[发明专利]基于SVM算法的无人船路径规划方法

说明书

本发明属于无人船路径规划领域，具体的说是一种基于SVM算法的无人船路径规划方法，包括：构建标准无人船，并将标准无人船放入典型海域中航行；搜集标准无人船在典型海域中遇到障碍物时的标准相关数据，并将标准相关数据存入数据库；根据数据库，利用最小二乘SVM算法，计算得到完成样本库；当标准无人船在实际海域中航行时，搜集标准无人船在典型海域中遇到障碍物的实际相关数据；将实际相关数据与完整样本库中数据进行对比，得到对应的实际样本类型；根据所述实际样本类型规划标准无人船路径。本发明其可以在样本数据有限的情况下，使规划结果精度高、误差小，并且所述方法的自主性好、稳定性强。

技术领域

本发明属于无人船路径规划领域，具体的说是一种基于SVM算法的无人船路径规划方法。

随着人工智能地不断应用，无人船相关技术发展迅速，但国内无人船的发展目前尚处于起步阶段，主要应用于气象监测、环境保障等领域，对人们的生活和工作产生了一定的影响。由于国内无人船的环境感知能力及自主导航控制能力弱，并且有许多干扰因素，远远未达到实用化要求，以至于很有必要用多目标自主路径规划方法来突破无人船研究的瓶颈。

当前的大多数无人船只是使用人为遥控或者使用GPS导航系统加简单导航算法来展开研究的。然而在实际应用中并非总是如此，无人船会经常处于复杂的环境中，如大风、海浪、暗礁和复杂的岛屿等，这些场合下都是需要搜集各种信息并进行综合处理得出最优解，指导无人船的自主航行。

但是由于规划路径时所需处理的信息量过多，运算相当复杂，相关的路径规划算法技术的研究有待深入。目前已有部分文献对无人船路径规划的算法进行研究，如基于遗传算法的路径规划，基于人工势场法的路径规划，基于蚁群算法的路径规划等。但是如果控制成本，减少样本数量时，上述算法规划的路径误差会较大，运动精度得不到保证，而且海上干扰因子较多，会大大影响运动路径精度。所以暂无一种路径优化精度高，误差小，自主性好，稳定性强，样本数据少的无人船路径规划方法。

发明内容

本发明要解决的技术问题在于，克服现有技术的不足，提供一种基于SVM算法的无人船路径规划方法，其可以在样本数据有限的情况下，使规划结果精度高、误差小，并且所述方法的自主性好、稳定性强。

本发明所涉及的基于SVM算法的无人船路径规划方法，包括以下步骤：

构建标准无人船，并将标准无人船放入典型海域中航行；

搜集标准无人船在典型海域中遇到障碍物时的标准相关数据，并将标准相关数据存入数据库；

根据数据库，利用最小二乘SVM算法，计算得到完整样本库；

当标准无人船在实际海域中航行时，搜集标准无人船遇到障碍物的实际相关数据；

将实际相关数据与完整样本库中数据进行对比，得到对应的实际样本类型；

根据所述实际样本类型规划标准无人船路径。

进一步地，所述构建标准无人船，具体包括：

将光电/雷达系统安装在标准无人船上，所述光电/雷达系统用于识别所遇到障碍物与标准无人船的距离S和障碍物的体积D；

将北斗卫星导航系统安装在标准无人船上，所述北斗卫星导航系统用于识别标准无人船和障碍物的位置信息。

更进一步地，所述标准相关数据包括：无人船在典型海域中每次遇到障碍物时的位置信息、典型海域中所遇到的障碍物位置信息、对应的与典型海域中障碍物的距离Sa和典型海域中对应障碍物的体积Da；

所述实际相关数据包括：无人船在实际海域中每次遇到障碍物时的位置信息、实际海域中所遇到的障碍物位置信息、对应的与实际海域中障碍物的距离S1和实际海域中对应障碍物的体积D2。

再进一步地，所述根据数据库，利用最小二乘SVM算法，计算得到完整样本库，具体包括：