[发明专利]一种基于环境预报信息的无人艇航线优化方法

权利要求书

1.一种基于环境预报信息的无人艇航线优化方法，其特征是：

(1)、无人艇航行海域的环境信息及无人艇航行状态的获取

通过气象预报收集无人艇在海上航行时环境信息，根据这些环境信息对无人艇航行的影响程度，筛选出对无人艇航行影响较大的环境信息；通过全球定位系统对无人艇当前的位置进行定位，得到准确的无人艇航行状态；

(2)、建立包括无人艇航行海域环境信息的无人艇航行模型

根据气象预报得到的无人艇航行海域的环境信息及区域中固定障碍物的位置建立航迹图；

在无人艇活动区域出现的静态障碍物，以任意形状的多边形表示，所述无人艇航行海域的环境信息是海流，用模拟数据表示，

假设无人艇整个活动区域的大小定义为：

E＝{(L，W)∈R²：L_a≤L≤L_b，W_a≤W≤W_b}

安全无碰撞的自由区域定义为：

其中，Obstacle_i，i＝1，2，…，k，表示静态障碍物集合，k为静态障碍物的数量，

使无人艇安全无碰的从起点S运动到终点G，再自由区域E_free中搜索出一条航迹，这条航迹既满足无人艇航行的安全性条件：不能与障碍物相碰，不能距离障碍物太近；又满足经济性条件，即无人艇航行过程的能耗少，将无人艇的最优航线寻找问题归结为在自由区间E_free中的优化搜索问题；

(3)、基于粒子群优化算法的无人艇航线规划

将粒子群优化算法应用到航线优化，最优航线相当于鸟群中的食物，通过模仿鸟群寻找食物的过程来寻找最优航线；

1)粒子群算法的基本公式如下：

V_id(t+1)＝wV_id(t)+c₁r₁(P_id-x_id(t))+c₂r₂(P_gd-x_id(t)) (1)

x_id(t+1)＝x_id(t)+v_id(t+1) (2)

公式(1)和公式(2)称为粒子群优化算法进化公式，公式(1)为粒子的速度更新公式，公式(2)称为粒子的位置更新公式，

公式中：i＝1，2...，N，是粒子的编码

t-当前的迭代次数

v_id-经过t次迭代后，第i个粒子的第d维速度分量

x_id-经过t次迭代后，第i个粒子的第d维位置分量

P_id-第i个粒子的个体历史最优位置p_best的第d维分量

P_gd-群体最优位置g_best的第d维分量

读入建立包括无人艇航行海域环境信息的无人艇航行模型的数据，

根据环境模型的复杂程度，对种群进行初始化，设置粒子群的种群规模为10个粒子，粒子的维数为5，惯性因子w＝0.5，迭代次数为200次，学习因子c₁＝c₂＝1.49；

将每个维度的粒子随机分布在自己的区域内；

根据适应度函数公式计算粒子的适应值并和当前最优P_Best和种群最优G_Best相比较，输出种群最优G_Best；

判断输出的G_Best是否满足终止条件，若不满足继续用公式(1)和公式(2)对粒子的速度和位置进行更新再进行计算；

若符合终止条件达到最大迭代次数即输出；

2)确定适应度函数

设S模拟一条可以航行的路径，则其适应度评价函数Fit(S)如下：

Fit(S)＝S_Cost(S)+E_Cost(S)

其中，S_Cost(S)是无人艇航行的安全性条件，它是确保无人艇航行时不会和障碍物发生碰撞；E_Cost(S)是无人艇的能耗条件，

S_Cost(S)由以下公式计算得出：

S_Cost(S)＝w₁×C(S)

C(S)是表示无人艇与障碍物靠近程度的条件：

其中M为航行区域中阻滞运动物体的个数，L_jk表示了这个物体第k条边的线段，g_i表示线段到已知障碍物的长度，τ是需要定义的一个安全系数、其设置取决于无人艇本身的情况，α为一个系数，O_J为第j个物体的多边形的边数；

用D(S)表示无人艇航行的总距离：

上式中N为转折点的个数，d(p_i，p_i+1)＝||p_i+1-p_i||为各个转折点之间的直线距离，在计算无人艇的速度时只考虑y轴方向上的速度，

V_m＝V_act-V_flow

上式中V_act为粒子节点组成的段间的合速度方向，V_flow为海流的速度，V_m为无人艇推进器实际产生的速度，

无人艇可航行航线中的E_Cost(S)可由前面的公式得出，

无人艇不可航行航线有两个评价标准，一个海流速度过大的区域无人艇不可航行，另一个是静态障碍物区域无人艇不可航行，海流过大的区域直接用海流速度和无人艇的速度比较判定，

在上式中，A是一个能保证Fit(p)非负的适当大的实数；dist(p)为航迹总长度；为航迹与障碍物相交的线段个数；Φ(p)为航迹转向点的安全度，r和c分别为和Φ(p)这两项的权值系数，其中，r体现了对航迹中不可行部分的惩罚。