[发明专利]一种基于改进A*-CCNN算法的无人艇路径规划方法

说明书

本发明涉及无人艇技术领域，公开了一种基于改进A*‑CCNN算法的无人艇路径规划方法，在活性值计算中加入环境地形修正项，同时引入覆盖趋势项优化决策公式；当覆盖路径中出现障碍神经元时，CCNN算法会规划出一条避障路径，绕过障碍物后会返回原有覆盖路径继续扫描。当路径点前方是已覆盖神经元时，采用视线法对前进方向的神经元进行扫描，如果存在空白神经元，则跨过前方已覆盖神经元到达空白神经元，继续覆盖规划剩下区域。本发明的有益效果为能够针对不同地形条件修改环境地形参数，可适应不同地形，使得规划出的路径更有规律。

技术领域

本发明涉及无人艇技术领域，涉及一种基于改进A*-CCNN算法的无人艇路径规划方法。

背景技术

对浩瀚海洋的探索与开发的需求，促使人类利用水面和水下航行器进行水域环境的勘探和测量作业。而无人航行器是目前的最优选择，它有高效率、低成本等优点，可以应用于运输、勘探、搜救等多领域。无人艇在作业时，如何避开障碍、如何实现高效率作业主要依靠无人艇的路径规划技术。

无人艇的路径规划技术，是指无人艇参照某一指标(如工作代价值最低，路径长度最短，运算时间消耗最短等)，在任务区域选择出一条可从起点连接到终点的最优或次优的避障路径。路径规划按照规划目的不同可分为点到点路径规划和全覆盖路径规划。其中，点到点路径规划是指无需考虑作业任务无人艇快速从起始位置移动到目标位置，目前广泛应用的是A*算法，可以快速、直接地得到最佳路径；全覆盖路径规划是指无人艇对目标水域进行探测作业时，需要通过提前规划路径使得无人艇探测范围可以覆盖整个作业水域，进而搜集整个水域的特定的信息，目前应用较广的是实时性好的BINN算法。

但是，无人艇属于欠驱动系统，易受到环境中风浪流等因素的影响，导致转弯半径较大，A*算法仅考虑距离导致规划所得路径转弯次数较多，造成规划路径不够平滑。而BINN算法计算过程复杂，耗费时间，且存在易发生路径偏离、起点条件理想化、对复杂地形适应度低等缺陷。然而，无人艇路径规划技术是无人艇实现运动、作业功能的根本保证，路径规划的优劣将直接影响无人艇完成任务的实时性及结果。所以，如何优化无人艇路径规划技术仍然是值得研究的问题。

发明内容

针对现有技术中的问题，本发明提供了一种基于改进A*-CCNN算法的无人艇路径规划方法，能够针对不同地形条件修改环境地形参数，可适应不同地形，使得规划出的路径更有规律。

为实现上述目的，本发明提供如下技术方案：

一种基于改进A*-CCNN算法的无人艇路径规划方法，包括以下步骤：

步骤一：初始化环境地图，对所述环境地图进行信息栅格化，设置单元栅格为无人艇的扫描宽度，对各神经元赋予初始属性，所述神经元的初始属性包括障碍物、起点及未覆盖；

步骤二：进行参数初始化，为全覆盖神经网络算法神经元活性值的计算做准备，设置参数a、b、c、D₁、D₂、D₃值，并设定覆盖路径的趋势方向；所述参数为a、b、c、D₁、D₂、D₃，其中，a为神经元活性值上限，c为趋势转角系数，b为转角占比系数，D₁为空白区域修正系数，D₂为路径修正系数，D₃为障碍修正系数；

步骤三：进入算法寻路循环，判断区域内神经元是否被全面覆盖；

步骤四：若所有神经元都已覆盖则算法完成跳出循环，若进入死区则进行死区逃离；若不是死区则选择活性值最大的点；

步骤五：跳出循环后对规划质量进行评估，计算区域覆盖的重复率、总路径长度、累计转角等数据。

进一步地，所述步骤二中，全覆盖神经网络算法神经元活性值计算公式如下：