[发明专利]免疫遗传-人工势场法的无人艇双层路径规划方法

权利要求书

1.免疫遗传-人工势场法的无人艇双层路径规划方法，其特征在于，包括以下步骤：

步骤(1)建立无人艇的数学运动模型以及无人艇的栅格工作环境模型；

定义无人艇的速度矢量为v＝[u v r]^T，无人艇的位置矢量为η＝[x y ψ]^T，无人艇控制器的控制力和力矩τ为τ＝[τ_u 0 τ_r]；

建立的无人艇数学运动模型为：

任选一随机位置的电子海图，将其转化为栅格地图，具体处理规则为：障碍物规模小于一个栅格按一个处理，地图的边界一律当做障碍物处理，当无人艇不能在两实际障碍物间通过，需将障碍物连接当做整体栅格进行处理；

栅格工作环境中无人艇运动路径采用栅格序号法进行记录，对路径的价值函数进行衡量时采用坐标形式，转换关系为：

C＝A+10B

其中，C为序号法的栅格序号，A为坐标法的横坐标，B为坐标法的纵坐标；

步骤(2)利用免疫遗传算法进行全局路径规划，为无人艇快速规划出一条初始全局最优路径；

步骤(3)对全局最优路径进行分割，将全局最优路径上的转折点序列作为局部路径规划的子目标位置并利用人工势场法进行局部路径规划，直到当前子目标位置是最终的目标位置；

(3.1)定义路径初始点为Start，路径终点为Goal，利用免疫遗传算法得到一条全局的初始路径L_gbest，定义转折点数量为n，得到的全局路径上的转折点集合为{Start,p₁,p₂...p_n,Goal}，则分割操作下形成n+1段子路径；

(3.2)将全局路径上的转折点集合{Start,p₁,p₂...p_n,Goal}依次作为局部路径规划的子目标点{Start,g₁,g₂...g_n,Goal}；

(3.3)在n+1段子路径(Start,g₁)，(g₁,g₂)...(g_n,Goal)上利用人工势场法进行局部路径规划；

(3.4)直至子目标位置为最终目标位置停止，将所有局部路径规划下的子路径连接得最终路径。

2.根据权利要求1所述的免疫遗传-人工势场法的无人艇双层路径规划方法，其特征在于，所述免疫遗传算法具体为：

定义第一层为无人艇的全局路径规划，利用已知路径上的静态障碍物作为避碰目标，采用免疫遗传算法规划出一条最短的全局避碰路线；第二层为无人艇的局部路径规划，将路径上未知的动态障碍物作为避碰目标，在第一层的全局避碰路线上利用人工势场法进行局部避碰；

对适应度函数如下定义：

式中，L为抗体总长度；n为抗体中转折点的个数；θ_i为每个转折点的偏转角度；σ为碰撞频率；w₁、w₂和w₃为相应的权重因子；

设定抗体种群规模为一固定值m，在其中选择2个抗体a和b，则其适应度函数为f_a和f_b，定义相似度函数如下：

对抗体相似定义如下：当抗体a，b相似度满足1-Ω≤Q(a,b)≤1+Ω时，则称两者相似：其中，Ω为相似度因子；

抗体a浓度定义如下：

其中，Ψ为整个种群规模m中与抗体a相似的抗体个数；

抗体种群每轮繁衍，抗体a被选择作为父代的概率定义如下：

其中，T为浓度因子；

利用免疫遗传算法进行全局路径规划的具体步骤为：

(2.1)对栅格图中每一个栅格进行编码，将栅格图中所有能形成一条从S到E的路径称为抗体；其中，S为起始点，E为目标点；

(2.2)随机产生初始抗体群体，对初始抗体群体进行初步筛选，删除存在障碍物序号的抗体；

(2.3)计算抗体适应度，将适应度最大的抗体称为精英抗体并保存到一变量中；

(2.4)若群体退化，则将精英抗体添加到新的抗体群；若群体进化，则将最大适应度值的抗体添加到精英抗体变量中；

(2.5)计算当前情况下的抗体浓度和被选择概率；

(2.6)对被选择的抗体进行交叉变异操作；

交叉是把两个被选择抗体的部分结构替换重组而生成新抗体的操作，对随机选取得两个抗体，判断重合点的个数，当重合点多于一个时，随机选择其一进行交叉，如果没有重合点则随机选择交叉点进行单点交叉；

变异是随机生成小概率扰动，从个体中以自定的概率选择一个除目标点和起始点的序号作为目标进行变异操作；

(2.7)重复步骤(2.1)～步骤(2.6)直至满足算法结束条件。