论文部分内容阅读
智能船艇是近年来人类在积极探索和开发水资源过程中催生的新兴产物之一，具备多种功能和优点。开发智能船艇涉及多种理论技术，本文主要研究智能船艇的路径规划方法。主要工作内容如下：
1．分析了智能船艇航行环境的特点，引出建立环境模型的重要性与必要性，结合智能船艇航行环境的特殊性，基于栅格法提出一种适用于智能船艇航行环境的环境模型建立方法。
2．详细阐述了快速拓展随机树算法(Rapid-exploration Random Tree,RRT)的原理，并针对RRT算法高随机性，低目标指向性的缺陷，通过引入动态步长调整和强制目标引力2种机制，并结合自适应混合策略提出了自适应步长调整与强制目标引力RRT算法(Adaptive Hybrid Dynamic Stepsize and Target Attractive Force-RRT,AHDSTAF-RRT)；总结分析人工鱼群算法(Artificial Fish School Algorithm,AFSA)，针对AFSA算法较慢的收敛速度，加入自适应视觉步长调整操作提出了改进人工鱼群算法(Improved Artificial Fish School Algorithm,IAFSA)。
3．以某水域的水质采样工作为例，通过AHDSTAF-RRT和IAFSA进行静态环境下的全局路径规划仿真实验。在静态环境中的智能船艇路径规划仿真表明，AHDSTAF-RRT算法较基本RRT算法效果在6段路线上分别提升17.63%、29.6%、5.61%、11.19%、24.41%、15.31%，IAFSA较基本RRT算法效果分别提升11.01%、13.27%、1.59%、4.02%、24.57%、16.01%，验证了本文提出的AHDSTAF-RRT算法和IAFSA的特点和有效性。
4．考虑智能船舶实际航行中可能出现的动态障碍物情景，提出具有避障功能的智能船艇局部路径规划方法，并结合IAFSA和AHDSTAF-RRT算法进行仿真实验以验证其有效性。仿真实验表明结合动态避障功能的AHDSTAF-RRT算法和IAFSA均能够使智能船舶在航行时避开环境中的移动障碍物，规划出安全可靠的路线，且在存在动态障碍物环境中IAFSA算法较AHDSTAF-RRT算法更加灵活和高效。
最后，对本文工作内容进行总结和展望，指出现有工作的不足之处以及今后的研究方向。
1．分析了智能船艇航行环境的特点，引出建立环境模型的重要性与必要性，结合智能船艇航行环境的特殊性，基于栅格法提出一种适用于智能船艇航行环境的环境模型建立方法。
2．详细阐述了快速拓展随机树算法(Rapid-exploration Random Tree,RRT)的原理，并针对RRT算法高随机性，低目标指向性的缺陷，通过引入动态步长调整和强制目标引力2种机制，并结合自适应混合策略提出了自适应步长调整与强制目标引力RRT算法(Adaptive Hybrid Dynamic Stepsize and Target Attractive Force-RRT,AHDSTAF-RRT)；总结分析人工鱼群算法(Artificial Fish School Algorithm,AFSA)，针对AFSA算法较慢的收敛速度，加入自适应视觉步长调整操作提出了改进人工鱼群算法(Improved Artificial Fish School Algorithm,IAFSA)。
3．以某水域的水质采样工作为例，通过AHDSTAF-RRT和IAFSA进行静态环境下的全局路径规划仿真实验。在静态环境中的智能船艇路径规划仿真表明，AHDSTAF-RRT算法较基本RRT算法效果在6段路线上分别提升17.63%、29.6%、5.61%、11.19%、24.41%、15.31%，IAFSA较基本RRT算法效果分别提升11.01%、13.27%、1.59%、4.02%、24.57%、16.01%，验证了本文提出的AHDSTAF-RRT算法和IAFSA的特点和有效性。
4．考虑智能船舶实际航行中可能出现的动态障碍物情景，提出具有避障功能的智能船艇局部路径规划方法，并结合IAFSA和AHDSTAF-RRT算法进行仿真实验以验证其有效性。仿真实验表明结合动态避障功能的AHDSTAF-RRT算法和IAFSA均能够使智能船舶在航行时避开环境中的移动障碍物，规划出安全可靠的路线，且在存在动态障碍物环境中IAFSA算法较AHDSTAF-RRT算法更加灵活和高效。
最后，对本文工作内容进行总结和展望，指出现有工作的不足之处以及今后的研究方向。