為有效解決無(wú)人船實(shí)現(xiàn)智能航行面臨的路徑規(guī)劃問(wèn)題,提出一種基于拓展支持向量機(jī)（SVM）的路徑規(guī)劃方法。該方法在傳統(tǒng)SVM路徑規(guī)劃方法的基礎(chǔ)上,考慮任務(wù)途中障礙物的規(guī)避風(fēng)險(xiǎn),將工作任務(wù)的起止點(diǎn)作為約束條件對(duì)傳統(tǒng)方法進(jìn)行拓展,并針對(duì)不同的應(yīng)用情景給出線性路徑規(guī)劃和非線性路徑規(guī)劃的求解方法。同時(shí),為提高路徑規(guī)劃的效率,從SVM的原理出發(fā),提出一種訓(xùn)練集裁剪的方法,大幅度減少利用SVM求解路徑時(shí)所需的訓(xùn)練樣本個(gè)數(shù)。此外,通過(guò)仿真驗(yàn)證該方法的可行性和有效性。 

【文章來(lái)源】：船舶工程. 2020,42(07)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

無(wú)人船工作環(huán)境數(shù)據(jù)的處理b)路徑訓(xùn)練數(shù)據(jù)提取

yxx（24）1,()()01,()()0jjjjfxgyhfxgy（25）式中：當(dāng)h=1時(shí)，表示交點(diǎn)位于向量BG的順時(shí)針?lè)较�；�?dāng)h=1時(shí)，表示交點(diǎn)位于向量BG的逆時(shí)針?lè)较�。由此，各交點(diǎn)到線BG的距離的計(jì)算式可表示為pplp,1,1BGpGhhpGdBGpGhhpG（26）式中：hp為p點(diǎn)的類別。從各交點(diǎn)中得到使dpl達(dá)到最小值的點(diǎn)即為2類障礙的交界點(diǎn)，得到的所有交點(diǎn)組成新的訓(xùn)練集T。樣本裁剪效果見(jiàn)圖3，裁剪之前的訓(xùn)練樣本個(gè)數(shù)為2455個(gè)，裁剪之后的訓(xùn)練樣本個(gè)數(shù)為82個(gè)。圖3訓(xùn)練數(shù)據(jù)裁剪3.3采用拓展SVM算法進(jìn)行無(wú)人船路徑規(guī)劃的具體步驟拓展SVM的無(wú)人船路徑規(guī)劃包含訓(xùn)練數(shù)據(jù)的提取與分類、訓(xùn)練數(shù)據(jù)的裁剪和拓展SVM的訓(xùn)練等過(guò)程。為明確算法的整體執(zhí)行過(guò)程，設(shè)計(jì)算法執(zhí)行步驟如下：1）步驟1：初始化拓展SVM的徑向基核函數(shù)參數(shù)、支持向量精度、正確率精度和樣本個(gè)數(shù)m，確定起點(diǎn)B和終點(diǎn)G的位置。2）步驟2：提取障礙邊界點(diǎn)，根據(jù)障礙物的位置信息劃分類別。3）步驟3：依據(jù)式（26）刪減訓(xùn)練數(shù)據(jù)，得到訓(xùn)練集T。4）步驟4：由起止點(diǎn)的連線BG是否與障礙相交來(lái)判斷是選用拓展線性SVM，還是拓展非線性SVM。5）步驟5：調(diào)節(jié)參數(shù)，將得到的訓(xùn)練集T放入ESVM中訓(xùn)練，先由式（12）或式（17）得到核矩陣H，再利用分解算法求i，根據(jù)i是否大于判斷對(duì)應(yīng)數(shù)據(jù)點(diǎn)是否為支持向量pm。6）步驟6：根據(jù)交叉驗(yàn)證的正確率調(diào)節(jié)核?

一種基于拓展支持向量機(jī)的無(wú)人船路徑規(guī)劃方法—135—要參數(shù)為：船長(zhǎng)116m；寬18m；航速18kn。根據(jù)這些船舶參數(shù)可將傳統(tǒng)SVM和拓展SVM的參數(shù)設(shè)置為：9；0.0001；=99。人工勢(shì)場(chǎng)法的參數(shù)設(shè)置為：目標(biāo)點(diǎn)產(chǎn)生的虛擬引力勢(shì)場(chǎng)的引力增益系數(shù)k=16；障礙產(chǎn)生的虛擬斥力勢(shì)場(chǎng)的斥力增益系數(shù)m=10；障礙的斥力對(duì)路徑點(diǎn)的影響距離po=1.4km；路徑點(diǎn)的行進(jìn)步長(zhǎng)l=0.18km。圖5為無(wú)人船在大連附近海域執(zhí)行任務(wù)時(shí)的情形，其中“大坨子”和“二坨子”為大連附近海域的2座島嶼，仿真時(shí)無(wú)人船自主航行任務(wù)經(jīng)過(guò)二島嶼之間的海域。無(wú)人船任務(wù)的起點(diǎn)分別處于東經(jīng)121.5369、北緯38.8295的pB1處和東經(jīng)121.5347、北緯38.8316的pB2處，任務(wù)的終點(diǎn)均在東經(jīng)121.5264、北緯38.8244的pG處。圖6a)為針對(duì)島嶼邊界進(jìn)行提取和分類之后的SVM訓(xùn)練數(shù)據(jù)集；圖6b)為從起點(diǎn)pB2到終點(diǎn)pG應(yīng)用裁剪策略之后得到的訓(xùn)練樣本，經(jīng)裁剪之后拓展SVM的訓(xùn)練樣本個(gè)數(shù)由原來(lái)的2059下降為61。圖7為針對(duì)拓展SVM的2種情況與傳統(tǒng)SVM進(jìn)行路徑規(guī)劃的仿真對(duì)比實(shí)例，其中：采用拓展SVM進(jìn)行路徑規(guī)劃的結(jié)果由實(shí)線表示；傳統(tǒng)SVM的規(guī)劃結(jié)果則由點(diǎn)線表示。當(dāng)任務(wù)起始點(diǎn)為pB1時(shí)，由于任務(wù)起點(diǎn)與止點(diǎn)之間的連線pB1pG并未穿越圖中的島嶼，圖5無(wú)人船工作海域圖6傳統(tǒng)SVM與拓展SVM的訓(xùn)練樣本對(duì)比故可采用基于拓展SVM的線性路徑規(guī)劃進(jìn)行嘗試。仿真所得路徑為從pB1出發(fā)的實(shí)線，該路徑在保證距兩島嶼有一定安全距離的同時(shí)，仍靠近pB1pG，故是?

【參考文獻(xiàn)】：
期刊論文
[1]基于概率路線圖的動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人路徑規(guī)劃的神經(jīng)網(wǎng)絡(luò)方法[J]. 陳艷,禹繼國(guó).  曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[2]移動(dòng)機(jī)器人路徑規(guī)劃算法綜述[J]. 霍鳳財(cái),遲金,黃梓健,任璐,孫勤江,陳建玲.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(06)
[3]基于支持向量機(jī)的局部路徑規(guī)劃算法[J]. 諸葛程晨,許勁松,唐振民.  哈爾濱工程大學(xué)學(xué)報(bào). 2019(02)
[4]基于改進(jìn)A*算法的移動(dòng)機(jī)器人路徑規(guī)劃[J]. 趙曉,王錚,黃程侃,趙燕偉.  機(jī)器人. 2018(06)



本文編號(hào)：3594474