針對無人潛航器（UUV）在未知水下復(fù)雜環(huán)境的路徑規(guī)劃問題,設(shè)計(jì)了隨機(jī)樹以及動態(tài)窗口的融合算法。該算法基于快速擴(kuò)展隨機(jī)樹（RRT）以及動態(tài)窗口（DWA）兩層規(guī)劃設(shè)計(jì),第一層利用隨機(jī)樹算法快速規(guī)劃出全局路徑,在此基礎(chǔ)上第二層加載全局路徑,針對UUV模型的欠驅(qū)動和非線性,利用動態(tài)窗口算法完成局部路徑規(guī)劃,保證約束條件下UUV路徑的安全性。通過融合參數(shù)μ修正內(nèi)外框架的融合度,有效地彌補(bǔ)了全局路徑算法的無法躲避動態(tài)障礙物的缺點(diǎn)以及局部路徑算法全局能力低下的問題。最后,通過對比仿真驗(yàn)證了融合算法相比于隨機(jī)樹全局算法和動態(tài)窗口局部算法的優(yōu)越性。 

【文章來源】：數(shù)字海洋與水下攻防. 2020,3(03)

【文章頁數(shù)】：7 頁

【部分圖文】：

基于RRT算法的全局規(guī)劃（1）Fig.4GlobalplanningbasedonRRT（1）

·260·數(shù)字海洋與水下攻防第3卷2路徑規(guī)劃算法2.1RRT全局路徑規(guī)劃算法在全局路徑規(guī)劃的算法中，快速擴(kuò)展隨機(jī)樹（Rapidly-exploringRandomTrees，RRT）算法由LaValle教授在20世紀(jì)末提出。RRT算法相對于其他全局算法的優(yōu)點(diǎn)在于可以更快更靈活地規(guī)劃出路徑，并且不要求障礙物形狀的規(guī)則性。但是缺點(diǎn)也尤為明顯：它的效率并不穩(wěn)定，由于其迭代過程沒有目標(biāo)性，所以每次的路徑選取并不相同。經(jīng)過類似迷宮的狹窄區(qū)域很難找到出口，需要大量反復(fù)計(jì)算，浪費(fèi)時(shí)間和資源。并且所需路徑越平滑，計(jì)算量也越大。一些改進(jìn)的RRT算法彌補(bǔ)了部分缺點(diǎn)，且可通過插值修正曲線。初始化的地圖只包含隨機(jī)樹的根節(jié)點(diǎn)也就是起始點(diǎn)Qint和目標(biāo)點(diǎn)Qgol。首先按照策略概率p生成一個(gè)隨機(jī)點(diǎn)Qrad，p的生成由一個(gè)隨機(jī)數(shù)保證。隨機(jī)樹上離該隨機(jī)點(diǎn)最近的節(jié)點(diǎn)Qnear（初始化的情況下為起始點(diǎn)）向Qrad矢量方向生成一個(gè)新節(jié)點(diǎn)Qnew。Qnear和Qnew的長度為距離參數(shù)qdist，修改此參數(shù)可以修改RRT算法的精度和計(jì)算量。之后對隨機(jī)樹上的節(jié)點(diǎn)Qnear以及Qnew的路線做障礙物碰撞檢測，若發(fā)生碰撞則放棄此條路徑，若沒有發(fā)生碰撞則將節(jié)點(diǎn)Qnew加入到隨機(jī)樹節(jié)點(diǎn)中，Qnear和Qnew加入到路徑矩陣。重復(fù)以上步驟直到Qnew與Qgol之間的距離小于設(shè)定值Qset，即說明到達(dá)目標(biāo)點(diǎn)。最后依據(jù)貪心算法簡化得到的路徑，從起點(diǎn)Qint起依次尋找與Qgol節(jié)點(diǎn)滿足碰撞檢測函數(shù)的節(jié)點(diǎn)q*，用此路徑替代之前的路徑，再以q*為終點(diǎn)依次尋找得到一個(gè)最簡路徑。同時(shí)需要注意以下幾點(diǎn)。圖1RRT算法示意圖Fig.1RRTalgorithmdiagram1）策略概率p依據(jù)目標(biāo)點(diǎn)的距離給定，以一個(gè)隨機(jī)數(shù)確保概率的有效性。?

·262·數(shù)字海洋與水下攻防第3卷圖2RRT-DWA融合算法框架Fig.2RRT-DWAfusionalgorithmframework3）局部框架加載全局路徑后，由融合參數(shù)μ確定全局路徑插值，μ參數(shù)即為由RRT算法得到的最終全局路徑的分段比例，根據(jù)路徑的長短以及障礙物的密度進(jìn)行修改，這里取為0.05。再由DWA算法在線生成局部路徑，直到到達(dá)目標(biāo)點(diǎn)完成循環(huán)，得到修正后的路徑。4仿真驗(yàn)證分析針對以上設(shè)計(jì)的算法，構(gòu)建1個(gè)1000m2的仿真地圖，圖中黑色區(qū)域?yàn)檎系K物；目標(biāo)的起始點(diǎn)為原點(diǎn)，終點(diǎn)為地圖右上角。首先給定3組參數(shù)驗(yàn)證單獨(dú)使用動態(tài)窗口的全局路徑規(guī)劃性能。圖3為利用DWA算法得到的路徑，改變DWA算法中評價(jià)函數(shù)中艏向評分占比，安全系數(shù)評分占比以及效率評分占比將得到不同的路徑。圖中藍(lán)色和綠色兩條軌跡的航向角評分分別為0.5和0.45，占比較高，在（300，300）坐標(biāo)附近時(shí)為保證航向角評分路徑的生成朝向目標(biāo)點(diǎn)，UUV從障礙物上方行駛。下方紅色軌跡的安全性評分為0.6，占比更高，所以在同一位置為保證安全性的評分，遠(yuǎn)離障礙物，UUV向下行駛。這就導(dǎo)致了單純的DWA算法受很多因素影響，很難找到一條簡潔的全局軌跡。表1動態(tài)窗口仿真參數(shù)Table1Dynamicwindowsimulationparameters初始狀態(tài)參數(shù)組1參數(shù)組2參數(shù)組3u0=0.5=0.45=0.1v0=0.3=0.3=0.6r0()/s，=45=0.2=0.25=0.3圖3基于DWA算法的局部規(guī)劃Fig.3LocalplanningbasedonDWAalgorithm

【參考文獻(xiàn)】：
期刊論文
[1]基于RRT*算法的水下機(jī)器人全局路徑規(guī)劃方法[J]. 丁帥,陳苗苗,王猛,谷志珉,任峰.  艦船科學(xué)技術(shù). 2019(17)
[2]基于D-star和DWA的改進(jìn)機(jī)器人導(dǎo)航方法[J]. 何壯壯,丁德銳.  電子測量技術(shù). 2019(12)
[3]基于速度方向判定的動態(tài)窗口法[J]. 田永永,李梁華.  農(nóng)業(yè)裝備與車輛工程. 2018(08)
[4]基于模型預(yù)測控制的UUV路徑跟蹤控制研究[J]. 張偉,郁晨曦,滕延斌,魏世琳.  儀器儀表學(xué)報(bào). 2017(11)
[5]無人水下航行器近海底空間路徑規(guī)劃方法[J]. 嚴(yán)浙平,鄧超,趙玉飛,李本銀.  哈爾濱工程大學(xué)學(xué)報(bào). 2014(03)
[6]雙種群粒子群算法及其在UUV路徑規(guī)劃中的應(yīng)用[J]. 嚴(yán)浙平,鄧超,遲冬南,趙玉飛.  計(jì)算機(jī)工程與應(yīng)用. 2013(15)
[7]基于粒子群優(yōu)化算法的移動機(jī)器人全局路徑規(guī)劃[J]. 孫波,陳衛(wèi)東,席裕庚.  控制與決策. 2005(09)

博士論文
[1]基于智能優(yōu)化算法的移動機(jī)器人路徑規(guī)劃與定位方法研究[D]. 黃辰.大連交通大學(xué) 2018

碩士論文
[1]面向家庭環(huán)境的移動機(jī)器人局部路徑規(guī)劃算法研究[D]. 李寧.哈爾濱工業(yè)大學(xué) 2018



本文編號：3581976