详情

原文传递复杂障碍环境下无人水面艇航迹规划算法研究

论文题名：	复杂障碍环境下无人水面艇航迹规划算法研究
关键词：	无人水面艇;航迹规划;船舶避碰;运动预测;高斯混合模型
摘要：	无人水面艇(Unmannedsurfacevehicle，USV)作为一种具有自主航行能力的无人操纵水面运动平台，已在民用和军事领域得到了广泛地应用。是否可以规划出高质量的航迹，成为USV自主航行能力的评价指标之一。因此研究复杂障碍环境下的USV航迹规划算法，对于USV的自主安全航行具有重要的理论意义和实用价值。　　USV航迹规划算法的研究存在着以下几个需要解决的问题:(1)USV在海洋中航行时，需要考虑多个航行性能指标，并受到多种约束条件，因此要从多目标多约束优化问题的角度进行USV全局航迹规划;(2)在对USV进行局部航迹规划时，要考虑同时对多个速度时变障碍物的避碰;(3)由于USV难以完整获得障碍物的运动信息，因此USV在进行局部航迹规划时需要考虑障碍物运动信息的不确定性。根据上述分析，本文将从USV全局航迹规划、障碍物运动信息已知情况下的USV局部航迹规划、障碍物运动信息不确定情况下的USV局部航迹规划三个方面对复杂障碍环境下USV航迹规划问题进行研究，其主要研究工作包括以下四个方面: 　　1、对海洋环境影响下的USV全局航迹规划问题进行建模。首先建立了海洋环境影响下的USV运动数学模型。阐述了USV全局航迹规划空间、全局航迹和障碍物的表达方式、航迹可行性的判断条件等内容。最后，建立了表示USV全局航迹规划问题的多目标多约束优化数学模型，其中，优化目标包括:航迹长度、航行能耗、航迹安全和航迹平滑，约束条件包括:最大航程、最大转弯角和航行速度的限制。　　2、为求解表示USV全局航迹规划的多目标多约束优化问题，设计了一种多目标量子粒子群优化算法(MOQPSO)。首先，针对粒子群优化算法(PSO)和量子行为粒子群优化算法(QBPSO)存在的缺点，设计了一种改进量子粒子群优化算法(IQPSO)。其次，在IQPSO算法的基础上，加入最优解的选取策略、约束条件处理策略和外部档案集更新策略，设计了MOQPSO算法。最后，通过仿真实验，验证了MOQPSO算法具有较好的收敛性和解的多样性，并且通过MOQPSO算法规划出在海洋环境影响下的全局航迹集在多个优化目标上具有更好的整体性能。　　3、对于障碍物运动信息已知情况下的避碰问题，设计了一种基于非线性有限时间速度障碍法(NLFVO)的USV局部航迹规划算法。首先，针对USV与多个速度时变障碍物遭遇的情形，提出了一种改进的速度障碍法一非线性有限时间速度障碍法(NLFVO)。其次，将USV的航行速度变化量和航向变化量作为USV局部航迹规划的优化目标，这样USV局部航迹规划问题转化成为一个多目标优化问题，并在受到USV海上航行规则和自身运动学约束的情况下，通过计算获得满足代价函数最小且可以使USV完成对障碍物避碰的航行速度和航向角。最后，仿真实验结果验证了障碍物运动信息已知确定情况下USV局部航迹规划算法的有效性。　　4、针对USV难以完整获得障碍物运动信息情况下的避碰问题，提出一种障碍物运动信息不确定情况下的USV局部航迹规划算法。首先，为了获得移动障碍物未来的运动信息，根据长短期记忆网络(LSTM)、高斯过程回归(GPR)模型和高斯混合模型(GMM)，设计了一种基于LSTM-GMR的障碍物航行速度预测方法。其次，对通过LSTM-GMR方法得到的速度区间预测结果进行计算，获得USV与移动障碍物可能发生碰撞的时间，并提出了一种考虑障碍物运动信息不确定性的非线性有限时间速度障碍法(UNLFVO)。最后，通过仿真实验，说明基于LSTM-GMR的预测方法可以得到可靠的障碍物未来航行速度信息，以及基于UNLFVO的USV局部航迹规划算法可以使USV有效地对运动信息具有不确定性的障碍物进行避碰。　　综上所述，本文研究了复杂障碍环境下USV的航迹规划算法，并对该算法进行了仿真验证。结果表明，在本文中所设计的算法可以有效地解决USV全局航迹规划问题、障碍物运动信息已知情况下的USV局部航迹规划问题和障碍物运动信息不确定情况下的USV局部航迹规划问题，并为USV自主安全航行提供了理论依据和技术支持。
作者：	韩志伟
专业：	控制科学与工程
导师：	夏国清
授予学位：	博士
授予学位单位：	哈尔滨工程大学
学位年度：	2021