[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

本發明涉及一種波浪滑翔器的路徑規劃方法及系統。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；根據上述數據和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；根據在線端波浪滑翔器實時數據、在線端波浪滑翔器約束數據，基于深度學習神經網絡，從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。本發明能夠對波浪滑翔器的路徑進行合理的規劃，確保波浪滑翔器與水下航行器之間持續可靠的信息交互。

技術領域

本發明涉及波浪滑翔器的路徑規劃領域，特別是涉及一種波浪滑翔器的路徑規劃方法及系統。

背景技術

波浪滑翔器作為當前海洋裝備領域出現的具有劃時代意義的海洋自主觀測平臺，完全利用環境能源，可以在廣闊的海洋上進行長期的路徑跟蹤和位置保持(最大航行距離10000千米，連續工作時間12個月)。其峰值發電功率大于80瓦，完全滿足信息中繼對電力的要求。與水面船舶、無人船、主水下航行器相比，波浪滑翔器具有體積小、成本低、長周期的特點，非常適合作為水面移動平臺，用于輔助水下航行器(AUV、Glider)進行低成本、長航時的協同導航定位(波浪滑翔器與水下航行器之間通過水聲通信的方式進行聯系，提供距離信息，用于輔助水下航行器的導航定位)。

然而，波浪滑翔器的平均航速低，只有1節左右或更低，而水下航行器的航速通常2節以上，這使得波浪滑翔器無法與水下航行器實現同步跟隨航行。更重要的是，水聲通信的作用距離是有限的。以10千赫茲頻段為例，其通信距離小于10千米，且頻段越高，通信距離越短，這也制約了海洋“輕”裝備波浪滑翔器在水下協同導航定位中的應用。

因此，要想構建基于海洋“輕”裝備的波浪滑翔器-水下航行器協同導航定位系統，就必須通過有效的技術手段彌補波浪滑翔器航行速度慢的的短板。

發明內容

本發明的目的是提供一種波浪滑翔器的路徑規劃方法及系統，能夠對波浪滑翔器的路徑進行合理的規劃，確保波浪滑翔器與水下航行器之間持續可靠的信息交互。

為實現上述目的，本發明提供了如下方案：

一種波浪滑翔器的路徑規劃方法，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。

可選的，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；