[发明专利]一种基于改进RNN的UUV实时避障规划方法

说明书

本发明属于无人水下航行领域，具体涉及一种基于改进RNN的UUV实时避障规划方法。本发明提供了一种基于改进RNN的UUV实时避碰规划方法，该方法采用卷积连接方式代替原RNN网络中的全连接，减少了网络参数，降低了算法学习时间，提高了算法信息处理能力。本发明设计的用于UUV实时避碰规划的改进RNN算法，在复杂的不确定环境中有较强的适应性；有较强的学习能力、泛化能力及抗噪声干扰能力。

技术领域

本发明属于无人水下航行领域，具体涉及一种基于改进RNN的UUV实时避障规划方法。

背景技术

无人水下航行器UUV是没有人驾驶，靠自主控制在水下航行的器具，主要代替潜水员或载人下型潜艇进行深海探测、救生、排除水雷等高危险性水下作业。UUV的主要目标之一就是实现在动态、复杂的环境下的高度自治。UUV的自主航行能力是指其在航行时根据需要自行选择行动方案的能力。作为UUV自主航行的关键技术，其自主避障能力是UUV执行各类任务的基础。

目前用于UUV避碰规划的方法主要有随机抽样、线性拟合、势场法、蚁群算法、量子行为算法以及一些混合算法。然而，上述方法还存在对噪声敏感、在复杂环境下难满足实时性要求、可移植性差等不足。为了提高UUV避碰规划的自主能力，一些学者提出了基于强化学习的避障规划方法。但任然面临奖励函数及动作策略设计困难的挑战。特别是当UUV航行在狭窄的海洋环境，由于有限的环境信息，基于强化学习的避障规划方法很难做出最优决策。

循环神经网络RNN的内部节点定向连接成环，因此其可以展示动态时序行为。UUV实时避障规划问题的本质就是根据时序的声呐探测信息规划UUV的动作，使其避过障碍物。然而传统的RNN避障规划存在网络参数较多、训练时间长以及有限的信息处理能力等不足。本发明针对上述问题提出了一种基于改进RNN的UUV实时避障规划方法。

发明内容

本发明的目的在于提供一种基于改进RNN的UUV实时避障规划方法。

一种基于改进RNN的UUV实时避障规划方法，该方法包括以下步骤：

步骤1：将UUV布放在起始位置；

步骤2：UUV通过板载的传感器获得关于环境信息和目标点信息的时间序列数据；

步骤3：基于改进RNN的UUV实时避障规划进行网络训练；

步骤4：对该时间序列进行预处理，并输入到已经训练好的基于改进RNN的UUV实时避障规划网络；

步骤5：将避障规划网络输出的转艏和速度指令输入到UUV执行机构；

步骤6：执行机构得到指令后驱动UUV航行；

步骤7：判断UUV是否到达目标点，若是，避碰规划系统停止工作，否则返回步骤2；

步骤3所述基于改进RNN的UUV实时避障规划进行网络训练包括以下步骤：

步骤3.1：初始化改进RNN避障规划网络各层权重，令i＝0；

步骤3.2：令k＝0；

步骤3.3：取第k个批量的数据作为本次训练集，并令t＝0；

步骤3.4：将本次训练集中的输入数据输入到网络，经过改进RNN避障规划网络的前向传播过程得到对应输出y_t；

步骤3.5：计算网络输出与对应标签的误差；

步骤3.6：判断是否完成该批量计算，若是，执行步骤3.7，否则t＝t+1，并返回步骤3.4；

步骤3.7：利用小批量梯度下降误差反向传播算法更新改进RNN避障规划网络权重；