[發明專利]面向非廣域目標搜索任務的水下機器人優化決策方法

有效

• 申請號: 202010411944.3
• 申請日: 2020-05-15
• 公開（公告）號: CN111596675B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 姚鵬;王琨;魏欣;邱立艷;劉玉會
• 申請（專利權）人: 中國海洋大學
• 主分類號: G05D1/06
• 分類號: G05D1/06
• 代理公司: 青島清泰聯信知識產權代理有限公司 37256
• 代理人: 張媛媛

1.一種面向非廣域目標搜索任務的水下機器人優化決策方法，其特征在于，包括以下步驟：

(S1)非廣域建模：將非廣域抽象為一系列連續的二維直線或曲線，確定其一維表達形式；

(S2)對先驗離散數據集合進行擴展，估計非廣域環境下的目標概率圖；

(S3)調整目標概率圖，提取滿足任務時間約束的高價值子區域；

(S4)根據給定的評價指標，確定水下機器人對各高價值子區域的訪問排序；

(S5)利用修正Dubins場引導水下機器人到達各高價值子區域，然后機器人覆蓋掃描各高價值子區域，直至完成目標搜索任務；利用修正Dubins場引導水下機器人到達各高價值子區域的方法為：

給定無障礙自由環境下各子區域間的最短路徑為規劃的Dubins路徑，根據規劃的Dubins路徑定義初始Dubins場，在該場內的機器人期望速度為：

其中，d表示機器人跟蹤Dubins路徑的橫向誤差，d₀為定值，表示Dubins路徑的切向量，表示垂直于Dubins路徑的法向量，(x,y)表示機器人當前位置，φ表示Dubins路徑；

對初始Dubins場進行修正，以引導機器人躲避障礙物：假設非廣域內有N_o個障礙物且各障礙物n∈{1,...,N_o}的表面方程為其中(x_n,y_n)表示障礙物中心、a_n,b_n和q_n,r_n分別表示尺寸系數和形狀系數，則各障礙物的權重系數表示為：

各障礙物的修正矩陣表示為：

其中，I為2×2單位矩陣，ρ0表示障礙物反應系數，表示障礙物法向量；

則所有障礙物的綜合修正矩陣為：

修正Dubins場內機器人期望速度為：

其中，v₀表示水下機器人的航行速率，當機器人以速度航行時，可在跟蹤Dubins路徑的同時安全躲避障礙物，保證機器人到達下一個子區域；

依次連接水下機器人在各子區域間的轉場路徑以及對各子區域的覆蓋路徑，得到規劃路徑。

2.根據權利要求1所述的面向非廣域目標搜索任務的水下機器人優化決策方法，其特征在于，步驟(S1)將非廣域抽象為一系列連續的二維直線或曲線，確定其一維表達形式的方法為：

將非廣域看作由一系列的常曲率弧線段依次連接組成，其中直線是曲率為0的特殊弧線；

從非廣域的起始點開始，以前向距離s為自變量，給出非廣域的一維表達形式。

3.根據權利要求2所述的面向非廣域目標搜索任務的水下機器人優化決策方法，其特征在于，步驟(S2)對先驗離散數據集合進行擴展，估計非廣域環境下的目標概率圖的方法為：

獲取先驗離散數據集合，并根據先驗離散數據集合S＝{S_i(s_i,β_i,λ_i)},i＝1,...,N，定義一維高斯分布函數：

其中，N為定性數據數量，s_i表示目標所在位置，β_i∈[0,1]表示該定性數據信息的可信程度，λ_i表示目標所在位置的精確度，s_i、1/λ_i分別為高斯函數的均值和標準差；

對各高斯分布函數G_i(s_i,1/λ_i)進行多次采樣以獲得多個位置信息，將先驗離散數據集合的數量擴展為其中，K_i＝β_iK_max,i＝1,...,N，K_max表示最大采樣數量；

采用Parzen窗方法并引入一維高斯核函數，估計非廣域環境下的目標概率圖，得到初始目標概率圖：

其中，p(s)為初始目標概率密度函數，s_k、σ分別表示標準一維高斯核函數G_k(s_k,σ)的均值和標準差，k＝1,...,K；

將初始目標概率密度函數歸一化處理，即