自主水下航行器多终点航路规划的距离正则化混合水平集算法研究
发布时间：2021-08-29 06:11
为进一步提升水平集算法求解自主水下航行器（AUV）时间最优航路的计算效率,结合局部化思想和多项式距离正则化方程,提出一种用于AUV多终点航路规划的混合水平集算法。通过引入简单多项式距离正则化项,融合海流模型,推导新的水平集演化方程,并给出数值实现方法。所提算法无需重复初始化窄带且一次演化就能获得至多终点的所有最优航路集,解决了AUV多终点航路规划时计算效率不高、规划时间过长的问题。仿真结果表明,相较于蚁群算法和量子粒子群算法,在AUV的多终点航路规划中,混合水平集算法计算效率是蚁群算法的6. 4倍,是量子粒子群算法的1. 6倍,且鲁棒性更佳。
【文章来源】：兵工学报. 2020,41(04)北大核心EICSCD
【文章页数】：13 页
【部分图文】：
局部水平集模型Fig．1ModelofLLSM
航路规划的寻优算法，如图搜索算法中的A*算法、ＲＲT算法、Voronoi图算法，智能优化算法中的神经网络法、粒子群算法、量子粒子群算法、蚁群算法、遗传算法以及人工势场法等都是在算法的一个计算周期或流程内只能完成起点ys到某一个终点的航路寻优yfg，如需再规划ys到另外终点yfh(其中，1≤g，h≤q，且g≠h)的最优航路，则需要再次开启算法的一个计算周期。本文提出利用改进的距离正则化局部水平集算法，在一个计算周期内完成单一起点到多终点的图2AUV多终点航路规划模型Fig．2AUVmulti-destinationrouteplanningmodelAUV多航路规划，避免了算法计算周期的反复调用，将大大提高计算效率，减少规划用时。首先，将基于传统水平集算法的AUV航路规划演化方程(4)式局部化，可得?"t+c(?")(FAUV(x，t)+v(x，t))Δ?"=0，(15)即有??"?t=－c(?")(FAUV|Δ?"|+v(x，t)Δ?")．(16)进行局部化改进以提高计算效率后，加入改进的简单P-DＲE项以避免重新初始化，从而进一步提升计算效率。本文提出的改进后全新的P-DＲLLSM方程为??"?t=－c(?")(FAUV|Δ?"|+v(x，t)Δ?")+div(μdp3(|Δ?"|)Δ?")．(17)由(17)式可知，AUV航路规划的P-DＲLLSM方程右边由演化项L1(?")和正则项L2(?")组成，L1(?")=－c(?")(FAUV|Δ?"|+v(x，t)Δ?")，(18)L2(?")=div(μdp3
多边形规整化与膨胀处理Fig．7Ｒegularizationandexpansiontreatmentsofpolygon
【参考文献】：
期刊论文
[1]水下平台三维航路多约束多指标规划的蚁群策略研究[J]. 夏卫星,杨晓东. 兵工学报. 2018(09)
[2]海洋环境下基于量子行为粒子群优化的时间最短路径规划方法[J]. 冯炜,张静远,王众,王新鹏. 海军工程大学学报. 2017(06)
[3]基于双向演化的局部水平集组合算法用于拓扑优化[J]. 张文辉,郑福聪,程文婕,张耀庭. 固体力学学报. 2018(02)
[4]基于显著性区域检测和水平集的图像快速分割算法[J]. 叶锋,李婉茹,陈家祯,郑子华. 电子与信息学报. 2017(11)
[5]基于局部熵的边界与区域水平集图像分割模型[J]. 张梦梦,张泾周,周三平,张永涛. 系统工程与电子技术. 2016(12)
本文编号：3370075
【文章来源】：兵工学报. 2020,41(04)北大核心EICSCD
【文章页数】：13 页
【部分图文】：
局部水平集模型Fig．1ModelofLLSM
航路规划的寻优算法，如图搜索算法中的A*算法、ＲＲT算法、Voronoi图算法，智能优化算法中的神经网络法、粒子群算法、量子粒子群算法、蚁群算法、遗传算法以及人工势场法等都是在算法的一个计算周期或流程内只能完成起点ys到某一个终点的航路寻优yfg，如需再规划ys到另外终点yfh(其中，1≤g，h≤q，且g≠h)的最优航路，则需要再次开启算法的一个计算周期。本文提出利用改进的距离正则化局部水平集算法，在一个计算周期内完成单一起点到多终点的图2AUV多终点航路规划模型Fig．2AUVmulti-destinationrouteplanningmodelAUV多航路规划，避免了算法计算周期的反复调用，将大大提高计算效率，减少规划用时。首先，将基于传统水平集算法的AUV航路规划演化方程(4)式局部化，可得?"t+c(?")(FAUV(x，t)+v(x，t))Δ?"=0，(15)即有??"?t=－c(?")(FAUV|Δ?"|+v(x，t)Δ?")．(16)进行局部化改进以提高计算效率后，加入改进的简单P-DＲE项以避免重新初始化，从而进一步提升计算效率。本文提出的改进后全新的P-DＲLLSM方程为??"?t=－c(?")(FAUV|Δ?"|+v(x，t)Δ?")+div(μdp3(|Δ?"|)Δ?")．(17)由(17)式可知，AUV航路规划的P-DＲLLSM方程右边由演化项L1(?")和正则项L2(?")组成，L1(?")=－c(?")(FAUV|Δ?"|+v(x，t)Δ?")，(18)L2(?")=div(μdp3
多边形规整化与膨胀处理Fig．7Ｒegularizationandexpansiontreatmentsofpolygon
【参考文献】：
期刊论文
[1]水下平台三维航路多约束多指标规划的蚁群策略研究[J]. 夏卫星,杨晓东. 兵工学报. 2018(09)
[2]海洋环境下基于量子行为粒子群优化的时间最短路径规划方法[J]. 冯炜,张静远,王众,王新鹏. 海军工程大学学报. 2017(06)
[3]基于双向演化的局部水平集组合算法用于拓扑优化[J]. 张文辉,郑福聪,程文婕,张耀庭. 固体力学学报. 2018(02)
[4]基于显著性区域检测和水平集的图像快速分割算法[J]. 叶锋,李婉茹,陈家祯,郑子华. 电子与信息学报. 2017(11)
[5]基于局部熵的边界与区域水平集图像分割模型[J]. 张梦梦,张泾周,周三平,张永涛. 系统工程与电子技术. 2016(12)
本文编号：3370075
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3370075.html
