無人船具有廣闊的應(yīng)用前景,自主路徑規(guī)劃作為其關(guān)鍵技術(shù),已在無人船研究領(lǐng)域中發(fā)展成為熱點研究方向。結(jié)合人工智能理論方法,本文開展基于深度強化學(xué)習(xí)的無人船路徑規(guī)劃研究,解決未知復(fù)雜航行環(huán)境下的無人船自主航路規(guī)劃問題。首先,在開闊水域中,通過對環(huán)境進(jìn)行無人船安全范圍的區(qū)域劃分和視覺可視剪枝技術(shù),并結(jié)合Theta*理論生成足夠稀疏的全局最優(yōu)航路點。進(jìn)一步,在復(fù)雜的狹窄水域中,將精英和多樣化策略融入遺傳算法,設(shè)計了能夠生成稀疏航路點的精英遺傳算法。進(jìn)一步部署了B樣條技術(shù),以進(jìn)行靈活平滑的插值,從而得到由最佳稀疏路點組成的平滑路徑。其次,在不可預(yù)見的情況下,為具有運動學(xué)約束的無人船創(chuàng)建了一種結(jié)合了全局路徑規(guī)劃和局部層次結(jié)構(gòu)的運動學(xué)約束的全局-局部混合路徑規(guī)劃方案。為了應(yīng)對動態(tài)不可預(yù)見的環(huán)境,通過模糊決策層和精細(xì)動態(tài)窗口層建立了局部分層結(jié)構(gòu),分別通過控制前向和艏搖角速度來分別負(fù)責(zé)避免大范圍和近距離碰撞。借助于精細(xì)動態(tài)窗口層,與無人船有關(guān)的受約束的運動學(xué)將融入到局部路徑規(guī)劃中,進(jìn)而得到一條可跟蹤且避免碰撞的局部路徑。同時,設(shè)立虛擬航路點使局部路徑和全局路徑無縫銜接。從而為整個混合路徑規(guī)劃方案做出貢獻(xiàn)。... 

【文章來源】：大連海事大學(xué)遼寧省211工程院校

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１本文各章節(jié)間的邏輯關(guān)系??Ｆｉｇ．?１．１?Ｒｅｌａｔｉｏｎｓｈｉｐ?ｏｆ?ｅａｃｈ?ｃｈａｐｔｅｒ?ｉｎ?ｔｈｉｓ?ｐａｐｅｒ??

?大連海事大學(xué)碩士學(xué)位論文???＾＿＿＿ｐ］／＿??，??■麵■■路徑１?■?路徑２??圖２．１?ＬＯＳ算法示意圖??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ＬＯＳ?ａｌｇｏｒｉｔｈｍ??路徑１：此時，Ｔｈｅｔａ＊和Ａ＊所做的相同。對于中間點尸，有兩部分需要計算。從起??點凡到中間點Ｐ的距離和從Ｐ到，的直線距離｜｜ｐ－，｜｜，得到一個值??路徑２：這一部分中，Ｔｈｅｔａ＊還需要考慮中間點夕的父節(jié)點加入到距離的??計算中。同樣，存在兩部分。從起點凡到的距離和若／？’能“看??到腳／？時，計算與／；＇的直線距離，得到一個值扣（／；》＋??＼＼ｐａｒｅｎｔ（ｐ）￣ｐ＇＼＼?〇??從圖中，根據(jù)三角形不等式，可以很明顯看出路徑２的長度比路徑１要短，此時??Ｔｈｅｔａ＊就會更新以及／＞＇的父節(jié)點。??２．?１．３粒子群算法??粒子群算法？］屬于啟發(fā)式算法的一種。該算法自提出以來，已經(jīng)廣泛使用在各個領(lǐng)??域中。粒子群算法是通過每個粒子對自我和社會的認(rèn)知來實現(xiàn)最優(yōu)解的。??在粒子群算法中，求解的對象是個體，而它們的更新方式如下：??ｖｒ．?［ｋ］?＝?ｗｖ（．?（Ａ：?－１）?＋?ｃ，?（ｐｂｅｓｔｉ?－ｘ，．?（Ａ：?－１））?＋?ｃ２?＾ｇｂｅｓｔ?－?ｘ．?［ｋ?－１））?（２．２）??其中，表示第／個粒子在々時刻具有的速度，ｗ為慣性參數(shù)，Ｃｌ為粒子自我認(rèn)知能??力，表示第／個粒子的歷史最優(yōu)值，為第／個粒子在灸－１時刻的位置，ｃ２??為粒子的社會認(rèn)知能力，ｇ如對表示群體所有粒子的歷史最優(yōu)值。??－６?－??

?大連海事大學(xué)碩士學(xué)位論文???當(dāng)慣性系數(shù)為０時，粒子將會因失去記憶能力而收斂到當(dāng)前位置；若粒子的自我認(rèn)??知能力為０，雖然能夠在群體的作用下收斂，但非常容易出現(xiàn)局部最優(yōu)；若粒子的社會??認(rèn)知能力為０，則會斷絕與群體的聯(lián)系進(jìn)行自我搜索，這樣會使得群體發(fā)散無法收斂。??２．?１．４遺傳算法??遺傳算法［２９］由Ｈｏｌｌａｎｄ在２０世紀(jì)６０年代提出，并在７０年代發(fā)表的通過對“優(yōu)勝??劣汰”的自然選擇規(guī)律與遺傳學(xué)中的染色體匹配機制相結(jié)合得到的尋優(yōu)模型。其實質(zhì)是??一種在解空間中搜索與環(huán)境最匹配的自適應(yīng)方法。??初代種群通過采取隨機生成的方式得到，此時它們開始遵循由我們設(shè)定的選擇規(guī)律??進(jìn)行繁衍，從而不斷演化得到最優(yōu)解。在選擇過程中設(shè)計問題導(dǎo)向的適應(yīng)度函數(shù)，同時??使用遺傳學(xué)中染色體的交叉與變異操作來進(jìn)行代代相傳。??選擇算子：選擇算子的主要目的是將好的解保留并遺棄不好的解，保持群體的大小??恒定。選擇算子通過個體與總體適應(yīng)值的占比確定生存概率再使用輪盤選擇的方式得到??下一代。之后，將選出來的個體，再送入到交叉和變異算子中，得到后代。??交叉算子：該算子是遺傳算法的核心機制，它能對個體進(jìn)行基因重組以獲得更好的??后代。交叉機制如圖２．２所示，從群體中隨機選擇兩個父本，并且隨機生成兩個交叉點，??個體基因的某些部分在兩個交叉部分之間交換以創(chuàng)建新的個體。??ｗ?交叉點?，，??父本?１?｜?４５?１＾?｜?Ａ?１?＾?６７??＾?１?｜??后代１?４５?５６?．．．?１７?６７??后代２?２３?７８?．．．?２３?９??圖２．２交叉過程??Ｆｉｇ，?２．２?Ｃｒｏｓｓｏｖｅｒ?ｐｒｏｃｅｓｓ??－７?－??


本文編號：3644736