CN108762280A - 一种考虑海洋环流影响的uuv基于能量消耗优化的远程航海路径规划方法 - Google Patents
一种考虑海洋环流影响的uuv基于能量消耗优化的远程航海路径规划方法 Download PDFInfo
- Publication number
- CN108762280A CN108762280A CN201810519508.0A CN201810519508A CN108762280A CN 108762280 A CN108762280 A CN 108762280A CN 201810519508 A CN201810519508 A CN 201810519508A CN 108762280 A CN108762280 A CN 108762280A
- Authority
- CN
- China
- Prior art keywords
- uuv
- path
- speed
- indicate
- energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 238000005265 energy consumption Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 10
- 239000002245 particle Substances 0.000 claims abstract description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 239000003643 water by type Substances 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 claims description 3
- 235000012489 doughnuts Nutrition 0.000 claims description 3
- 238000013439 planning Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0692—Rate of change of altitude or depth specially adapted for under-water vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Automation & Control Theory (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
本发明的目的在于提供一种考虑海洋环流影响的UUV基于能量消耗优化的远程航海路径规划方法,包括以下步骤:确定UUV实际的对地航行速度以及实时更新的海流信息;初始化优化算法所需的各类参数;通过空间分解建模随机产生路径控制节点,使用B‑Spline拟合生成初始路径。进入QPSO算法迭代过程,计算当前路径对应粒子平均最佳位置,计算当前路径对应UUV的能量消耗。通过相应的优化过程确定最终的最优解。输出最终的路径控制节点。根据最终的控制节点拟合生成能耗最优的路径轨迹。本发明中以能耗为优化目标经由三种优化算法得到的能量消耗值均远低于相同算法在以航行时间为优化目标下所消耗的能量。
Description
技术领域
本发明涉及的是一种UUV远程控制方法。
背景技术
无人水下运载器(Unmanned Underwater Vehicle,以下简称UUV)是一类使用各种使能技术进行导航和执行多重任务的水下运载器,近期备受军事、科学研究和商业应用等方面的关注。在实际应用中,由于UUV自身携带的电池容量有限,执行长期观测或监视任务时的能源限制成为了一个急需解决的技术瓶颈问题。此外,UUV执行长期任务时其实际航行速度与海洋中环流速度基本处于同一量纲,因此环流将严重影响UUV的工作效率和能量消耗。
与以往忽略海洋环流影响的规划方法不同,本发明实现了以能量消耗作为单一优化目标,考虑复杂海洋环流影响下的UUV执行长远距离任务的路径规划方法。本发明的优化过程具有通用性,可以使用各类进化算法来实现,包括粒子群(Particle SwarmOptimization,简称PSO)优化算法,量子粒子群(Quantum Particle Swarm Optimization,简称QPSO)优化算法,蚁群(Ant Colony Optimization,简称ACO)优化算法,遗传(GeneticAlgorithm,简称GA)算法等。
目前,关于考虑水下航行器能量消耗优化的路径规划研究文献数量并不多,最早提出能耗优化方向的文献(Alberto Alvarez.,Andrea Caiti.,and ReinerOnken.Evolutionary Path Planning for Autonomous Underwater Vehicles in aVariable Ocean[J].IEEE J OCEANIC ENG,VOL.29,NO.2,APRIL 2004,2004)完成了水下自主航行器(Autonomous Underwater Vehicle,以下简称AUV)面向能量消耗优化的路径规划研究,该文献中假设了AUV对地航速为固定值,通过对路径进行积分获得最终能耗计算,并利用遗传算法完成相应的优化过程。然而,这篇文献的方法受限于对AUV的X轴方向严格单调,削弱了输出结果的多样性。文献(Kruger,D.,R.Stolkin,A.Blum andJ.Briganti.estuarine environments[C].In:Proceedings of the IEEE InternationalConference on Robotics and Automation,2007)使用A*算法通过限制AUV推进器的最小推力完成考虑海流的路径规划,但是这篇文献假设过于严苛而缺乏实效性,同时最终得到的路径轨迹并不符合AUV实际动力学特性。
发明内容
本发明的目的在于提供可以生成最优的路径控制节点,拟合得到能耗最低的航行路线,使UUV最大程度地利用海洋中环流的一种考虑海洋环流影响的UUV基于能量消耗优化的远程航海路径规划方法。
本发明的目的是这样实现的:
本发明一种考虑海洋环流影响的UUV基于能量消耗优化的远程航海路径规划方法,其特征是:
(1)确定UUV实际的对地航行速度Vg以及实时更新的海洋环流速度Vc:
建立二维海洋环境对UUV航行的固定坐标系,其中X轴朝向地理位置的正北方向,Y轴朝向地理位置的正东方向,V表示UUV对水船速,Vc表示海洋环流速度,Vg表示UUV对地实际船速,ψ、ψc、ψg分别表示对水船速、海流速度、对地实际船速与正北方向的夹角,此时有:
Vgy=|V|sinψ+|Vc|sinψc
Vgx=|V|cosψ+|Vc|cosψc
Vgx,Vgy分别表示UUV相对大地的北、东速度部分:
通过上述方程将UUV的航迹进行离散化处理,从而求得对地船速的角度,此时可以得到UUV的相对水速:
建立三维海洋环境对UUV航行的固定坐标系,此时,Y轴正方向代表大地坐标下的正东方向,X轴正方向代表正北方向,Z轴正方向代表从海底至海面的深度,关于V、Vc、Vg、ψ、ψc、ψg的参数设定与二维下一致,θ、θc、θg分别表示UUV对水船速、海流速度、UUV相对大地的船速与其在XY轴平面投影的夹角,对应方程如下:
Vgx=|V|cosθcosψ+|Vc|cosθc cosψc,
Vgy=|V|cosθsinψ+|Vc|cosθc sinψc,
Vgz=|V|sinθ+|Vc|sinθc,
(2)初始化所需的参数,包括种群规模N、问题维度D、最大迭代次数iMax、惯性权重w;
(3)根据上一步中确定的参数,通过空间分解建模随机产生路径控制节点,使用B-Spline拟合生成初始路径:
将当前UUV所处的整个搜索空间以UUV所在位置为起点分解为均匀的同心圆环,圆环由每对相邻的同心圆构成,半径分别为ri-1和ri,半径选择如下方程所述,参数m和q分别表示根据搜索需要由拟合方法生成路径轨迹总共需要的路径点数目和为每个圆环区域内分配的路径控制点的数量:
三维环境下的系统建模方法与二维下随机环形空间分解方法的区别在于,三维分解域为壳形区域由(s,φ,ψ)确定;
使用B-Spline方法作为拟合方法完成控制节点间轨迹的生成,通过下述分段多项式可以得到B-Spline曲线,其中pi(s,θ)表示控制节点,s表示控制点到UUV起始位置的距离,θ表示与正北方向的夹角:
结合控制节点使用B-Spline得到光滑路径后,均匀细分路径处理为大量离散点并计算整个路径轨迹所消耗的能量;
(4)进入QPSO算法迭代过程,计算当前路径对应粒子平均最佳位置,计算当前路径对应UUV的能量消耗,通过相应的优化过程确定最终的最优解,其中,计算能耗所用到的能量消耗模型具体如下所示:
建立UUV航行过程的能量消耗模型,船后螺旋推进器有效推力公式为:
FT=(1-t)ρn2D4 pKP
式中,Dp表示螺旋桨直径,n表示螺旋桨转速,t表示推力减额系数,Kp表示无因次推力系数,对UUV每个螺旋桨简化得到
式中,表示第i个螺旋桨的推力,N表示螺旋桨数目,表示第i个螺旋桨产生的推力正旋向量,第i个螺旋桨的推力大小,根据上式代入得到:
FTi=AVg 2+BVgni+Cni 2
其中,螺旋桨转速ni由下式得出,Jc为进速比,Dp和ωp分别为螺旋桨直径和螺旋桨伴流系数,V表示UUV的对水航速:
综合上述各式得到总推力公式如下,其中,K1、K2、K3分别表示由UUV自身模型参数和对地航速决定的常数:
FTi=Cc2·V2+BVgc·V+AVg 2=K1V2+K2V+K3
考虑到整个海洋环境的复杂性,假设存在地形T和禁区Z,此时可以写出UUV对航行轨迹面向能耗优化的表达式:
通过细分轨迹并进行累加计算得到UUV总航行轨迹的能量消耗,UUV航行能量消耗模型可由如下式获得:
(5)输出最终的路径控制节点;
(6)根据最终的控制节点拟合生成能耗最优的路径轨迹。
本发明的优势在于:本发明所设计的规划方法能够有效地利用海洋环流并避开地形障碍以抵达目标位置。而以时间为目标的路径轨迹则只是追求较短的航行距离而出现了顶流航行的情况。本发明中以能耗为优化目标经由三种优化算法得到的能量消耗值均远低于相同算法在以航行时间为优化目标下所消耗的能量,充分证实了本发明针对复杂海洋环流影响下UUV远程航海能耗优化路径规划的有效性。
附图说明
图1为二维海洋环境下UUV固定坐标系;
图2为三维海洋环境下UUV固定坐标系;
图3为二维系统空间分解建模示意图;
图4为三维系统空间分解建模示意图;
图5为本发明的流程图;
图6为UUV在二维海洋环境下的路径规划结果;
图7为UUV在二维海洋环境下路径规划所对应的迭代曲线;
图8a为UUV在三维海洋环境下的路径规划--规划轨迹,图8b为UUV在三维海洋环境下的路径规划--轨迹在XOY平面的投影,图8c为UUV在三维海洋环境下的路径规划--能量消耗迭代曲线。
具体实施方式
下面结合附图举例对本发明做更详细地描述:
结合图1-8,本发明的路径规划方法通过确立UUV基于能量消耗的模型,可以使用各类优化算法来实现规划的寻优过程,例如进化算法。以QPSO算法为例,具体可以按以下步骤实现:
步骤一:确定UUV实际的对地航行速度Vg以及实时更新的海流信息Vc。其中,速度确定的具体方法及坐标系建立如下所示:
如图1所示,建立二维海洋环境对UUV航行的固定坐标系,其中X轴朝向地理位置的正北方向,Y轴朝向地理位置的正东方向。其中,V表示UUV对水船速,Vc表示海洋环流速度,Vg表示UUV对地实际船速,ψ,ψc,ψg分别表示对水船速、海流速度、对地实际船速与正北方向的夹角。此时有,
Vgy=|V|sinψ+|Vc|sinψc
Vgx=|V|cosψ+|Vc|cosψc
Vgx,Vgy分别表示UUV相对大地的北、东速度部分。
通过上述方程将UUV的航迹进行离散化处理,从而求得对地船速的角度。此时可以得到UUV的相对水速,
三维海洋环境下UUV固定坐标系与二维坐标系建立相似,如图2所示,Y轴正方向代表大地坐标下的正东方向,X轴正方向代表正北方向,Z轴正方向代表从海底至海面的深度。由于海洋中垂直剖面的海洋环流速度变化缓慢,本发明使用分层建模方法对海洋中不同深度的环流进行模拟,用某一深度的海流特征近似表示该深度一定区间内的海流域。关于V,Vc,Vg,ψ,ψc,ψg的参数设定与二维下一致。θ,θc,θg分别表示UUV对水船速、海流速度、UUV相对大地的船速与其在XY轴平面投影的夹角。对应方程如下,
Vgx=|V|cosθcosψ+|Vc|cosθccosψc,
Vgy=|V|cosθsinψ+|Vc|cosθcsinψc,
Vgz=|V|sinθ+|Vc|sinθc,
步骤二:初始化优化算法所需的各类参数,种群规模N,问题维度D,最大迭代次数iMax,惯性权重w。
步骤三:根据上一步中确定的参数,通过空间分解建模随机产生路径控制节点,使用B-Spline拟合生成初始路径。具体空间分解建模及路径拟合生成的方法如下所示:
本发明使用了随机环形的系统空间分解建模方法,二维环境下的建模示意图如图3所示。该方法将当前UUV所处的整个搜索空间以UUV所在位置为起点分解为一系列均匀的同心圆环,圆环由每对相邻的同心圆构成,半径分别为ri-1和ri。半径选择如下方程所述,参数m和q分别表示根据搜索需要由拟合方法生成路径轨迹总共需要的路径点数目和为每个圆环区域内分配的路径控制点的数量。
三维环境下的系统建模方法与二维下随机环形空间分解方法类似,如下图4所示,不同的是,三维分解域为壳形区域可由(s,φ,ψ)确定
本发明使用B-Spline方法作为拟合方法完成控制节点间轨迹的生成,通过下述分段多项式可以得到B-Spline曲线,其中pi(s,θ)表示控制节点,s表示控制点到UUV起始位置的距离,θ表示与正北方向的夹角。
结合控制节点使用B-Spline得到光滑路径后,均匀细分路径处理为大量离散点并计算整个路径轨迹所消耗的能量。这样可以简化计算过程,优化运行效率。
步骤四:进入QPSO算法迭代过程,计算当前路径对应粒子平均最佳位置,计算当前路径对应UUV的能量消耗。通过相应的优化过程确定最终的最优解。其中,计算能耗所用到的能量消耗模型具体如下所示:
本发明通过推导水下航行器螺旋桨推进公式,建立UUV航行过程的能量消耗模型。船后螺旋推进器有效推力公式为:
FT=(1-t)ρn2D4 pKP
式中,Dp表示螺旋桨直径,n表示螺旋桨转速,t表示推力减额系数,Kp表示无因次推力系数。由以下公式推导,即可得到最终的UUV能量消耗模型。这里可以对UUV每个螺旋桨简化得到
式中,表示第i个螺旋桨的推力;N表示螺旋桨数目;表示第i个螺旋桨产生的推力正旋向量;第i个螺旋桨的推力大小(按假设螺旋桨只正旋,只取正值),此时可以根据上式代入得到一种简化情况,如下式所述
FTi=AVg 2+BVgni+Cni 2
其中,螺旋桨转速ni可以由下式得出,其中Jc为进速比,定常航行状态下为常值,Dp和ωp分别为螺旋桨直径和螺旋桨伴流系数同样为常值,V表示UUV的对水航速。
综合上述各式得到总推力公式如下,其中,K1,K2,K3分别表示由UUV自身模型参数和对地航速决定的常数。
FTi=Cc2·V2+BVgc·V+AVg 2=K1V2+K2V+K3
考虑到整个海洋环境的复杂性,假设存在地形T和禁区Z,此时可以写出UUV对航行轨迹面向能耗优化的表达式,如下
综上,通过细分轨迹并进行累加计算可以得到UUV总航行轨迹的能量消耗,因此UUV航行能量消耗模型可由如下式获得,
步骤五:输出最终的路径控制节点。
步骤六:根据最终的控制节点拟合生成能耗最优的路径轨迹。
路径规划优化方法整体流程图如下图5所示。
本发明优化得到的能耗最优路径控制节点,通过拟合可以生成相应能耗最优的UUV航行路线。如下图6和图8a所示为,分别在二维和三维海洋环境下经三种进化算法优化得到的轨迹,图中实线为本发明以能耗作为优化目标的路径规划轨迹结果,虚线为用来与本发明中能耗进行对比的以航行时间作为优化目标的路径规划轨迹结果。从图中可以发现本发明所设计的规划方法能够有效地利用海洋环流并避开地形障碍以抵达目标位置。而以时间为目标的路径轨迹则只是追求较短的航行距离而出现了顶流航行的情况。从适应度值的迭代曲线图可以清晰地看到本发明中以能耗为优化目标经由三种优化算法得到的能量消耗值均远低于相同算法在以航行时间为优化目标下所消耗的能量,充分证实了该发明针对复杂海洋环流影响下UUV远程航海能耗优化路径规划的有效性。
Claims (1)
1.一种考虑海洋环流影响的UUV基于能量消耗优化的远程航海路径规划方法,其特征是:
(1)确定UUV实际的对地航行速度Vg以及实时更新的海洋环流速度Vc:
建立二维海洋环境对UUV航行的固定坐标系,其中X轴朝向地理位置的正北方向,Y轴朝向地理位置的正东方向,V表示UUV对水船速,Vc表示海洋环流速度,Vg表示UUV对地实际船速,ψ、ψc、ψg分别表示对水船速、海流速度、对地实际船速与正北方向的夹角,此时有:
Vgy=|V|sinψ+|Vc|sinψc
Vgx=|V|cosψ+|Vc|cosψc
Vgx,Vgy分别表示UUV相对大地的北、东速度部分:
通过上述方程将UUV的航迹进行离散化处理,从而求得对地船速的角度,此时可以得到UUV的相对水速:
建立三维海洋环境对UUV航行的固定坐标系,此时,Y轴正方向代表大地坐标下的正东方向,X轴正方向代表正北方向,Z轴正方向代表从海底至海面的深度,关于V、Vc、Vg、ψ、ψc、ψg的参数设定与二维下一致,θ、θc、θg分别表示UUV对水船速、海流速度、UUV相对大地的船速与其在XY轴平面投影的夹角,对应方程如下:
Vgx=|V|cosθcosψ+|Vc|cosθccosψc,
Vgy=|V|cosθsinψ+|Vc|cosθcsinψc,
Vgz=|V|sinθ+|Vc|sinθc,
(2)初始化所需的参数,包括种群规模N、问题维度D、最大迭代次数iMax、惯性权重w;
(3)根据上一步中确定的参数,通过空间分解建模随机产生路径控制节点,使用B-Spline拟合生成初始路径:
将当前UUV所处的整个搜索空间以UUV所在位置为起点分解为均匀的同心圆环,圆环由每对相邻的同心圆构成,半径分别为ri-1和ri,半径选择如下方程所述,参数m和q分别表示根据搜索需要由拟合方法生成路径轨迹总共需要的路径点数目和为每个圆环区域内分配的路径控制点的数量:
三维环境下的系统建模方法与二维下随机环形空间分解方法的区别在于,三维分解域为壳形区域由(s,φ,ψ)确定;
使用B-Spline方法作为拟合方法完成控制节点间轨迹的生成,通过下述分段多项式可以得到B-Spline曲线,其中pi(s,θ)表示控制节点,s表示控制点到UUV起始位置的距离,θ表示与正北方向的夹角:
结合控制节点使用B-Spline得到光滑路径后,均匀细分路径处理为大量离散点并计算整个路径轨迹所消耗的能量;
(4)进入QPSO算法迭代过程,计算当前路径对应粒子平均最佳位置,计算当前路径对应UUV的能量消耗,通过相应的优化过程确定最终的最优解,其中,计算能耗所用到的能量消耗模型具体如下所示:
建立UUV航行过程的能量消耗模型,船后螺旋推进器有效推力公式为:
FT=(1-t)ρn2D4 pKP
式中,Dp表示螺旋桨直径,n表示螺旋桨转速,t表示推力减额系数,Kp表示无因次推力系数,对UUV每个螺旋桨简化得到
式中,表示第i个螺旋桨的推力,N表示螺旋桨数目,表示第i个螺旋桨产生的推力正旋向量,第i个螺旋桨的推力大小,根据上式代入得到:
FTi=AVg 2+BVgni+Cni 2
其中,螺旋桨转速ni由下式得出,Jc为进速比,Dp和ωp分别为螺旋桨直径和螺旋桨伴流系数,V表示UUV的对水航速:
综合上述各式得到总推力公式如下,其中,K1、K2、K3分别表示由UUV自身模型参数和对地航速决定的常数:
FTi=Cc2·V2+BVgc·V+AVg 2=K1V2+K2V+K3
考虑到整个海洋环境的复杂性,假设存在地形T和禁区Z,此时可以写出UUV对航行轨迹面向能耗优化的表达式:
通过细分轨迹并进行累加计算得到UUV总航行轨迹的能量消耗,UUV航行能量消耗模型可由如下式获得:
(5)输出最终的路径控制节点;
(6)根据最终的控制节点拟合生成能耗最优的路径轨迹。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2018103262150 | 2018-04-12 | ||
CN201810326215 | 2018-04-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108762280A true CN108762280A (zh) | 2018-11-06 |
CN108762280B CN108762280B (zh) | 2021-09-28 |
Family
ID=64006195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810519508.0A Active CN108762280B (zh) | 2018-04-12 | 2018-05-28 | 一种考虑海洋环流影响的uuv基于能量消耗优化的远程航海路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108762280B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110346795A (zh) * | 2019-06-24 | 2019-10-18 | 中国地质大学深圳研究院 | 基于机载sar监测的海上溢油漂移动态预测方法及系统 |
CN111045453A (zh) * | 2019-12-25 | 2020-04-21 | 南京工程学院 | 一种基于无人艇与多水下机器人的协同控制系统及方法 |
CN111307158A (zh) * | 2020-03-19 | 2020-06-19 | 哈尔滨工程大学 | 一种auv三维航路规划方法 |
CN112613180A (zh) * | 2020-12-28 | 2021-04-06 | 武汉理工大学 | 一种水下无人航行器的能耗优化方法 |
CN114253279A (zh) * | 2021-10-26 | 2022-03-29 | 西北工业大学 | 一种考虑海流环境的水下滑翔机运动规划方法 |
CN117419731A (zh) * | 2023-12-19 | 2024-01-19 | 青岛哈尔滨工程大学创新发展中心 | 基于多策略人工蜂群算法在海洋环境下的路径规划方法 |
CN117608200A (zh) * | 2024-01-23 | 2024-02-27 | 山东科技大学 | 一种海洋航行器路径规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101059700A (zh) * | 2007-03-23 | 2007-10-24 | 北京大学 | 一种水下仿生机器人协作运输方法 |
US20110144836A1 (en) * | 2009-12-11 | 2011-06-16 | Lockheed Martin Corporation, Corporation of the State of Delaware | Underwater investigation system providing unmanned underwater vehicle (uuv) guidance based upon updated position state estimates and related methods |
CN102346485A (zh) * | 2011-07-14 | 2012-02-08 | 哈尔滨工程大学 | 面向复杂海况的欠驱动uuv大攻角潜浮自适应串级控制方法 |
CN102485591A (zh) * | 2010-12-04 | 2012-06-06 | 中国科学院沈阳自动化研究所 | 一种微型水下机器人矢量布置推进器推力分配方法及装置 |
CN103576693A (zh) * | 2013-11-11 | 2014-02-12 | 哈尔滨工程大学 | 基于二阶滤波器的水下机器人三维路径跟踪控制方法 |
-
2018
- 2018-05-28 CN CN201810519508.0A patent/CN108762280B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101059700A (zh) * | 2007-03-23 | 2007-10-24 | 北京大学 | 一种水下仿生机器人协作运输方法 |
US20110144836A1 (en) * | 2009-12-11 | 2011-06-16 | Lockheed Martin Corporation, Corporation of the State of Delaware | Underwater investigation system providing unmanned underwater vehicle (uuv) guidance based upon updated position state estimates and related methods |
CN102485591A (zh) * | 2010-12-04 | 2012-06-06 | 中国科学院沈阳自动化研究所 | 一种微型水下机器人矢量布置推进器推力分配方法及装置 |
CN102346485A (zh) * | 2011-07-14 | 2012-02-08 | 哈尔滨工程大学 | 面向复杂海况的欠驱动uuv大攻角潜浮自适应串级控制方法 |
CN103576693A (zh) * | 2013-11-11 | 2014-02-12 | 哈尔滨工程大学 | 基于二阶滤波器的水下机器人三维路径跟踪控制方法 |
Non-Patent Citations (5)
Title |
---|
OLEG A. YAKIMENKO: "《Real-Time Computation of Spatial and Flat Obstacle Avoidance Trajectories for UUVs》", 《IFAC PROCEEDINGS VOLUMES》 * |
WANG HONGJIAN 等: "《Research on Autonomous Planning Method Based on Improved Quantum Particle Swarm Optimization for Autonomous Underwater Vehicle》", 《 OCEANS 2016 MTS/IEEE MONTEREY》 * |
WENYANG GAN 等: "《The Tracking Control of Unmanned Underwater Vehicles Based on QPSO-Model Predictive Control》", 《SPRINGER INTERNATIONAL PUBLISHING AG》 * |
周赫雄 等: "《复杂海洋环境影响下UUV远程航海能耗优化的路径规划研》", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
王宏健 等: "《基于高斯混合容积卡尔曼滤波的UUV自主导航定位算法》", 《仪器仪表学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110346795A (zh) * | 2019-06-24 | 2019-10-18 | 中国地质大学深圳研究院 | 基于机载sar监测的海上溢油漂移动态预测方法及系统 |
CN110346795B (zh) * | 2019-06-24 | 2021-06-01 | 中国地质大学深圳研究院 | 基于机载sar监测的海上溢油漂移动态预测方法及系统 |
CN111045453A (zh) * | 2019-12-25 | 2020-04-21 | 南京工程学院 | 一种基于无人艇与多水下机器人的协同控制系统及方法 |
CN111307158A (zh) * | 2020-03-19 | 2020-06-19 | 哈尔滨工程大学 | 一种auv三维航路规划方法 |
CN112613180A (zh) * | 2020-12-28 | 2021-04-06 | 武汉理工大学 | 一种水下无人航行器的能耗优化方法 |
CN112613180B (zh) * | 2020-12-28 | 2022-04-15 | 武汉理工大学 | 一种水下无人航行器的能耗优化方法 |
CN114253279A (zh) * | 2021-10-26 | 2022-03-29 | 西北工业大学 | 一种考虑海流环境的水下滑翔机运动规划方法 |
CN114253279B (zh) * | 2021-10-26 | 2024-02-02 | 西北工业大学 | 一种考虑海流环境的水下滑翔机运动规划方法 |
CN117419731A (zh) * | 2023-12-19 | 2024-01-19 | 青岛哈尔滨工程大学创新发展中心 | 基于多策略人工蜂群算法在海洋环境下的路径规划方法 |
CN117419731B (zh) * | 2023-12-19 | 2024-03-12 | 青岛哈尔滨工程大学创新发展中心 | 基于多策略人工蜂群算法在海洋环境下的路径规划方法 |
CN117608200A (zh) * | 2024-01-23 | 2024-02-27 | 山东科技大学 | 一种海洋航行器路径规划方法 |
CN117608200B (zh) * | 2024-01-23 | 2024-05-10 | 山东科技大学 | 一种海洋航行器路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108762280B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108762280A (zh) | 一种考虑海洋环流影响的uuv基于能量消耗优化的远程航海路径规划方法 | |
Li et al. | Path planning technologies for autonomous underwater vehicles-a review | |
CN107314768B (zh) | 水下地形匹配辅助惯性导航定位方法及其定位系统 | |
CN107966153B (zh) | 水下航行器路径规划算法 | |
CN110609552B (zh) | 一种水下无人航行器编队平面航迹规划方法 | |
CN107356254B (zh) | 适用于地磁辅助导航航迹规划的粒子群优化方法 | |
Ryuh et al. | A school of robotic fish for mariculture monitoring in the sea coast | |
Wu et al. | Bi-directional adaptive A* algorithm toward optimal path planning for large-scale UAV under multi-constraints | |
CN108563243A (zh) | 一种基于改进rrt算法的无人机航迹规划方法 | |
Guo et al. | Research progress of path planning methods for autonomous underwater vehicle | |
Cao et al. | Toward optimal rendezvous of multiple underwater gliders: 3D path planning with combined sawtooth and spiral motion | |
CN109460045B (zh) | 动态障碍在线感知下usv基于改进蚁群优化的避碰规划方法 | |
Zeng et al. | Rendezvous path planning for multiple autonomous marine vehicles | |
CN108931243B (zh) | 一种复杂海洋环境影响下基于能耗和采样量多目标优化的uuv路径规划方法 | |
Lan et al. | Improved RRT algorithms to solve path planning of multi-glider in time-varying ocean currents | |
Yao et al. | A hierarchical architecture using biased min-consensus for USV path planning | |
CN112612290B (zh) | 一种考虑洋流的水下航行器三维多任务路径规划方法 | |
Tanakitkorn et al. | Grid-based GA path planning with improved cost function for an over-actuated hover-capable AUV | |
Li et al. | Three-dimensional path planning for AUVs in ocean currents environment based on an improved compression factor particle swarm optimization algorithm | |
CN111090283B (zh) | 一种无人艇组合定位定向方法和系统 | |
Nie et al. | Planar path-following tracking control for an autonomous underwater vehicle in the horizontal plane | |
Maki et al. | AUV Tri-TON—A hover-capable platform for 3D visualization of complicated surfaces | |
Zeng et al. | Path planning for rendezvous of multiple AUVs operating in a variable ocean | |
Damian et al. | Autonomous Underwater Vehicles-achievements and current trends. | |
Yang et al. | Autonomous exploration and navigation of mine countermeasures USV in complex unknown environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |