[发明专利]一种无人航行器搜寻的路径规划方法、装置和无人航行器

说明书

本发明公开了一种无人航行器搜寻的路径规划方法、装置和无人航行器属于海上智能搜救技术领域，所述方法包括：S1：采用蒙特卡罗随机粒子仿真法分析海上事故信息建立粒子初始分布图；利用高斯混合模型GMM对粒子初始分布进行聚类分析，进而基于腐蚀膨胀的置信椭圆算法确定最佳粒子包含概率对应的目标搜寻区域；S2：建立适应边界特征的欠驱动无人航行器转向数学模型，确定出转向非工作路径；S3：基于双重归一化的多目标搜寻规划算法优化全局搜寻发现概率和搜寻总路径，得到区域覆盖最佳路径规划策略。本发明提出搜寻区域确定方法，并改进经典平行线扫海搜寻策略实现区域搜寻规划，在投入有限搜寻力量的前提下提高遇险人员的搜寻成功概率。

技术领域

本发明属于海上智能搜救技术领域，更具体地，涉及一种无人航行器搜寻的路径规划方法、装置和无人航行器。

背景技术

现有搜寻力量在海上突发事故的应急处理与搜寻需求中存在一定不足，有人搜寻力量难以胜任大面积、长时间、危险环境的搜寻作业任务。近年来，随着以无人艇为代表的无人航行器快速发展，该类无人航行器通常具有长距离自主航行能力，对恶劣海况、浅滩水域的适应能力强，为海上目标高效搜寻带来了新的机遇。

在发生海难事故时，为了最大限度地减少生命财产损失，需要准确、快速地估计搜寻区域，选择合适的搜寻规划策略，提高海上搜寻成功率POS(POS＝搜寻包含概率POC×搜寻发现概率POD)。准确的搜寻区域划定通常包含两个要求：搜寻区域以尽可能大的概率包含搜寻目标；搜寻区域范围尽可能小，使搜寻力量集中以最短的时间完成对可能性最高的区域搜寻。

现有技术中CN102116705A和CN102221448B等主要采用蒙特卡罗随机粒子仿真法对海上落水人员的漂移概略位置和位移倾向进行合理的预测，但是研究人员对搜寻区域的确定还是面向所有粒子全区域覆盖，一些边缘粒子远离高密度粒子区域，数量不多且分布太发散，不利于搜寻快速性。此外，海上搜寻区域的搜寻路径规划属于区域覆盖最优作业路径研究范畴。专利CN102167038B优化田间作业中拖拉机自动驾驶的路径，实现自动驾驶拖拉机机组对农田作业地块的高效率、全区域覆盖；但是该方法并未采用实际优化算法着眼于全局遍历次序进行深入优化，本质上还是依次按序遍历，只是简单分析转向半径与作业幅宽关系从而对转向模式进行选择。目前在无人艇领域，侧重于点到点类的路径规划与路径寻优，例如CN110442135B着重改进遗传算法的遗传操作过程，实现无人航行器多航路点的路径优化，本质上属于点到点的路径规划范畴，不能简单移植用于区域覆盖类问题的路径优化。

综上可知，现有技术中搜寻区域确定及搜寻路径的规划整体上效率较低，从而影响搜寻成功率。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种无人航行器搜寻的路径规划方法、装置和无人航行器，其目的在于实现基于无人航行器的海上遇险目标的快速、精准搜寻规划，在投入有限搜寻力量的前提下提高遇险人员的搜寻成功概率，由此解决现有技术中搜寻区域确定及搜寻路径的规划整体上效率较低，从而影响搜寻成功率的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种无人航行器搜寻的路径规划方法，包括：

S1：采用蒙特卡罗随机粒子仿真法分析海上事故信息建立粒子初始分布图；利用高斯混合模型GMM对所述粒子初始分布图进行聚类分析得到聚类结果；基于腐蚀膨胀的置信椭圆算法从所述聚类结果中确定出最佳搜寻包含概率POC对应的目标搜寻区域；

S2：建立适应所述目标搜寻区域边界特征的欠驱动无人航行器转向数学模型，以确定出所述目标搜寻区域外的转向非工作路径；

S3：利用所述搜寻总路径和搜寻发现概率POD函数构建目标适应度函数，求解所述目标适应度函数得到最短总路径与最大POD对应的区域覆盖最佳路径规划策略，所述区域覆盖最佳路径规划用于参数化描述最优搜寻方向、最优搜寻线间距和最优搜寻线遍历次序。

在其中一个实施例中，所述S2包括：