[發明專利]一種基于海流歷史統計信息的水下潛器路徑規劃方法

有效

• 申請號: 201110031277.7
• 申請日: 2011-01-28
• 公開（公告）號: CN102175245A
• 公開（公告）日: 2011-09-07
• 發明（設計）人: 劉廠;高峰;趙玉新;李剛;沈志峰;張振興
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 趙文利

1.一種基于海流歷史統計信息的水下潛器路徑規劃方法，其特征在于，包括以下幾個步驟：

步驟1.確定航行區域，將航行區域柵格化；

航行區域為以路徑起始點和終止點連線為對角線的矩形區域，沿經度和緯度方向分別以10′為單位進行等間隔劃分，生成大小為10′X10′的柵格區域；

步驟2.利用海流歷史統計數據庫生成航行區域內的海流場；

在海流歷史統計數據庫的月份表中查詢當前日期對應的數據表名，遍歷步驟1中航行區域劃分的柵格，計算每一個柵格的經緯度值，然后根據數據表名在相應的東偏量表和北偏量表中查詢柵格當前經緯度對應的海流的北偏量和東偏量值，則生成航行區域內的海流場。

步驟3.利用電子海圖作為環境場，將航行區域內的障礙物、島嶼、淺水區進行簡化合并，生成禁航區；

利用電子海圖信息作為靜態環境場，將環境中的障礙物、淺水區、島嶼以多邊形形式進行表達，多邊形圍成的區域為禁航區，路徑不能通過，其他區域為可行域，路徑能夠通過。

步驟4.將海流信息和禁航區信息按照柵格進行存儲；

對于步驟1中劃分的每一個柵格，存儲該柵格的位置信息、海流信息以及禁航區信息；

步驟5.構造路徑評價函數；

具體包括以下幾個步驟：

(1)能量消耗

潛器航行過程中的能量消耗主要由兩部分組成；一部分用來克服慣性的加速力F_a，另一部分用來克服牽引潛器運動的牽引力F_d；

Eenergy=∫p(Fa(t)+Fd(t))Vr(t)dt---(1)]]>

Vr(t)|V→a(t)-V→c(t)|---(4)]]>

F_a(t)＝w_aV_r(t)?????????????????????????????(5)

F_d(t)＝w_dV²_r(t)????????????????????????????(6)

其中，E_energy表示潛器克服加速力和牽引力需要消耗的能量，V_r(t)為相對速度，即馬達需要提供的速度，為絕對速度，即潛器的航行速度；為t時刻的海流速度；w_a，w_d為調和常數；由n條路徑段組成的航路的能量消耗離散化為：

Esum=Σi=1nEi---(7)]]>

每條航路段劃分成m條子航路段，劃分時確保每條子航路段上的海流值的最大值與最小值偏差不大于航路段上海流平均值的十分之一；

Ei=Σj=1mEij=Σj=1m(wdV2r,j+waVr,j)Vr,jΔtj≈Σj=1mwdV3r,jΔtj---(8)]]>

其中，E_sum為整條航路等能量消耗，E_i為第i個航路段內的能量消耗，E_ij為第i個航路段內的第j個子航路段的能量消耗，Δt_j為第j個子航路段花費的時間，V_r，j為第j個子航路段內的潛器相對速度；

(2)路徑長度

對于有n個節點的路徑，則共有n-1條路徑段，路徑長度為路徑段的長度相加，即：

Elength=Σi=0n-1ΔLi---(9)]]>

ΔLi=(yi-yi-1)2+(xi-xi-1)2---(10)]]>

其中，E_length表示整條航路的長度，ΔL_i為第i條航路段的長度，x_i，y_i為第i個路徑點的坐標，x_i-1，y_i-1為第i-1個路徑點的坐標，1≤i≤n；

(3)安全性

取距離航線最近的禁航區與航線的距離L_min作為評價標準，L_min越大則航線越安全；

Esafty=KLmin,Lmin≤Lsafe0,Lmin>Lsafe---(11)]]>

其中，W_safty表示安全代價值，L_min為距離航線最近的禁航區與航線的距離，L_safe為潛器與禁航區應該保持的最小安全距離，K為常數；

(4)光滑性

路徑平滑度應等于路徑所有路徑點的偏轉角度之和，即：

Esmooth=Σi=1nθi---(12)]]>

其中，E_smooth表示光滑度代價值，θ_i表示第i段路徑相對于第i-1段路徑的偏轉角度；

則路徑評價函數為：

E(p)＝w_energyE_energy+w_saftyE_safty+w_lengthE_length+w_smoothE_smooth????(13)

其中w_energy、w_safty、w_length、w_smooth為權系數；

步驟6.利用粒子群算法進行最優路徑搜索；

采用時變參數粒子群算法進行最優路徑搜索，具體包括以下幾個步驟；

步驟6.1.確定粒子群的參數、最大迭代次數、種群大小，完成粒子群初始化；

步驟6.2.根據步驟5確定的路徑評價函數計算每個粒子的適應值；

步驟6.3.更新每個粒子的最優適應值和整個群體的最優適應值；

如果粒子當前位置適應度小于其個體最優位置的適應度值，則以當前位置適應度值作為該粒子的最優適應；如果所有個體最優位置中出現適應度值低于整個群體的最優適應值，則以所有個體最優位置中出現的適應度值代替整個群體的最優適應度值；

步驟6.4.判斷當前迭代次數是否達到步驟6.1設定的最大迭代次數，如何達到則執行步驟7；否則轉向步驟6.5；

步驟6.5.計算當前粒子群慣性系數和學習因子；

(1)慣性系數

慣性系數w為：

w=wmax-(wmax-wmin)iN---(14)]]>

其中，w_max為最大的慣性系數，w_min為最小的慣性系數，i為當前迭代次數，N為總的迭代次數；

(2)學習因子

學習因子c₁、c₂為；

c1=(c1f-c1c)iN+c1c---(15)]]>

c2=(c2f-c2c)iN+c2c---(16)]]>

其中c_1f、c_1c、c_2f、c_2c為常數，i為當前迭代次數，N為總的迭代次數；

步驟6.6.更新粒子的位置和速度，并轉向步驟6.2；

粒子的位置和速度的更新公式如下：

v_id(t+1)＝w*v_id(t)+c₁*(p_id-x_id(t))+c₂*(p_gd-x_id(t))

x_id(t+1)＝x_id(t)+v_id(t+1)

其中：v_id(t)、v_id(t+1)分別為第i個粒子的t和t+1時刻的粒子速度，x_id(t)、x_id(t+1)分別為第i個粒子的t和t+1時刻的粒子位置，p_id為第i個粒子的個體最優適應值，p_gd為整個群體的最優適應度值；

步驟7.輸出路徑，路徑規劃結束。