨,姜言清,安力. 机器人. 2017(01)
[4]主要海洋环境因素对水下航行器航行影响分析[J]. 王奎民. 智能系统学报. 2015(02)
[5]基于ARIMA-BP神经网络模型海流流速预测研究[J]. 董世超. 中国科技信息. 2014(02)
[6]动态不确定环境下水下机器人在线实时路径规划[J]. 高云,殷波,魏志强,宫飞翔,纪筱鹏. 中国海洋大学学报(自然科学版). 2013(12)
[7]混合坐标大洋环流模式HYCOM及其研究进展[J]. 陈晓斌,刘志宏,林刚,李柄更. 科技资讯. 2013(34)
[8]基于小波神经网络的海流预测模型[J]. 刘军亮. 武汉理工大学学报(交通科学与工程版). 2013(04)
[9]采用量子粒子群算法的潜器路径规划[J]. 邹梅魁,于飞,吕重阳,王兴彬. 智能系统学报. 2013(03)
[10]基于HTN的卫星应用任务分解方法[J]. 冉承新,熊纲要,王慧林,马满好. 中国空间科学技术. 2010(03)
博士论文
[1]水下机器人路径规划问题的关键技术研究[D]. 曹江丽.哈尔滨工程大学 2009
[2]智能优化算法研究及其在移动机器人相关技术中的应用[D]. 王海英.哈尔滨理工大学 2007
[3]避障路径规划的算法研究[D]. 戴光明.华中科技大学 2004
硕士论文
[1]银行智能机器人设计研究[D]. 张圆.齐鲁工业大学 2017
[2]基于多智能体强化学习的足球机器人决策策略研究[D]. 丁明刚.合肥工业大学 2017
[3]水下机器人AUV环境地图构建与定位技术研究[D]. 李飞飞.青岛科技大学 2015
[4]强化学习中值函数逼近方法的研究[D]. 陈桂兴.苏州大学 2014
[5]AUV环境认知不确定推理方法研究[D]. 谭竹青.哈尔滨工程大学 2014
[6]布谷鸟搜索算法研究及其在AUV路径规划中的应用[D]. 郭兆新.哈尔滨工程大学 2014
[7]一类多机器人路径规划的研究与仿真[D]. 周帆.南京理工大学 2013
[8]面向地形勘察使命的多AUV协同区域覆盖控制方法研究[D]. 王雨.哈尔滨工程大学 2013
[9]AUV路径规划系统的环境建模方法研究[D]. 李雅斯.哈尔滨工程大学 2012
[10]水下潜器路径规划仿真平台的设计与实现[D]. 姜辉.哈尔滨工程大学 2009
本文编号：3333384
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
图２．２?ＡＵＶ路径规划远程自主规划框架图??全局路径规划中的ＡＵＶ环境系统和局部路径规划的ＡＵＶ环境感知系统主要有三??
ＡＵＶ局部路径规划?Ｉ??图２．２?ＡＵＶ路径规划远程自主规划框架图??全局路径规划中的ＡＵＶ环境系统和局部路径规划的ＡＵＶ环境感知系统主要有三??点区别：（１）获取障碍物的方式不同。ＡＵＶ环境系统是利用电子海图获取海岸、岛屿??等地形信息，从而划分出安全区与禁航区，障碍物信息已知；而ＡＵＶ环境感知系统是??通过建立前视声呐模型感知到ＡＵＶ前方声呐开角范围内的障碍物。（２）预测的海流数??据用途不同。ＡＵＶ环境系统中海流预测模型预测的海流流速用来确定ＡＵＶ的状态Ｓ及??确定即时回报ｒ；而ＡＵＶ环境感知系统中海流数据被用来计算ＡＵＶ的实时位姿。（３）??输出不同。ＡＵＶ环境系统输出的环境信息包含障碍物信息、海流信息及ＡＵＶ当前位姿；??而ＡＵＶ环境感知系统则不需要输出海流信息。??路径规划可以看成一个马尔科夫决策过程，可以由５元组冼Ｐ，足幻描述，其中：??Ｓ为状态集，Ａ为动作集，Ｐ为状态转移概率，Ｒ为回报函数，／为折扣因子ｆ５６Ｉ。强化??学习算法的精髓之一就是可以解决无模型的马尔科夫决策问题。全局路径规划和局部路??径规划均是通过强化学习算法来求解，ＡＵＶ通过与环境不断进行交互来进行学习，在??当前状态下，通过执行动作Ａ，通过ＡＵＶ的环境感知系统可得知新的环境状态，同时??环境会反馈给ＡＵＶ强化学习系统与动作Ａ相对应的即时回报，通过反馈的即时回报可??以计算得到各个状态、各个动作对应的累积奖赏，即得到状态－动作值对应的二维表格，??通过ＡＵＶ不断与外界海洋环境进行交互
图２．４?ＡＵＶ局部路径规划系统框架图??局部路径规划的范围大约为几百米，而海流预测模型的网格距流预测模型的位置精度还未控制到几十米以内，且假设几分钟化，所以在进行局部路径规划时，使用的海流数据为定常流，己经由全局路径规划中的节能转化为利用规划来辅助控制来键路径点。??模型主要为局部路径规划提供障碍物上某点到ＡＵＶ当前位置置和障碍物连线与艏向角的夹角，仿真中声呐每扫描一次便将网络传输给局部路径规划，从而获知ＡＵＶ与障碍物的相对位模型主要用于计算ＡＵＶ的当前位姿，在仿真中，需要建立舵通讯的方式获取控制器输出的控制量，并利用舵模型和桨模型到的舵力与螺旋桨的推力，首先进行坐标转换，通过读取水动力收到的舵力与螺旋桨推力，由此可以建立六自由度运动方程，
【参考文献】：
期刊论文
[1]FVCOM与ROMS在美国东海岸洋流模拟的对比研究[J]. 刘晓建,邹慧敏. 北京测绘. 2018(05)
[2]基于改进型蚁群算法的AUV路径规划[J]. 董凌艳,徐红丽. 自动化与仪表. 2017(03)
[3]AUV归航和坐落式对接的半物理仿真[J]. 李晔,何佳雨,姜言清,安力. 机器人. 2017(01)
[4]主要海洋环境因素对水下航行器航行影响分析[J]. 王奎民. 智能系统学报. 2015(02)
[5]基于ARIMA-BP神经网络模型海流流速预测研究[J]. 董世超. 中国科技信息. 2014(02)
[6]动态不确定环境下水下机器人在线实时路径规划[J]. 高云,殷波,魏志强,宫飞翔,纪筱鹏. 中国海洋大学学报(自然科学版). 2013(12)
[7]混合坐标大洋环流模式HYCOM及其研究进展[J]. 陈晓斌,刘志宏,林刚,李柄更. 科技资讯. 2013(34)
[8]基于小波神经网络的海流预测模型[J]. 刘军亮. 武汉理工大学学报(交通科学与工程版). 2013(04)
[9]采用量子粒子群算法的潜器路径规划[J]. 邹梅魁,于飞,吕重阳,王兴彬. 智能系统学报. 2013(03)
[10]基于HTN的卫星应用任务分解方法[J]. 冉承新,熊纲要,王慧林,马满好. 中国空间科学技术. 2010(03)
博士论文
[1]水下机器人路径规划问题的关键技术研究[D]. 曹江丽.哈尔滨工程大学 2009
[2]智能优化算法研究及其在移动机器人相关技术中的应用[D]. 王海英.哈尔滨理工大学 2007
[3]避障路径规划的算法研究[D]. 戴光明.华中科技大学 2004
硕士论文
[1]银行智能机器人设计研究[D]. 张圆.齐鲁工业大学 2017
[2]基于多智能体强化学习的足球机器人决策策略研究[D]. 丁明刚.合肥工业大学 2017
[3]水下机器人AUV环境地图构建与定位技术研究[D]. 李飞飞.青岛科技大学 2015
[4]强化学习中值函数逼近方法的研究[D]. 陈桂兴.苏州大学 2014
[5]AUV环境认知不确定推理方法研究[D]. 谭竹青.哈尔滨工程大学 2014
[6]布谷鸟搜索算法研究及其在AUV路径规划中的应用[D]. 郭兆新.哈尔滨工程大学 2014
[7]一类多机器人路径规划的研究与仿真[D]. 周帆.南京理工大学 2013
[8]面向地形勘察使命的多AUV协同区域覆盖控制方法研究[D]. 王雨.哈尔滨工程大学 2013
[9]AUV路径规划系统的环境建模方法研究[D]. 李雅斯.哈尔滨工程大学 2012
[10]水下潜器路径规划仿真平台的设计与实现[D]. 姜辉.哈尔滨工程大学 2009
本文编号：3333384
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3333384.html
