基于改进势场蚁群算法的波浪动力滑翔器路径规划算法研究

发布时间：2017-03-26 18:11

  本文关键词：基于改进势场蚁群算法的波浪动力滑翔器路径规划算法研究，，由笔耕文化传播整理发布。

【摘要】：波浪动力滑翔器作为一种以波浪能为驱动力的新型海洋观测平台,在海洋环境监测技术领域具有划时代的意义。波浪动力滑翔器依靠其独特的双体结构将波浪能转化为前行推动力,弥补了传统海洋监测工具需要定期能源补给的缺点,不仅节约了能源、减少了花费,而且具有高强的续航能力和环境适应性。然而复杂多变的海洋环境和波浪动力滑翔器的动力源特点,使波浪动力滑翔器的路径规划变得尤为困难,传统的路径规划算法已经不能满足波浪动力滑翔器的航行需求。因此为了规划出一条航行速度快、花费时间短、无碰撞的最优航行路线,需要设计一种适合于波浪动力滑翔器特点的新型算法。传统的路径规划算法有很多,如模拟退火算法、遗传算法、禁忌搜索算法、蚁群算法等等。然而,与其他路径规划算法相比,蚁群算法具有适合规划波浪动力滑翔器路径的一大优势,即能够利用信息正反馈机制动态地响应外界环境的变化并能够通过分布式并行计算机制提高运算效率。因此选用蚁群算法作为规划波浪动力滑翔器路径的基础算法。由于波浪动力滑翔器航行速度完全依赖于周围的环境,因此需要对传统蚁群算法进行改进。首先将人工势场合力引入到启发信息中组成势场蚁群算法来弥补蚁群算法存在的不足,其次综合考虑影响波浪动力滑翔器速度的主要环境因素,之后采用精英策略改进迭代过程中的信息素更新策略,最后根据障碍物漂移情况,实时改变波浪动力滑翔器的路径。将改进后的势场蚁群算法作为波浪动力滑翔器的路径规划算法。利用栅格算法搭建不同的海洋环境模型,验证改进后的势场蚁群算法的性能。从仿真结果可以看出,改进的势场蚁群算法能适用于不同的海洋环境,可根据波浪动力滑翔器的特点寻找路径短、速度快、无碰撞的最优路线,从而证明了该混合算法的实用性和有效性。
【关键词】：波浪动力滑翔器 海洋环境 路径规划 势场蚁群算法
【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P715;TP18
【目录】：

• 摘要2-3
• Abstract3-7
• 第一章 绪论7-13
• 1.1 课题来源7
• 1.2 研究意义7-8
• 1.3 波浪动力滑翔器研究现状8-10
• 1.3.1 国外研究现状8-10
• 1.3.2 国内研究现状10
• 1.4 波浪动力滑翔器应用现状10-11
• 1.5 主要研究内容与论文架构11-13
• 第二章 波浪动力滑翔器双体结构和驱动原理13-21
• 2.1 波浪动力滑翔器结构分析13-15
• 2.1.1 水面浮体14
• 2.1.2 水下滑翔翼及脐带缆14-15
• 2.2 波浪动力滑翔器运动过程解析15-18
• 2.2.1 波浪运动15-16
• 2.2.2 波浪能利用原理16-17
• 2.2.3 运动过程解析17-18
• 2.3 波浪动力滑翔器运动模型18-19
• 2.4 本章小结19-21
• 第三章 波浪动力滑翔器环境建模21-29
• 3.1 环境建模算法概述21-22
• 3.2 海洋环境描述22
• 3.3 环境模型设计22-27
• 3.3.1 栅格划分方法22-23
• 3.3.2 栅格表示方法23-24
• 3.3.3 海洋环境模型24-27
• 3.4 本章小结27-29
• 第四章 蚁群算法的分析与改进29-45
• 4.1 路径规划算法概述29-33
• 4.1.1 模拟退火算法29-31
• 4.1.2 遗传算法31
• 4.1.3 禁忌搜索算法31-32
• 4.1.4 蚁群算法32-33
• 4.2 蚁群算法33-37
• 4.3 人工势场算法37-39
• 4.4 蚁群算法的改进策略39-41
• 4.5 基于势场蚁群算法的路径规划仿真实验41-44
• 4.6 本章小结44-45
• 第五章 波浪动力滑翔器路径规划45-57
• 5.1 势场蚁群算法的改进策略45-47
• 5.2 基于改进势场蚁群算法的波浪动力滑翔器路径规划算法47-49
• 5.3 基于改进势场蚁群算法的波浪动力滑翔器路径规划仿真实验49-54
• 5.4 本章小结54-57
• 总结与展望57-59
• 参考文献59-63
• 攻读学位期间研究成果63-65
• 致谢65-66

  本文关键词：基于改进势场蚁群算法的波浪动力滑翔器路径规划算法研究，由笔耕文化传播整理发布。

本文编号：269184