[发明专利]一种基于再励机制粒子群算法的节能型水下路径规划方法

说明书

本发明公开了一种基于再励机制粒子群算法的节能型水下路径规划方法，首先利用Graham算法生成凸多边形障碍物，并将障碍物向外拓展生成危险区；然后利用MAKLINK图论法，将凸多边形障碍物顶点线连接起来，生成无向网络图；利用Dijkstra算法进行初步次优路径规划，得到最短链接线；再利用再励机制改进粒子群算法，并将其融入海流的影响，保证了自主水下机器人(AutonomousUnderwaterVehicle,AUV)最大化利用洋流，节约了能源；然后用最终的改进粒子群算法进行路径优化，运用贝塞尔算法平滑最优路径，确保了AUV在节约能源的情况下找到最优路径，实现安全避障。

技术领域

本发明涉及水下机器人的路径规划方法，尤其涉及一种基于再励机制粒子群算法的节能型水下路径规划方法。

背景技术

AUV作为人类探测海洋的主要工具，在水下和外部环境进行交互时，安全避开障碍，并规划出一条合理的路径对于保证水下机器人的安全是至关重要的。水下环境错综复杂，有着各类障碍物，其中AUV受海流影响最大，因此在进行水下路径规划时考虑洋流对于节约机器人能源来说有着很重要的意义。

目前，水下机器人的路径规划在二维环境中研究众多，如典型的A*算法，蚁群算法(Ant ColonyAlgorithm，ACO)，人工势场法(Artificial Potential Field Method，APF)等，但都有着各自的缺陷，比如A*算法在处理大规模地图时运算速度慢，蚁群算法前期收敛速度慢，人工势场法容易陷入局部最优。目前通用的环境建模方法是栅格法，但计算复杂，不利于表达环境信息。

MAKLINK图虽然只能应用于二维环境，但是能够比较好的表达环境信息，并且可以根据实际的环境信息设置相应的障碍区域，灵活多变。对于复杂的海洋环境，首先要考虑的是洋流，因此在进行环境建模和路径规划时必须要加入洋流的影响。

粒子群算法具有参数简单、搜索速度快的优点，但是粒子群算法的自适应能力有待改进，如何将粒子群算法与其它方法相结合进而进行路径规划，是亟需解决的技术问题。

发明内容

发明目的：针对目前AUV在复杂海洋环境下工作时容易受到海流影响，并且需要考虑到水下机器人的动力消耗的技术问题，本发明提出一种基于再励机制粒子群算法的节能型水下路径规划方法，即利用速度合成法抵消率洋流的负影响，充分利用洋流，从而节约了AUV的能量；同时为了提高粒子群算法的自适应能力，利用基于再励机制的水下改进粒子群算法，进而规划出一条最优路径。

技术方案：本发明基于再励机制粒子群算法的节能型水下路径规划方法包括以下步骤：

步骤(1)，根据Graham算法建立凸多边形障碍物，并向外拓展设定的距离以建立危险区；

步骤(2)，构建基于凸多边形障碍物的MAKLINK二维地图，并在该MAKLINK二维地图的基础上构建无向网络图；

步骤(3)，对构建好的二维地图使用Dijkstra算法进行次优路径优化，得到一条基于MAKLINK图的次优路径；

步骤(4)，然后利用改进的粒子群算法，优化次优路径，最终得到一条最短路径；

步骤(5)，通过对改进粒子群算法生成的路径上折线处等距离的多个点进行采样，并利用贝塞尔曲线来减少最短路径的转折点，进而平滑路径。

其中，步骤(1)包括以下内容：

步骤(1.1)，利用Graham算法构建凸多边形障碍物，通过二维坐标系上随机数量的点，根据极坐标排序，查找凸包上的点生成凸多边形障碍物；

步骤(1.2)，在生成凸边形障碍物的基础上，人为向外拓展设定距离，该距离值为d_min。

其中，AUV在进行水下路径规划时，和障碍物的距离d满足下面约束：