[发明专利]自治水下航行器在海洋环流下的生物启发自组织映射路径规划方法

说明书

本发明公开了一种自治水下航行器在海洋环流下的生物启发自组织映射路径规划方法，基于GBSOM算法模型初步对自治水下航行器进行路径规划；构建海流模型和海流能量函数，将海流对自治水下航行器的影响数学化，根据海流模型计算出海流速度；利用海洋能量函数评估自治水下航行器工作时路径规划的性能；添加海流因子，通过海流因子将海流模型与GBSOM算法模型相结合，将海流速度的方向与预定的运行方向相叠加，更新任务目标的位置，规划出自治水下航行器的最终航行路径。本发明实时性能好，能够实现安全避障，避免速度跳变，办公效率得到很大的提升，节省能源，降低功耗，在路径规划行程中找到一条安全无障碍又节约功耗的有效线路。

技术领域

本发明涉及一种路径规划算法，尤其涉及一种自治水下航行器在海洋环流下的生物启发自组织映射路径规划方法。

背景技术

最近几年，有关AUV(自治水下航行器)的路径规划算法层出不穷，研究领域也从单一的物理学转变为物理学与生物学两大学科，这使得AUV航行的路径越来越精确。但是，AUV的最终路径是在海流方向和路径规划方向的共同作用下完成的，所以在研究AUV本身属性的同时，也应当考虑到AUV的载体——海洋环流这一影响因素。在现代科学追求高精度、高安全、高效率的时代背景下，如何在海流影响下规划出安全可靠的路径，又如何使AUV沿着规划的路径安全精确的航行，是AUV所面临的关键技术性问题。另外，在路径规划算法方面，传统的单一算法存在较大的弊端，被广泛应用的SOM(自组织神经网络)算法虽然在自主性和竞争性方面存在优势，但无法安全避障。当任务目标点与AUV距离较远时，SOM算法甚至会出现速度跳变，运行不稳定，无法确定安全性。而GBNN(生物启发神经网络)算法对水下目标进行任务分配以及确定访问目标顺序时，GBNN算法存在明显的计算缺陷。如何改进路径规划算法，又如何将路径规划算法与海洋环流这一影响因素结合起来，是本发明研究的重点。

发明内容

发明目的：为了解决现有技术中AUV路径规划存在的避障问题以及受海洋环流的影响，本发明提供一种自治水下航行器在海洋环流下的生物启发自组织映射路径规划方法。

技术方案：一种自治水下航行器在海洋环流下的生物启发自组织映射路径规划方法，包括以下步骤：

(1)基于GBSOM算法模型初步对自治水下航行器进行路径规划，包括确定预定的运行方向；

(2)构建海流模型和海流能量函数，将海流对自治水下航行器的影响数学化，根据海流模型计算出海流速度；利用海洋能量函数评估自治水下航行器工作时路径规划的性能；

(3)添加海流因子，所述海流因子为海流对于自治水下航行器速度的影响函数，通过海流因子将海流模型与GBSOM算法模型相结合，将海流速度的方向与步骤(1)中预定的运行方向相叠加，更新任务目标的位置，规划出自治水下航行器的最终航行路径。

进一步的，步骤(1)中，GBSOM算法模型包括：

(11)利用GBNN算法构建水下环境模型，使自治水下航行器的位置单元与生物神经元单元一一对应；

(12)利用SOM算法分配自治水下航行器下一步的目标；

(13)最后通过神经元活性输出值规划最优路径。

进一步的，步骤(11)中，应用栅格法构建环境模型。

进一步的，步骤(12)中，SOM算法的竞争过程选取获胜的神经元，合作过程选取拓扑邻域，更新权值后选择最优神经元作为目标位置。

进一步的，步骤(11)中利用GBNN算法构建水下环境模型如下：