[發明專利]一種波浪滑翔器的路徑規劃方法及系統

有效

• 申請號: 202010169379.4
• 申請日: 2020-03-12
• 公開（公告）號: CN111290435B
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 張同偉;閆磊;李海兵;孫秀軍;徐向琳;劉靜曉;楊磊;秦升杰
• 申請（專利權）人: 國家深海基地管理中心;青島海洋科學與技術國家實驗室發展中心
• 主分類號: G05D1/10
• 分類號: G05D1/10;G05D1/08;G01C21/20;G01C21/34;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 劉鳳玲

1.一種波浪滑翔器的路徑規劃方法，其特征在于，包括：

通過岸基監控中心獲取波浪滑翔器和水下航行器的歷史航行數據；

將所述歷史航行數據采用深度學習神經網絡進行非線性擬合，得到訓練后的深度神經網絡模型；

獲取離線端波浪滑翔器實時航行數據、水下航行器的實時航行數據和水下航行器預定航跡數據；

根據所述離線端波浪滑翔器的實時航行數據、所述水下航行器的實時航行數據和所述水下航行器預定航跡數據采用訓練后的深度神經網絡模型，得到波浪滑翔器離線優化路徑規劃方案集合；

通過GPS或云端將在岸基監控中心確定的所述波浪滑翔器離線優化路徑規劃方案集合發送至所述波浪滑翔器；

通過所述波浪滑翔器獲取在線端波浪滑翔器實時數據和在線端波浪滑翔器約束數據；

根據所述在線端波浪滑翔器實時數據、所述在線端波浪滑翔器約束數據，基于深度學習神經網絡，從所述波浪滑翔器離線優化路徑規劃方案集合中，確定波浪滑翔器最佳路徑規劃方案；

控制所述波浪滑翔器按照所述波浪滑翔器最佳路徑規劃方案航行；

所述將所述歷史航行數據采用深度學習神經網絡進行非線性擬合，得到訓練后的深度神經網絡模型，具體包括：

將所述歷史航行數據作為訓練集輸入深度學習神經網絡；

獲取波浪滑翔器的路徑規劃數據或水下航行器的路徑規劃數據；

將所述波浪滑翔器的路徑規劃數據或所述水下航行器的路徑規劃數據作為約束條件輸入深度學習神經網絡；

通過多次迭代與學習，更新所述深度學習神經網絡的參數，得到訓練后的深度神經網絡模型；

所述根據所述離線端波浪滑翔器的實時航行數據、所述水下航行器的實時航行數據和所述水下航行器預定航跡數據采用訓練后的深度神經網絡模型，得到波浪滑翔器離線優化路徑規劃方案集合，具體包括：

根據所述離線端波浪滑翔器的實時航行數據構建波浪滑翔器測試集；

根據所述水下航行器的實時航行數據和所述水下航行器預定航跡數據構建水下航行器測試集；

將所述波浪滑翔器測試集和所述水下航行器測試集輸入訓練后的深度神經網絡模型，得到波浪滑翔器離線優化路徑規劃方案集合；

所述根據所述在線端波浪滑翔器實時數據、所述在線端波浪滑翔器約束數據和所述波浪滑翔器離線優化路徑規劃方案集合基于深度學習神經網絡，得到波浪滑翔器最佳路徑規劃方案，具體包括：

將所述在線端波浪滑翔器實時數據作為最新實時數據；

將所述在線端波浪滑翔器約束數據作為最新約束條件；

在所述最新實時數據和所述最新約束條件下，利用深度學習神經網絡對所述波浪滑翔器離線優化路徑規劃方案集合，進行路徑規劃方案選擇，得到波浪滑翔器最佳路徑規劃方案。

2.根據權利要求1所述的波浪滑翔器的路徑規劃方法，其特征在于，所述通過所述波浪滑翔器獲取在線端波浪滑翔器實時數據和在線端波浪滑翔器約束數據，具體包括：

獲取在線端波浪滑翔器實時數據，所述實時數據包括：波浪滑翔器實時采集波浪滑翔器的實際航行數據、現場海況信息和水下航行器的實際航行數據；

獲取在線端波浪滑翔器約束數據，所述約束數據包括：所述波浪滑翔器和所述水下航行器二者之間的距離以及水聲通信情況。

3.根據權利要求1所述的波浪滑翔器的路徑規劃方法，其特征在于，所述方法還包括：

將在所述在線端波浪滑翔器確定的所述波浪滑翔器最佳路徑規劃方案通過GPS或云端發送至所述岸基監控中心。