关键词:
路径规划
RRT算法
A*算法
能耗
局部路径规划
摘要:
目前,学术和商业领域对水下机器人的路径规划方法进行深入研究和优化。自主式水下机器人的工作场景多种多样,包括三维环境下的作业、海流环境下的作业、多任务环境下的作业和自主航行时需要进行紧急避障的作业等。本文主要研究的是自主式水下机器人多场景作业的路径规划,依据其可能的工作环境,从四个角度进行了深入探讨。这四个角度分别是:(1)基于改进RRT算法的三维全局路径规划研究、(2)基于改进A*算法的能耗最优路径规划研究、(3)基于改进粒子群算法的多任务路径规划研究、(4)基于RRT*+DWA的局部路径规划研究。
基于改进RRT算法的三维全局路径规划研究,本研究是关于如何提升RRT算法的三维全局路径规划性能的。在RRT算法的节点生成阶段,引入了一个随机因子和人工势场法,结合了RRT算法极好的空间搜索能力和人工势场法快速收敛的优点。最后提出了三角形不等式的优化法则,对生成的路径进行优化。最后通过仿真实验,验证了算法的有效性。
基于改进A*算法的能耗最优路径规划研究,在构建的栅格地图和海流模型的基础上,根据本研究所采用的AUV,计算出适用于AUV的能耗模型。之后根据得到的能耗模型,对A*算法的启发式函数进行了适应性改进,得到了基于能耗模型的改进A*算法。并将该算法与A*算法,蚁群算法,改进蚁群算法在2个地图下进行多次仿真试验。仿真结果表明,改进A*算法可以更有效的利用海流,具有非常好的实用性、鲁棒性和有效性,能有效减少AUV的巡航能耗。
基于改进粒子群算法的多任务路径规划研究,对传统粒子群算法的惯性权重和学习因子进行了适应性改进。改进后的粒子群,在迭代初期可以在全局内快速的寻找最优解,并且在迭代后期的收敛速度也非常迅速,性能有了很好的提升。通过对多个算法的仿真实验,证明了该方法可以有效地改善粒子群的寻优性能,同时又不会增大算法的复杂性。
基于RRT*+DWA的局部路径规划研究,通过结合RRT*算法和DWA算法,既利用了RRT*算法在全局范围内进行快速路径搜索的优点,同时利用DWA算法进行局部避障和优化,这样可以提高路径规划的成功率和效率,减少路径冗余和抖动。并通过仿真实验,验证了RRT*+DWA算法在动态环境下的有效性和可靠性。