為了實現(xiàn)對島礁及周圍海域水下地貌信息的獲取,同時使用多個無人掃測艇進行協(xié)同測繪以提高測繪效率,文中提出一種協(xié)同遍歷路徑規(guī)劃算法:采用掃描線多邊形方法得到動態(tài)柵格地圖,建立水域環(huán)境模型,基于K-means++算法對任務區(qū)域進行分配,分配區(qū)域內(nèi)使用啟發(fā)式路徑規(guī)劃算法得到完全遍歷路徑。仿真結(jié)果滿足區(qū)域分配的均勻性和遍歷路徑的連通性要求。在此基礎上提出了動態(tài)重規(guī)劃算法,根據(jù)實時可工作無人艇數(shù)量對未遍歷區(qū)域進行重分配。仿真結(jié)果證明,在不同間距的柵格地圖中,協(xié)同遍歷算法均提高了測繪效率,路徑重復率較低,可以快速高效地實現(xiàn)動態(tài)重規(guī)劃。 

【文章來源】：水下無人系統(tǒng)學報. 2020,28(06)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

協(xié)同遍歷路徑規(guī)劃算法流程圖

在完成對作業(yè)區(qū)域建模后,接下來需對作業(yè)區(qū)域進行劃分�？紤]到多無人艇協(xié)同遍歷區(qū)域的連通性和均勻分配要求,使用K-means++聚類算法[11]對作業(yè)區(qū)域進行劃分。K-means++算法是一種快速的聚類算法,通過迭代來產(chǎn)生最終的聚類解,得到的聚類解滿足聚類質(zhì)心點盡量分散的要求。在文中,對應要將柵格地圖中可行區(qū)域內(nèi)的路徑點元素x聚類為K個區(qū)域,其實現(xiàn)步驟如下:

圖3為使用K-means++聚類算法對測繪區(qū)域取K (28)5時進行聚類的結(jié)果,其中多邊形區(qū)域為島礁區(qū)域,多邊形內(nèi)部的節(jié)點為島礁所在的障礙節(jié)點,不同聚類區(qū)域內(nèi)的節(jié)點分別以不同形狀表示。根據(jù)得到的聚類結(jié)果分析,整個測繪區(qū)域中的可遍歷路徑點被相對均勻地劃分為5塊區(qū)域,并且每塊區(qū)域內(nèi)的路徑點相互連通,由此可見,K-means++聚類算法滿足在對島礁區(qū)域柵格地圖進行聚類劃分的要求。2 路徑規(guī)劃算法

【參考文獻】：
期刊論文
[1]多智能體路徑規(guī)劃研究進展[J]. 劉慶周,吳鋒.  計算機工程. 2020(04)
[2]移動機器人全覆蓋路徑規(guī)劃算法研究[J]. 劉晶,姚維,章瑋.  工業(yè)控制計算機. 2019(12)
[3]基于改進A*算法的無人船完全遍歷路徑規(guī)劃[J]. 呂霞付,程啟忠,李森浩,林政.  水下無人系統(tǒng)學報. 2019(06)
[4]水面無人艇任務規(guī)劃系統(tǒng)分析[J]. 馬向峰,韓瑋,謝楊柳.  艦船科學技術(shù). 2019(23)
[5]基于啟發(fā)式搜索算法的掃地機器人路徑規(guī)劃[J]. 謝坤霖,李宗根,代宇航,周敏,曾晟珂.  西華大學學報(自然科學版). 2019(04)
[6]無人艇的研究現(xiàn)狀與進展[J]. 申云磊,高霄鵬.  船電技術(shù). 2018(09)
[7]基于加權(quán)K-means聚類與路網(wǎng)無向圖的地圖分割算法[J]. 肖尚華,胡燦林.  現(xiàn)代計算機(專業(yè)版). 2018(08)
[8]基于電子海圖柵格化的無人水面艇全局路徑規(guī)劃[J]. 范云生,趙永生,石林龍,張月.  中國航海. 2017(01)
[9]無人水面艇島礁海域完全遍歷路徑規(guī)劃[J]. 鐘雨軒,葛磊,張鑫,彭艷,楊毅,李小毛.  上海大學學報(自然科學版). 2017(01)
[10]基于神經(jīng)元激勵的移動機器人遍歷路徑規(guī)劃[J]. 王仲民,井平安,朱博.  控制工程. 2017(02)

碩士論文
[1]基于蜂窩結(jié)構(gòu)的多無人艇協(xié)同區(qū)域探測研究[D]. 梁宏晨.華南理工大學 2019
[2]多水面無人艇協(xié)同區(qū)域搜索策略研究[D]. 羅代超.哈爾濱工程大學 2019



本文編號：3224180