一种基于拓展支持向量机的无人船路径规划方法
发布时间：2022-01-17 09:20
为有效解决无人船实现智能航行面临的路径规划问题,提出一种基于拓展支持向量机（SVM）的路径规划方法。该方法在传统SVM路径规划方法的基础上,考虑任务途中障碍物的规避风险,将工作任务的起止点作为约束条件对传统方法进行拓展,并针对不同的应用情景给出线性路径规划和非线性路径规划的求解方法。同时,为提高路径规划的效率,从SVM的原理出发,提出一种训练集裁剪的方法,大幅度减少利用SVM求解路径时所需的训练样本个数。此外,通过仿真验证该方法的可行性和有效性。
【文章来源】：船舶工程. 2020,42(07)北大核心CSCD
【文章页数】：8 页
【部分图文】：
无人船工作环境数据的处理b)路径训练数据提取
yxx（24）1,()()01,()()0jjjjfxgyhfxgy（25）式中：当h=1时，表示交点位于向量BG的顺时针方向；当h=1时，表示交点位于向量BG的逆时针方向。由此，各交点到线BG的距离的计算式可表示为pplp,1,1BGpGhhpGdBGpGhhpG（26）式中：hp为p点的类别。从各交点中得到使dpl达到最小值的点即为2类障碍的交界点，得到的所有交点组成新的训练集T。样本裁剪效果见图3，裁剪之前的训练样本个数为2455个，裁剪之后的训练样本个数为82个。图3训练数据裁剪3.3采用拓展SVM算法进行无人船路径规划的具体步骤拓展SVM的无人船路径规划包含训练数据的提取与分类、训练数据的裁剪和拓展SVM的训练等过程。为明确算法的整体执行过程，设计算法执行步骤如下：1）步骤1：初始化拓展SVM的径向基核函数参数、支持向量精度、正确率精度和样本个数m，确定起点B和终点G的位置。2）步骤2：提取障碍边界点，根据障碍物的位置信息划分类别。3）步骤3：依据式（26）删减训练数据，得到训练集T。4）步骤4：由起止点的连线BG是否与障碍相交来判断是选用拓展线性SVM，还是拓展非线性SVM。5）步骤5：调节参数，将得到的训练集T放入ESVM中训练，先由式（12）或式（17）得到核矩阵H，再利用分解算法求i，根据i是否大于判断对应数据点是否为支持向量pm。6）步骤6：根据交叉验证的正确率调节核?
一种基于拓展支持向量机的无人船路径规划方法—135—要参数为：船长116m；宽18m；航速18kn。根据这些船舶参数可将传统SVM和拓展SVM的参数设置为：9；0.0001；=99。人工势场法的参数设置为：目标点产生的虚拟引力势场的引力增益系数k=16；障碍产生的虚拟斥力势场的斥力增益系数m=10；障碍的斥力对路径点的影响距离po=1.4km；路径点的行进步长l=0.18km。图5为无人船在大连附近海域执行任务时的情形，其中“大坨子”和“二坨子”为大连附近海域的2座岛屿，仿真时无人船自主航行任务经过二岛屿之间的海域。无人船任务的起点分别处于东经121.5369、北纬38.8295的pB1处和东经121.5347、北纬38.8316的pB2处，任务的终点均在东经121.5264、北纬38.8244的pG处。图6a)为针对岛屿边界进行提取和分类之后的SVM训练数据集；图6b)为从起点pB2到终点pG应用裁剪策略之后得到的训练样本，经裁剪之后拓展SVM的训练样本个数由原来的2059下降为61。图7为针对拓展SVM的2种情况与传统SVM进行路径规划的仿真对比实例，其中：采用拓展SVM进行路径规划的结果由实线表示；传统SVM的规划结果则由点线表示。当任务起始点为pB1时，由于任务起点与止点之间的连线pB1pG并未穿越图中的岛屿，图5无人船工作海域图6传统SVM与拓展SVM的训练样本对比故可采用基于拓展SVM的线性路径规划进行尝试。仿真所得路径为从pB1出发的实线，该路径在保证距两岛屿有一定安全距离的同时，仍靠近pB1pG，故是?
【参考文献】：
期刊论文
[1]基于概率路线图的动态环境下移动机器人路径规划的神经网络方法[J]. 陈艳,禹继国. 曲阜师范大学学报(自然科学版). 2019(04)
[2]移动机器人路径规划算法综述[J]. 霍凤财,迟金,黄梓健,任璐,孙勤江,陈建玲. 吉林大学学报(信息科学版). 2018(06)
[3]基于支持向量机的局部路径规划算法[J]. 诸葛程晨,许劲松,唐振民. 哈尔滨工程大学学报. 2019(02)
[4]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟. 机器人. 2018(06)
本文编号：3594474
【文章来源】：船舶工程. 2020,42(07)北大核心CSCD
【文章页数】：8 页
【部分图文】：
无人船工作环境数据的处理b)路径训练数据提取
yxx（24）1,()()01,()()0jjjjfxgyhfxgy（25）式中：当h=1时，表示交点位于向量BG的顺时针方向；当h=1时，表示交点位于向量BG的逆时针方向。由此，各交点到线BG的距离的计算式可表示为pplp,1,1BGpGhhpGdBGpGhhpG（26）式中：hp为p点的类别。从各交点中得到使dpl达到最小值的点即为2类障碍的交界点，得到的所有交点组成新的训练集T。样本裁剪效果见图3，裁剪之前的训练样本个数为2455个，裁剪之后的训练样本个数为82个。图3训练数据裁剪3.3采用拓展SVM算法进行无人船路径规划的具体步骤拓展SVM的无人船路径规划包含训练数据的提取与分类、训练数据的裁剪和拓展SVM的训练等过程。为明确算法的整体执行过程，设计算法执行步骤如下：1）步骤1：初始化拓展SVM的径向基核函数参数、支持向量精度、正确率精度和样本个数m，确定起点B和终点G的位置。2）步骤2：提取障碍边界点，根据障碍物的位置信息划分类别。3）步骤3：依据式（26）删减训练数据，得到训练集T。4）步骤4：由起止点的连线BG是否与障碍相交来判断是选用拓展线性SVM，还是拓展非线性SVM。5）步骤5：调节参数，将得到的训练集T放入ESVM中训练，先由式（12）或式（17）得到核矩阵H，再利用分解算法求i，根据i是否大于判断对应数据点是否为支持向量pm。6）步骤6：根据交叉验证的正确率调节核?
一种基于拓展支持向量机的无人船路径规划方法—135—要参数为：船长116m；宽18m；航速18kn。根据这些船舶参数可将传统SVM和拓展SVM的参数设置为：9；0.0001；=99。人工势场法的参数设置为：目标点产生的虚拟引力势场的引力增益系数k=16；障碍产生的虚拟斥力势场的斥力增益系数m=10；障碍的斥力对路径点的影响距离po=1.4km；路径点的行进步长l=0.18km。图5为无人船在大连附近海域执行任务时的情形，其中“大坨子”和“二坨子”为大连附近海域的2座岛屿，仿真时无人船自主航行任务经过二岛屿之间的海域。无人船任务的起点分别处于东经121.5369、北纬38.8295的pB1处和东经121.5347、北纬38.8316的pB2处，任务的终点均在东经121.5264、北纬38.8244的pG处。图6a)为针对岛屿边界进行提取和分类之后的SVM训练数据集；图6b)为从起点pB2到终点pG应用裁剪策略之后得到的训练样本，经裁剪之后拓展SVM的训练样本个数由原来的2059下降为61。图7为针对拓展SVM的2种情况与传统SVM进行路径规划的仿真对比实例，其中：采用拓展SVM进行路径规划的结果由实线表示；传统SVM的规划结果则由点线表示。当任务起始点为pB1时，由于任务起点与止点之间的连线pB1pG并未穿越图中的岛屿，图5无人船工作海域图6传统SVM与拓展SVM的训练样本对比故可采用基于拓展SVM的线性路径规划进行尝试。仿真所得路径为从pB1出发的实线，该路径在保证距两岛屿有一定安全距离的同时，仍靠近pB1pG，故是?
【参考文献】：
期刊论文
[1]基于概率路线图的动态环境下移动机器人路径规划的神经网络方法[J]. 陈艳,禹继国. 曲阜师范大学学报(自然科学版). 2019(04)
[2]移动机器人路径规划算法综述[J]. 霍凤财,迟金,黄梓健,任璐,孙勤江,陈建玲. 吉林大学学报(信息科学版). 2018(06)
[3]基于支持向量机的局部路径规划算法[J]. 诸葛程晨,许劲松,唐振民. 哈尔滨工程大学学报. 2019(02)
[4]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟. 机器人. 2018(06)
本文编号：3594474
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3594474.html
