论文部分内容阅读
无人系统(Unmanned System,US)是机器智能化领域研究的热点方向,而无人系统的自主规划是该研究方向中最重要的一个环节。无人系统的自主规划由两部分组成:一是根据已知信息进行的全局路径规划;二是基于传感器数据进行的局部避碰规划。全局规划主要是为无人系统在起点和终点之间规划出一条最优路径;局部避碰规划指的是无人系统通过改变运动速度与方向来进行实时避碰。本文主要针对无人水下航行器(Unmanned Underwater Vehicle,UUV)的自主规划问题,结合量子粒子群优化算法(Quantum-behaved Particle Swarm Optimization,QPSO),完成了UUV在部分环境已知时的避碰规划研究:首先,介绍了QPSO算法的基本概念,详细地描述了粒子的进化原理和算法实现步骤。为了提高算法的收敛速度与寻优能力,提出了粒子分类进化的QPSO算法,通过与其他算法的比较验证了提出的算法不易陷入局部最优,并且收敛速度较快。其次,针对UUV的路径规划任务,根据已知环境建立了环形空间模型,利用所提出的算法结合静态障碍物信息,在环形空间上进行路径寻优;对于信息已知的动态障碍物,则通过调整UUV运动速度与方向,结合优化算法进行二维优化。仿真实验证明了本文所用的方法在多种环境中都能得到较满意的结果。再次,针对UUV在自主运动时遇到信息未知障碍物的情况,提出了基于传感器探测窗口的局部避碰规划方法。当UUV探测到未知静态障碍物时,优化算法在优化窗口内为其规划出新的路径以避开障碍物,随着优化窗口不断前进,新路径不断产生直到安全避开障碍物并且返回到全局路径为止;当遇到运动障碍物时,先判断它与UUV是否有碰撞危险,若有,则采取实时远离的方法进行避碰。最后进行了仿真实验,证明了UUV可以通过此方法安全航行。最后,将以上研究的全局规划与局部规划方法相结合,构成了UUV的自主规划系统,通过Qt开发平台,设计开发了UUV自主规划仿真软件,并在仿真平台上进行了针对部分环境已知时的UUV自主规划问题的综合仿真实验,实验结果证明了所用方法的有效性。