[发明专利]基于量子鲨鱼机制的AUV全局路径规划方法

说明书

本发明提供一种基于量子鲨鱼机制的AUV全局路径规划方法，采用多Lamb涡流叠加技术和障碍物栅格等效技术来实现环境建模。本发明所提供的AUV全局路径规划模型包括决策变量设计、航行代价设计、约束条件设计和代价函数设计四部分，充分考虑了AUV航行路径的安全性、高效性和可靠性，将具有更好的实用性。本发明设计的量子鲨鱼优化机制，可以快速得到AUV全局路径规划路线，其仿生于鲨鱼捕食过程并结合模拟量子旋转门来演化鲨鱼量子态，收敛速度快、收敛精度高，且具有更好的鲁棒性。仿真实验证明了基于量子鲨鱼机制的AUV全局路径规划方法的有效性，且相对于传统的路径规划方法搜索速度更快、精度更高。

技术领域

本发明涉及一种海流及障碍物环境下的AUV全局路径规划方法，属于水下航行器路径规划领域。

背景技术

近年来，有关自主式无人设备的研究与应用得到了迅速发展，自主式水下航行器AUV属于无人设备的一种，集成了目标识别、目标定位、数据勘测、数据融合、智能控制以及通信导航等多个系统，在水下监察、深海探测、援浅救生、海洋开发、海洋防御等领域均具有广泛的应用前景。路径规划是指为了到达某个目标或完成某个任务，对所规划设备的航行方向、航行路线等进行预先计算、设定和优化的过程，主要包括环境信息采集、水下环境建模、全局路径规划、水下态势感知以及局部路径规划五个步骤，路径规划技术是自主式水下航行器的关键技术之一，在一定程度上标志着AUV智能化水平的高低。

海流及障碍物环境下的自主式水下航行器全局路径规划主要包括环境建模和路径搜索两部分，合理的环境建模方法有利于减少路径搜索次数，不同的路径搜索算法基于不同的环境模型。环境建模方法主要包括栅格法、可视图法、维诺图法等；路径搜索算法主要包括人工势场法、快速步进法、A^*算法等传统路径搜索算法，粒子群算法、遗传算法、文化算法、量子算法等智能仿生学路径搜索算法，以及深度学习、强化学习等依赖于神经网络的新一代路径搜索算法。

通过对现有技术文献的检索发现，李建文等在《计算机工程与设计》(2013,34(07):2556-2560)上发表的“基于遗传算法的多边形分割AUV全局路径规划”中采用多边形分割、交叉避障、删除节点和路径平滑等技术以及遗传机制实现了AUV全局路径规划，但其规划过程复杂繁琐且没有考虑到实际海流环境对AUV航行时间、能量损耗所产生的影响；杨健等在《水雷战与舰船防护》(2017,25(04):67-71)上发表的“基于人工势场法的微小型AUV避障运动方法研究”中采用人工势场的方法实现了AUV全局路径规划，但其易于陷入局部极值且难以实现复杂海流环境下的路径规划；史先鹏等在《海洋技术学报》(2019,38(02):14-20)上发表的“一种基于改进蚁群算法的载人潜水器全局路径规划”中将人工势场理论与蚁群优化机制相结合来获得一条最优航行路径；马焱等在《导航与控制》(2019,18(01):51-59)上发表的“基于改进烟花-蚁群算法的海流环境下水下无人潜航器的避障路径规划”中采用烟花-蚁群优化机制实现了有海流及障碍物影响下的水下无人潜航器二维自主路径规划，但其优化机制仍然存在着收敛精度差、收敛速度慢的问题。郭兴海等在《系统工程理论与实践》(2021-03-18:1-14)上发表的“可变洋流环境中自主水下航行器动态路径规划的改进QPSO算法”中采用量子粒子群优化机制实现了AUV全局路径规划。

已有文献的检索结果表明，现有AUV全局规划路径方法中存在着几点不足：环境建模时未考虑或仅考虑单一方向上的海流影响，导致AUV路径规划方法与陆地机器人路径规划方法相似，即使可以找到一条较为精准的路径，但很难应用于工程实际；路径搜索算法仍然存在着计算复杂度高、收敛速度慢、收敛精度差和易于陷入局部极值等问题。因此提出了一种适用于海流及障碍物环境下的AUV全局路径规划方法，并设计了量子鲨鱼优化机制来搜寻一条最优的AUV航行路径。

发明内容