[發明專利]一種基于粒子群算法的UUV路徑規劃方法

有效

• 申請號: 201811624443.2
• 申請日: 2018-12-28
• 公開（公告）號: CN111381600B
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 梁洪濤;朱鑫;徐建華
• 申請（專利權）人: 陜西師范大學
• 主分類號: G05D1/10
• 分類號: G05D1/10;G01C21/20
• 代理公司: 西安智萃知識產權代理有限公司 61221
• 代理人: 方力平

本發明涉及一種基于粒子群算法的UUV路徑規劃方法，包括以下步驟：S1：根據路徑長度f₁、UUV與障礙物之間的排斥勢場以及UUV與目標之間的吸引勢場f₃構建UUV路徑規劃優化模型f；S2：初始化PSO相關參數；S3：通過所述相關參數計算時變加速因子c₁、c₂和c₃；S4：計算非線性慣性權重w；S5：通過時變加速因子c₁，c₂和c₃，非線性慣性權重w計算粒子速度與粒子位置S6：通過評估適應度函數f，更新粒子個體最優群體最優和第k代粒子個體最優S7：判斷迭代次數，如果迭代次數k達到最大次數T，則輸出最優結果，停止運算；否則，k＝k+1，返回S4；本發明不僅可以實現全局搜索能力和局部搜索能力的平衡，而且還可以高效、靈活的實現UUV路徑規劃求解。

技術領域

本發明屬于水下無人系統領域，具體涉及一種基于粒子群算法的UUV路徑規劃方法。

背景技術

隨著無人水下航行器(Unmanned Underwater Vehicle,UUV)在海洋工程和軍事作戰領域的普及和廣泛應用，UUV作為一種必備的智能無人水下運載工具引起了國內外廣泛關注。路徑規劃研究是UUV應用領域最具挑戰性的問題之一，因為它是保證UUV安全、高效完成復雜水下任務的基礎。UUV路徑規劃的主要目標是；在水下環境中計算從起點到終點最優無碰撞的最短路徑。

UUV路徑規劃問題可以分為兩類:局部路徑規劃(local path planning,LPP)和全局路徑規劃(global path planning,GPP)；

LPP主要依靠聲傳感器(如前視聲納)獲取未知或部分已知的環境信息，該類規劃問題主要采用了人工勢場法、模糊邏輯算法、滾動窗口法等方法。然而，這些方法往往存在計算成本高、水下空間大時路徑規劃效率低、甚至出現死鎖現象等問題；

GPP作為另一種方法被廣泛提出，它可以被表述為一個約束優化的非確定性多項式難題。近幾十年來，許多GPP方法被提出，如圖算法和可見性圖，特別是全局進化算法。與其他GPP算法相比，進化算法具有實現簡單、全局搜索能力強、收斂速度快、魯棒性好的優點，該類規劃方法包括啟發式的A*算法、遺傳算法、蟻群算法、差分進化等，并取得了一定的成果。

粒子群優化方法(Particle Swarm Optimization，PSO)作為一種全局進化算法，其靈感來源于鳥群、魚群等隨機群體的行為，主要利用群體智能來實現優化目標。

由于粒子群算法具有群智能、內在并行性和計算代價低等特點，因此在UUV路徑規劃領域得到了廣泛的應用。但由于種群大小、慣性權重和加速度系數等可調參數的存在，使得PSO在局部最優問題中存在過早收斂和陷入陷阱的問題，甚至缺乏種群多樣性，造成規劃路徑非最優，進而影響UUV水下作業效率與質量。

為了克服以上缺點，因此希望開發出新的PSO優化方法，實現UUV路徑規劃路徑、計算時間最優。

發明內容

為了解決現有技術中存在的上述問題，本發明提供了一種+主題名稱。本發明要解決的技術問題通過以下技術方案實現：

一種基于粒子群算法的UUV路徑規劃方法，包括以下步驟：

步驟1：根據路徑長度f₁、UUV與障礙物之間的排斥勢場以及UUV與目標之間的吸引勢場f₃構建UUV路徑規劃優化模型f；

步驟2：初始化PSO相關參數；

步驟3：通過所述相關參數計算時變加速因子c₁、c₂和c₃；

步驟4：計算非線性慣性權重w；