CN108983789A - 一种无人艇的路径规划和布放调度方法 - Google Patents

一种无人艇的路径规划和布放调度方法 Download PDF

Info

Publication number
CN108983789A
CN108983789A CN201810950279.8A CN201810950279A CN108983789A CN 108983789 A CN108983789 A CN 108983789A CN 201810950279 A CN201810950279 A CN 201810950279A CN 108983789 A CN108983789 A CN 108983789A
Authority
CN
China
Prior art keywords
unmanned boat
point
grid
path
unmanned
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.)
Pending
Application number
CN201810950279.8A
Other languages
English (en)
Inventor
苏厚胜
杨杰
余明晖
张海涛
耿涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Hust Industrial Technology Research Institute
Original Assignee
Guangdong Hust Industrial Technology Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Hust Industrial Technology Research Institute filed Critical Guangdong Hust Industrial Technology Research Institute
Priority to CN201810950279.8A priority Critical patent/CN108983789A/zh
Publication of CN108983789A publication Critical patent/CN108983789A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
    • 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
    • G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0875—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted to water vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Economics (AREA)
  • Remote Sensing (AREA)
  • Strategic Management (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及无人艇调度方案领域，具体涉及一种无人艇的路径规划和布放调度方法，包括以下步骤：S1，利用A星算法计算出每个无人艇停放点到出站点的最短无碰撞路径；S2，对最短无碰撞路径进行更优化处理，并提取关键信息点；S3，利用人工势场法得到符合无人艇动力学模型的最优路径；S4，利用粒子群算法进行计算所有无人艇的最优布放方案；S5，采用固定数量无人艇同时出发，当预期即将发生碰撞时根据优先级选择继续行驶或者等待。本发明能够确保各个无人艇在行驶中避免碰撞；对于无人艇数目没有具体限制，抗干扰能力强，自适应能力强。

Description

一种无人艇的路径规划和布放调度方法
技术领域
本发明涉及一种无人艇调度方案领域，具体地说是一种无人艇在水面的路径规划和出动顺序方案计算的方法。
背景技术
无人艇是一种无人操作的水面舰艇，搭载上传感器或设备模块，可完成一些海域上的任务。单艘无人艇可搭载的传感器与设备有限，因此，只能完成一些简单的任务。当面对多样化的，复杂的任务时，需要多艘无人艇进行协作，共同完成任务。多艘无人艇协同作业，不仅克服了单艘无人艇在功能上的缺陷，而且能产生了一加一大于二的效果。很大程度上，提高了作业效率和作业范围。因此，多艘无人艇协同作业是必然的趋势，在军、民领域都有很好的应用前景。
无人艇在海上运行时，为了满足多任务的要求和避免与静态障碍物或动态障碍物发生碰撞，在不同地点停放点的无人艇需要到不同的出站点进行领取任务，这个过程中会涉及到所有无人艇停放点的出动顺序方案和无人艇从停放点到出站点的路径规划，这是亟待解决的问题。
发明内容
本发明要解决的技术问题是提供一种抗干扰能力强，自适应能力强的无人艇的路径规划和布放调度方法，使得无人艇行驶过程中完全避免碰撞。
为了解决上述技术问题，本发明采取以下技术方案：一种无人艇的路径规划和布放调度方法，包括以下步骤：
S1，利用A星算法计算出每个无人艇停放点到出站点的最短无碰撞路径；
S2，对最短无碰撞路径进行更优化处理，并提取关键信息点；
S3，利用人工势场法得到符合无人艇动力学模型的最优路径；
S4，利用粒子群算法进行计算所有无人艇的最优布放方案；
S5，采用固定数量无人艇同时出发，当预期即将发生碰撞时根据优先级选择继续行驶或者等待。
本发明进一步设置为，所述步骤1包括：
S101，建立周边环境的栅格地图环境，以无人艇大小为一个方形格作为参考，并建立X，Y轴坐标；
S102，以无人艇停放点A方格点出发，将A方格点放入待处理列表，搜寻A方格点周围一圈所有的可以达到的方格点，淘汰有障碍物的方格点，将可行的方格点添加到待处理列表后，将A方格点作为母方格，并在待处理列表去掉A方格点；
S103，利用A星算法的估算函数f(n)＝g(n)+h(n)评价待处理列表中的方格点；其中，n为待处理列表中任意一个方格点，g(n)定义为A方格点到n方格点的真实路程，h(n)定义为n方格点到出站点的估计路程；
S104，从A方格点出发选择f值最低的B方格点作为下一次出发点，并将B方格点作为母方格；搜寻B点周围一圈所有的可以达到的方格点，淘汰有障碍物的方格点，将可行的方格点添加到待处理列表后待处理列表去掉B方格点；
S105，继续利用评估函数计算并选择f值最低点，依次反复选择直到到达最后的出发点；
S106，从出发点出发依次连接上一级的所有母方格直到A方格点，得出A星算法规划算法的最短无碰撞路径。
本发明进一步设置为，所述步骤2包括：
S201，将步骤1的所有母方格放在一个数组集合，依次两两方格点计算直线方程；
S202，依次判断数组连续三点是否满足同一个直线方程，若满足，则在数组中删除中间的点；剩余的其余点为拐点；
S203，依次计算任意两两拐点的直线方程；
S204，判断两两拐点的所有直线方程是否经过障碍区；两两拐点的直线方程与每一个经过的栅格的交点，并判断交点是否属于障碍区，若否，则删除两拐点之间的所有拐点，若是，则保留两个拐点，继续判断下一个两两拐点的直线方程；
S205，剩余数组的拐点作为信息关键点，依次连接信息关键点的路径作为更优化处理后的更优路径。
本发明进一步设置为，所述步骤2包括：
S301，以无人艇当前位置环境建立连续世界坐标，设定当前位置为(x0,y0)；设θnow,Xnow为当前无人艇的朝向以及位置，θnew,Xnew为无人艇更新后的朝向以及位置，v,vnew代表标准的无人艇速度和更新后的减速；di为无人艇的边长；
S302，测量停放点处无人艇正前方、左前1/8*pi、左前1/4*pi、右前1/8*pi以及右前1/4*pi五个方向离障碍物的距离dfront,dleft1/4pi,dleft1/8pi,dright1/4pi,dritht1/8pi；
S303，计算无人艇对前方五个方向的排斥系数：
S304，取停放点到出站点的方向的第一个信息关键点作为无人艇的下一个目标点，测量目标点对无人艇的吸引系数为：其中为θgoal为无人艇与目标点的角度，dgoal为无人艇与目标点的距离；
S305，计算中间系数：T＝attract-ωrepulsive*repulsive，其中ωrepulsive为排斥力的干扰系数；
S306，计算当前无人艇更新后的角度：θnew＝arctan(v*sinθnow+T(1),v*cosθnow+T(2))；其中T(1)和T(2)分别为停放点与目标点的中间系数；
S307，计算当前无人艇更新后的位置：Xnew＝Xnow+vnew*(sinθnew,cosθnew)，
S308，当满足时，无人艇到达第一个信息关键点，将下一个信息关键点作为目标点，将当前位置作为新的起点，继续对无人艇的位置进行更新，直到下一个信息关键点就是出站点，此时无人艇所走过的路径为当前最符合无人艇动力学模型的最优路径。
本发明进一步设置为，所述步骤S4包括：
所述粒子群算法的公式为：其中Xi为第i个粒子即第i种无人艇出动顺序方案；xij(aij)指的是第i个粒子的第j维的停放位编号即第j架依次驶出站的无人艇停放的站位编号。
本发明进一步设置为，所述步骤S5包括：无人艇探测周围距离的其他无人艇，若有无人艇进入此范围，则根据出站顺序优先级选择等待或者行驶，优先级高者继续行驶，优先级低者选择等待；
无人艇到达出站点，另外一艘无人艇从停放点出发，并且出发时也会判断周边是不是有无人艇路过，如果是，则会产生等待。
本发明的有益效果为：本发明能够确保各个无人艇在行驶中避免碰撞；对于无人艇数目没有具体限制，抗干扰能力强，自适应能力强。
附图说明
附图1为本发明方法流程示意图。
具体实施方式
为了便于本领域技术人员的理解，下面结合附图对本发明作进一步的描述。
如附图1所示，本实施例所述的一种无人艇的路径规划和布放调度方法，包括以下步骤：
S1，利用A星算法计算出每个无人艇停放点到出站点的最短无碰撞路径；
S2，对最短无碰撞路径进行更优化处理，并提取关键信息点；
S3，利用人工势场法得到符合无人艇动力学模型的最优路径；
S4，利用粒子群算法进行计算所有无人艇的最优布放方案；
S5，采用固定数量无人艇同时出发，当预期即将发生碰撞时根据优先级选择继续行驶或者等待。
所有无人艇规划的路径都必须符合无人艇的动力学模型，遵循速度和加速度、最大转弯角的参数限制。在无人艇调度和行驶过程中不得触碰任何障碍物，无人艇之间也必须保持最小安全距离。
本实施例所述的一种无人艇的路径规划和布放调度方法，所述步骤1包括：
S101，建立周边环境的栅格地图环境，以无人艇大小为一个方形格作为参考，并建立X，Y轴坐标；
S102，以无人艇停放点A方格点出发，将A方格点放入待处理列表，这个列表可以看做成需要进一步检测的列表，搜寻A方格点周围一圈所有的可以达到的方格点，一共八个方格，淘汰有障碍物的方格点，将可行的方格点添加到待处理列表后，将A方格点作为母方格，并在待处理列表去掉A方格点，将其放入淘汰列表，淘汰列表可以看做为淘汰的并且不会再检测的列表；
S103，利用A星算法的估算函数f(n)＝g(n)+h(n)评价待处理列表中的方格点；其中，n为待处理列表中任意一个方格点，g(n)定义为A方格点到n方格点的真实路程，h(n)定义为n方格点到出站点的估计路程；f值作为g(n)与h(n)的累加之和，单位为栅格图方格数值，计算的f值越小越能表现出动总路程越小，所以选择方格点的规则是选择f值最低的；
S104，从A方格点出发选择f值最低的B方格点作为下一次出发点，并将B方格点作为母方格；搜寻B点周围一圈所有的可以达到的方格点，淘汰有障碍物的方格点，将可行的方格点添加到待处理列表后待处理列表去掉B方格点；此时待处理列表中也包括以前搜素到可行的方格点，如果其中有f值最低的方格点，也可以选择；
S105，继续利用评估函数：f(n)＝g(n)+h(n)计算并选择f值最低点，不断地向待处理列表中添加周围搜索到的方格点，并删除已经走过的方格点，依次反复选择直到到达最后的出站点；
S106，从出发点出发依次连接上一级的所有母方格直到A方格点，得出A星算法规划算法的最短无碰撞路径。
本发明进一步设置为，所述步骤2包括：
S201，将A星算法求取出的所有母方格放在一个数组集合，依次计算连续两点的直线方程首先判断斜率是否存在，如果不存在则直线方程为X＝x1，如果存在则利用计算直线方程；
S202，依次判断数组连续三点是不是满足同一个直线方程Y＝X*K+B，如果满足，则在数组中删除中间的点，如三点同线，删除中间的点，保留最外两点，假设数组元素个数为N，则重复N-1轮扫描，直到数组中不存在连续三点满足同一个直线方程；剩下保留在数组的点称为拐点，依次计算任意两两拐点的直线方程首先判断斜率是否存在，如果不存在则直线方程为X＝x1，如果存在则利用计算直线方程；
S203，判断两两拐点连接的线段是否经过障碍区，先计算两两拐点所在的直线方程，判断的范围是两两拐点之间，计算直线方程与每一个经过的栅格的交点：若交点在栅格内部，则判断这个栅格；若交点在两个栅格之间的公共线，则判断这两个栅格；若交点在四个栅格的公共点，则判断这四个栅格。判断栅格是否属于障碍区，若否，则删除两拐点之间的所有拐点，若是，则保留两个拐点，继续判断下一个直线方程，直到任意不连续的两个拐点的连线都会经过障碍区；
S204，判断两两拐点的所有直线方程是否经过障碍区；两两拐点的直线方程与每一个经过的栅格的交点，并判断交点是否属于障碍区，若否，则删除两拐点之间的所有拐点，若是，则保留两个拐点，继续判断下一个两两拐点的直线方程；
S205，剩余数组的拐点作为信息关键点，依次连接信息关键点的路径作为更优化处理后的更优路径；此时，剩余数组的拐点作为信息关键点，依次连接拐点的路径作为更优化处理后的最优路径，并且此时的路径是脱离了栅格环境，是在连续坐标下的路径。
本实施例所述的一种无人艇的路径规划和布放调度方法，所述步骤2包括：
S301，以无人艇当前位置环境建立连续世界坐标，设定当前位置为(x0,y0)；设θnow,Xnow为当前无人艇的朝向以及位置，θnew,Xnew为无人艇更新后的朝向以及位置，v,vnew代表标准的无人艇速度和更新后的减速；di为无人艇的边长；当中朝向角度为θnow＝0°，无人艇向左侧转弯为角度增加，为正数，向右侧转弯为角度减小，为负数。此时在水面可能停留了多个无人艇，首先先选择一个无人艇作为研究对象。
S302，测量停放点处无人艇正前方、左前1/8*pi、左前1/4*pi、右前1/8*pi以及右前1/4*pi五个方向离障碍物的距离dfront,dleft1/4pi,dleft1/8pi,dright1/4pi,dritht1/8pi；
出发位置编号为i0的无人艇启动前会测量五个距离：dfront,dleft1/4pi,dleft1/8pi,dright1/4pi,dritht1/8pi，这五个距离表示在正前方、左前1/8*pi、左前1/4*pi、右前1/8*pi、右前1/4*pi五个方向离障碍物的距离，其中pi为180度。θnow,Xnow为当前无人艇的朝向以及位置，θnew,Xnew为无人艇更新后的朝向以及位置，v,vnew代表标准的无人艇速度和更新后的减速。将无人艇本身看做为边长为di的正方形。
首先测量无人艇离正前方障碍物的距离：计算(xfront,yfront)＝((xnow,ynow)+di/2*(sinθnow,cosθnow))，判断无人艇在位置(xfront,yfront)时，无人艇是否与障碍物触碰，如果否，则向前走一步继续计算(xfront,yfront)＝((xnow,ynow)+(di/2+1)*(sinθnow,cosθnow))更新当前能够到达的位置，再次判断，无人艇是否与障碍物触碰，如果否，则继续增加一步，如此反复计算判断直到(xfront,yfront)与障碍区发送重叠或者累加的步数超过规定的极限距离，此时返回无人艇最大朝正前方行驶的距离：
仿照测量无人艇离正前方障碍物距离的步骤，计算另外四个角度的障碍物距离：dleft1/4pi,dleft1/8pi,dright1/4pi,dritht1/8pi。
S303，计算无人艇对前方五个方向的排斥系数：
如果无人艇左前方距离障碍区很近，即dleft1/4pi＜＝dsafe，那么由上述公式表明repulsive将会受到极大的影响，好像产生了一个很强的排除力，使得无人艇的朝向的角度受到偏向另一侧的变化，其他方向同理。
S304，取停放点到出站点的方向的第一个信息关键点作为无人艇的下一个目标点，测量目标点对无人艇的吸引系数为：其中为θgoal为无人艇与目标点的角度，dgoal为无人艇与目标点的距离；
S305，计算中间系数：T＝attract-ωrepulsive*repulsive，其中ωrepulsive为排斥力的干扰系数；
S306，计算当前无人艇更新后的角度：θnew＝arctan(v*sinθnow+T(1),v*cosθnow+T(2))；其中T(1)和T(2)分别为停放点与目标点的中间系数；
S307，计算当前无人艇更新后的位置：Xnew＝Xnow+vnew*(sinθnew,cosθnew)，
S308，当满足时，无人艇到达第一个信息关键点，将下一个信息关键点作为目标点，将当前位置作为新的起点，继续对无人艇的位置进行更新，直到下一个信息关键点就是出站点，此时无人艇所走过的路径为当前最符合无人艇动力学模型的最优路径。
由步骤S2所得的是由起点(停放点)、信息关键点和终点(出站点)组成的数组，此时无人艇处于起点位置，取数组中起点向终点的方向的第一个拐点(信息关键)，作为无人艇的下一个目标点，测得目标点对无人艇的吸引系数为：
计算中间系数：T＝attract-ωrepulsive*repulsive，其中ωrepulsive为排斥力的干扰系数。
计算当前无人艇增加角度为：θp＝arctan(v*sinθnow+T(1),v*cosθnow+T(2))。
当θp＞θmax时，当前转弯角大于最大转弯角，则θp＝θmax。
当θp＜θmin时，当前转弯角小于最小转弯角，则θp＝θmin。
更新当前无人艇朝向角度θnew＝θp+θnow。
计算当前无人艇增加的速度：
当vp＞vmax时，当前转弯角大于最大转弯角，则vp＝vmax。
当vp＜vmin时，当前转弯角小于最小转弯角，则vp＝vmin。
更新当前无人艇行驶速度vnew＝vp+vnow。
计算当前无人艇更新后的位置：Xnew＝Xnow+vnew*(sinθnew,cosθnew)。
更新完位置后，判断当前无人艇位置是否是第一个拐点，如果不是，则继续测量dfront,dleft1/4pi,dleft1/8pi,dright1/4pi,dritht1/8pi五个方向离障碍物距离，像上述步骤一样继续更新无人艇位置，直到到达第一个拐点。
当满足时，无人艇到达第一个拐点，于是将下一个拐点作为目标点，将当前位置作为新的起点，继续对无人艇的位置进行更新，直到某个时刻下一个拐点就是终点，此时无人艇所走过的路径为当前最符合无人艇动力学模型的无碰撞最短路径。
本实施例所述的一种无人艇的路径规划和布放调度方法，所述步骤S4包括：
所述粒子群算法的公式为：其中Xi为第i个粒子即第i种无人艇出动顺序方案；xij(aij)指的是第i个粒子的第j维的停放位编号即第j架依次驶出站的无人艇停放的站位编号。
具体地，由上述步骤S3可知，对于所有无人艇而言，无人艇从停放点到出站点的路径已经规划出来，重复步骤S3,测量出无人艇所有停放点分别到达所有的出站点的路程。可以得到任意一个停放点到任意一个出站点的路径和路程。
对于无人艇而言，选择不同的出站点仅仅影响出动距离的大小，所有出站点对于无人艇是无限制地正常使用。假设选定某一个固定的出站顺序，无人艇在出动过程中轮流利用这些出站点出站，并且出站点之间不会产生影响。
为了使得所有无人艇从停放点到出站点的总距离最小，这里采用粒子群算法来搜索最佳方案。
选择种群的初始大小为N；进化的代数为50次，独立运行100次；最后100次运行的结果取平均值。
采用动态的改变惯性权重因子ω,取惯性权重因子最小值ωmax＝0.2，最大值ωmin＝1.2。F为目标函数值,即该粒子的适应度；Favg为适应度函数取值的平均值，Fmin为适应度函数取值的最小值。自适应惯性权因子计算为：
无人艇粒子位置维数选择数量为N。Xi指的是第i个粒子,实际上就是第i种无人艇出动顺序方案；每一维xij(aij)指的是第i个粒子的第j维的停放位编号,就是第j架依次驶出站的无人艇停放的站位编号。
Xi＝[χi1 χi2 … χi21]
但是粒子群算法就是为求解连续问题诞生的,即xij(aij)可能会为相同整数或小数位。而水无人艇选择的停放位非静态布置问题是不属于连续环境的,所以问题的方案集应该属于离散数字组合。所以这里采取的解决措施为：对每次更新粒子后进行xij(aij)值处理，小数类型的值会四舍五入为整数，如果出现相同整数的值则以历史最优值的距离作为优先级替换依据，替换的停放位为目前无人艇出动顺序方案中缺少的停放站位。
无人艇粒子速度的粒子速度的维数应当和粒子位置维数相等，而粒子速度的所有维数的改变是粒子位置对于维数改变的±15％，此时粒子速度的计算为：
S为无人艇水面移动距离，由于所有待出动的无人艇需要按照某一固定的顺序使用出战位,对于第i个粒子(ai1,ai2,ai3…ai21)而言,ai1出站采用的站位是1号出站位,并且它到1号出站位的出动路程是s(ai1,1)；ai2出站采用的站位是2号出站位,并且它到2号出站位的直线路程是s(ai2,2)；ai3出站采用的站位是3号出站位,并且它到3号出站位的直线路程是s(ai3,3)；按照这样的规律，S为所有无人艇出动的总出动距离，作为粒子更新后的适应度函数，S的值越小，总移动距离就越小，其他的粒子就会朝着该粒子的方向更新。S的计算为：S＝s(ai1,1)+s(ai2,2)+s(ai3,3)+…+s(ai21,3)。
由上述描述可知，粒子在完成评价后进行更新的过程为：
在更新过程中，pbestij为第i个种群中的最优位置的第j维；gbesti为历史所有种群中的最优位置的第j维。不断重复以上操作，直到无人艇出动总移动距离根据迭代次数发生收敛位置，此时全局的最佳粒子就是最优解，即无人艇出动顺序方案。
本实施例所述的一种无人艇的路径规划和布放调度方法，所述步骤S5包括：无人艇探测周围距离的其他无人艇，若有无人艇进入此范围，则根据出站顺序优先级选择等待或者行驶，优先级高者继续行驶，优先级低者选择等待；
无人艇到达出站点，另外一艘无人艇从停放点出发，并且出发时也会判断周边是不是有无人艇路过，如果是，则会产生等待。
要求在某一任意时刻存在数量M的无人艇在水面上同时运动，无人艇相互之间不能发生碰撞，且无人艇不得触碰任何其他障碍物。
由上述步骤可知，无人艇从某一停放点到某出站点的路径是固定规划好的，无人艇的出动顺序方案也由粒子群算法得出。
本实施例根据无人艇的出动顺序方案和对应的路径，计算无人艇的出动路径发生重叠的碰撞点，因为到达碰撞点的无人艇时间可能会不一致，因此在距离碰撞点L范围内，持续判断另一艘产生碰撞点的无人艇是否在碰撞点L范围内，若没有，则继续行驶，若有，则后进入的无人艇会进行等待，直到前一艘无人艇驶出该范围。若是两艘无人艇同时进入碰撞点范围，则随机选择艘优先行驶。
另外，在任意时刻，无人艇会探测周围d(d＜L)距离的其他无人艇，一旦有无人艇进入此范围，则根据出站顺序优先级选择等待或者行驶，优先级高者继续行驶，优先级低者选择等待。
一旦无人艇到达出站点，就会有另外一艘无人艇从停放点出发，并且出发时也会判断周边是不是有无人艇路过，如果是，则会产生等待。
以上所述，仅是本发明较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明以较佳实施例公开如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当利用上述揭示的技术内容作出些许变更或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明技术是指对以上实施例所作的任何简单修改、等同变化与修饰，均属于本发明技术方案的范围内。

Claims (6)

1.一种无人艇的路径规划和布放调度方法，其特征在于：包括以下步骤：
S1，利用A星算法计算出每个无人艇停放点到出站点的最短无碰撞路径；
S2，对最短无碰撞路径进行更优化处理，并提取关键信息点；
S3，利用人工势场法得到符合无人艇动力学模型的最优路径；
S4，利用粒子群算法进行计算所有无人艇的最优布放方案；
S5，采用固定数量无人艇同时出发，当预期即将发生碰撞时根据优先级选择继续行驶或者等待。
2.根据权利要求1所述的一种无人艇的路径规划和布放调度方法，其特征在于：所述步骤1包括：
S101，建立周边环境的栅格地图环境，以无人艇大小为一个方形格作为参考，并建立X，Y轴坐标；
S102，以无人艇停放点A方格点出发，将A方格点放入待处理列表，搜寻A方格点周围一圈所有的可以达到的方格点，淘汰有障碍物的方格点，将可行的方格点添加到待处理列表后，将A方格点作为母方格，并在待处理列表去掉A方格点；
S103，利用A星算法的估算函数f(n)＝g(n)+h(n)评价待处理列表中的方格点；其中，n为待处理列表中任意一个方格点，g(n)定义为A方格点到n方格点的真实路程，h(n)定义为n方格点到出站点的估计路程；
S104，从A方格点出发选择f值最低的B方格点作为下一次出发点，并将B方格点作为母方格；搜寻B点周围一圈所有的可以达到的方格点，淘汰有障碍物的方格点，将可行的方格点添加到待处理列表后待处理列表去掉B方格点；
S105，继续利用评估函数计算并选择f值最低点，依次反复选择直到到达最后的出发点；
S106，从出发点出发依次连接上一级的所有母方格直到A方格点，得出A星算法规划算法的最短无碰撞路径。
3.根据权利要求2所述的一种无人艇的路径规划和布放调度方法，其特征在于：所述步骤2包括：
S201，将步骤1的所有母方格放在一个数组集合，依次两两方格点计算直线方程；
S202，依次判断数组连续三点是否满足同一个直线方程，若满足，则在数组中删除中间的点；剩余的其余点为拐点；
S203，依次计算任意两两拐点的直线方程；
S204，判断两两拐点的所有直线方程是否经过障碍区；两两拐点的直线方程与每一个经过的栅格的交点，并判断交点是否属于障碍区，若否，则删除两拐点之间的所有拐点，若是，则保留两个拐点，继续判断下一个两两拐点的直线方程；
S205，剩余数组的拐点作为信息关键点，依次连接信息关键点的路径作为更优化处理后的更优路径。
4.根据权利要求3所述的一种无人艇的路径规划和布放调度方法，其特征在于：所述步骤2包括：
S301，以无人艇当前位置环境建立连续世界坐标，设定当前位置为(x0,y0)；设θnow,Xnow为当前无人艇的朝向以及位置，θnew,Xnew为无人艇更新后的朝向以及位置，v,vnew代表标准的无人艇速度和更新后的减速；di为无人艇的边长；
S302，测量停放点处无人艇正前方、左前1/8*pi、左前1/4*pi、右前1/8*pi以及右前1/4*pi五个方向离障碍物的距离dfront,dleft1/4pi,dleft1/8pi,dright1/4pi,dritht1/8pi；
S303，计算无人艇对前方五个方向的排斥系数：
S304，取停放点到出站点的方向的第一个信息关键点作为无人艇的下一个目标点，测量目标点对无人艇的吸引系数为：其中为θgoal为无人艇与目标点的角度，dgoal为无人艇与目标点的距离；
S305，计算中间系数：T＝attract-ωrepulsive*repulsive，其中ωrepulsive为排斥力的干扰系数；
S306，计算当前无人艇更新后的角度：θnew＝arctan(v*sinθnow+T(1),v*cosθnow+T(2))；其中T(1)和T(2)分别为停放点与目标点的中间系数；
S307，计算当前无人艇更新后的位置：Xnew＝Xnow+vnew*(sinθnew,cosθnew)，
S308，当满足时，无人艇到达第一个信息关键点，将下一个信息关键点作为目标点，将当前位置作为新的起点，继续对无人艇的位置进行更新，直到下一个信息关键点就是出站点，此时无人艇所走过的路径为当前最符合无人艇动力学模型的最优路径。
5.根据权利要求1所述的无人艇的路径规划和布放调度方法，其特征在于，所述步骤S4包括：
所述粒子群算法的公式为：其中Xi为第i个粒子即第i种无人艇出动顺序方案；xij(aij)指的是第i个粒子的第j维的停放位编号即第j架依次驶出站的无人艇停放的站位编号。
6.根据权利要求1所述的无人艇的路径规划和布放调度方法，其特征在于：所述步骤S5包括：无人艇探测周围距离的其他无人艇，若有无人艇进入此范围，则根据出站顺序优先级选择等待或者行驶，优先级高者继续行驶，优先级低者选择等待；
无人艇到达出站点，另外一艘无人艇从停放点出发，并且出发时也会判断周边是不是有无人艇路过，如果是，则会产生等待。
CN201810950279.8A 2018-08-20 2018-08-20 一种无人艇的路径规划和布放调度方法 Pending CN108983789A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810950279.8A CN108983789A (zh) 2018-08-20 2018-08-20 一种无人艇的路径规划和布放调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810950279.8A CN108983789A (zh) 2018-08-20 2018-08-20 一种无人艇的路径规划和布放调度方法

Publications (1)

Publication Number Publication Date
CN108983789A true CN108983789A (zh) 2018-12-11

Family

ID=64554176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810950279.8A Pending CN108983789A (zh) 2018-08-20 2018-08-20 一种无人艇的路径规划和布放调度方法

Country Status (1)

Country Link
CN (1) CN108983789A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109508016A (zh) * 2018-12-26 2019-03-22 北京工商大学 水质采样巡航船路径规划最优化方法
CN109784585A (zh) * 2019-03-07 2019-05-21 广东华中科技大学工业技术研究院 一种无人机无人艇的混合布放调度方法
CN109933067A (zh) * 2019-03-12 2019-06-25 哈尔滨工程大学 一种基于遗传算法和粒子群算法的无人艇避碰方法
CN109974708A (zh) * 2019-04-09 2019-07-05 集美大学 一种无人船航迹规划方法、终端设备及存储介质
CN110146103A (zh) * 2019-06-14 2019-08-20 电子科技大学 考虑目标走向与能源补给的无人设备路径规划方法
CN110196598A (zh) * 2019-06-25 2019-09-03 北京航天控制仪器研究所 一种无人艇的动态避碰方法
CN110244720A (zh) * 2019-06-04 2019-09-17 浙江海洋大学 用于海上无人艇的路径规划方法及系统
CN110501014A (zh) * 2019-09-26 2019-11-26 武汉理工大学 一种面向受限水域的无人艇运动规划方法
CN110567477A (zh) * 2019-09-27 2019-12-13 五邑大学 基于改进a*算法的路径规划方法、装置及机器人
CN110703752A (zh) * 2019-10-15 2020-01-17 哈尔滨工程大学 免疫遗传-人工势场法的无人艇双层路径规划方法
CN111289005A (zh) * 2020-03-16 2020-06-16 江苏理工学院 一种基于a星优化算法的寻路方法
CN111487975A (zh) * 2020-04-30 2020-08-04 畅加风行(苏州)智能科技有限公司 一种基于智能网联系统的港口卡车自动编队方法及系统
CN112907187A (zh) * 2021-03-13 2021-06-04 深圳市土地公网络科技有限公司 配送路线规划方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102372014A (zh) * 2011-10-28 2012-03-14 中冶南方工程技术有限公司 冶金工厂铁水运输物流仿真系统中的机车自动避碰方法
CN103092204A (zh) * 2013-01-18 2013-05-08 浙江大学 一种混合的机器人动态路径规划方法
CN105321362A (zh) * 2015-10-30 2016-02-10 湖南大学 一种交叉口车辆智能协同通行方法
CN107045343A (zh) * 2016-12-30 2017-08-15 芜湖哈特机器人产业技术研究院有限公司 一种agv交通管制方法和系统
CN108253984A (zh) * 2017-12-19 2018-07-06 昆明理工大学 一种基于改进a星算法的移动机器人路径规划方法
CN109489672A (zh) * 2018-03-25 2019-03-19 哈尔滨工程大学 考虑海流与无人艇动力学影响的节能a星路径规划方法
CN109784585A (zh) * 2019-03-07 2019-05-21 广东华中科技大学工业技术研究院 一种无人机无人艇的混合布放调度方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102372014A (zh) * 2011-10-28 2012-03-14 中冶南方工程技术有限公司 冶金工厂铁水运输物流仿真系统中的机车自动避碰方法
CN103092204A (zh) * 2013-01-18 2013-05-08 浙江大学 一种混合的机器人动态路径规划方法
CN105321362A (zh) * 2015-10-30 2016-02-10 湖南大学 一种交叉口车辆智能协同通行方法
CN107045343A (zh) * 2016-12-30 2017-08-15 芜湖哈特机器人产业技术研究院有限公司 一种agv交通管制方法和系统
CN108253984A (zh) * 2017-12-19 2018-07-06 昆明理工大学 一种基于改进a星算法的移动机器人路径规划方法
CN109489672A (zh) * 2018-03-25 2019-03-19 哈尔滨工程大学 考虑海流与无人艇动力学影响的节能a星路径规划方法
CN109784585A (zh) * 2019-03-07 2019-05-21 广东华中科技大学工业技术研究院 一种无人机无人艇的混合布放调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
任玉洁，付丽霞，张勇，毛剑琳: "基于平滑Ａ＊人工势场法的机器人动态路径规划", 《软件导刊》 *
司维超 等: "基于PSO算法的舰载机舰面布放调度方法研究", 《航空学报》 *
张旭 等: "一种兼顾全局与局部特性的机器人动态路径规划算法", 《测绘科学技术学报》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109508016A (zh) * 2018-12-26 2019-03-22 北京工商大学 水质采样巡航船路径规划最优化方法
CN109784585A (zh) * 2019-03-07 2019-05-21 广东华中科技大学工业技术研究院 一种无人机无人艇的混合布放调度方法
CN109933067A (zh) * 2019-03-12 2019-06-25 哈尔滨工程大学 一种基于遗传算法和粒子群算法的无人艇避碰方法
CN109933067B (zh) * 2019-03-12 2022-07-15 哈尔滨工程大学 一种基于遗传算法和粒子群算法的无人艇避碰方法
CN109974708A (zh) * 2019-04-09 2019-07-05 集美大学 一种无人船航迹规划方法、终端设备及存储介质
CN110244720A (zh) * 2019-06-04 2019-09-17 浙江海洋大学 用于海上无人艇的路径规划方法及系统
CN110146103B (zh) * 2019-06-14 2021-03-02 电子科技大学 考虑目标走向与能源补给的无人设备路径规划方法
CN110146103A (zh) * 2019-06-14 2019-08-20 电子科技大学 考虑目标走向与能源补给的无人设备路径规划方法
CN110196598A (zh) * 2019-06-25 2019-09-03 北京航天控制仪器研究所 一种无人艇的动态避碰方法
CN110196598B (zh) * 2019-06-25 2022-03-04 北京航天控制仪器研究所 一种无人艇的动态避碰方法
CN110501014A (zh) * 2019-09-26 2019-11-26 武汉理工大学 一种面向受限水域的无人艇运动规划方法
CN110567477A (zh) * 2019-09-27 2019-12-13 五邑大学 基于改进a*算法的路径规划方法、装置及机器人
CN110703752A (zh) * 2019-10-15 2020-01-17 哈尔滨工程大学 免疫遗传-人工势场法的无人艇双层路径规划方法
CN110703752B (zh) * 2019-10-15 2023-01-03 哈尔滨工程大学 免疫遗传-人工势场法的无人艇双层路径规划方法
CN111289005A (zh) * 2020-03-16 2020-06-16 江苏理工学院 一种基于a星优化算法的寻路方法
CN111289005B (zh) * 2020-03-16 2021-09-28 江苏理工学院 一种基于a星优化算法的寻路方法
CN111487975A (zh) * 2020-04-30 2020-08-04 畅加风行(苏州)智能科技有限公司 一种基于智能网联系统的港口卡车自动编队方法及系统
CN112907187A (zh) * 2021-03-13 2021-06-04 深圳市土地公网络科技有限公司 配送路线规划方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN108983789A (zh) 一种无人艇的路径规划和布放调度方法
CN106843235B (zh) 一种面向无人自行车的人工势场路径规划法
CN111240319B (zh) 室外多机器人协同作业系统及其方法
CN105549597B (zh) 一种基于环境不确定性的无人车动态路径规划方法
CN106873599A (zh) 基于蚁群算法和极坐标变换的无人自行车路径规划方法
CN110992695B (zh) 基于冲突消解的车辆城市交叉口通行决策多目标优化方法
CN108444488A (zh) 基于等步采样a*算法的无人驾驶局部路径规划方法
CN108762264A (zh) 基于人工势场与滚动窗口的机器人的动态避障方法
CN106444835A (zh) 基于Lazy Theta星和粒子群混合算法的水下潜器三维路径规划方法
CN107037809A (zh) 一种基于改进蚁群算法的无人艇避碰方法
CN109540136A (zh) 一种多无人艇协同路径规划方法
CN112925315A (zh) 一种基于改进蚁群算法和a*算法的履带车路径规划方法
Hassanzadeh et al. Mobile robot path planning based on shuffled frog leaping optimization algorithm
Ab Wahab et al. Path planning for mobile robot navigation in unknown indoor environments using hybrid PSOFS algorithm
CN112130587A (zh) 一种针对机动目标的多无人机协同跟踪方法
CN111857149B (zh) 一种a*算法与d*算法复合的自主路径规划方法
Li et al. Search-evasion path planning for submarines using the artificial bee colony algorithm
CN111735466A (zh) 一种多车协同轨迹规划方法、装置、设备及存储介质
Ni et al. An improved DSA-based approach for multi-AUV cooperative search
Sun et al. A novel fuzzy control algorithm for three-dimensional AUV path planning based on sonar model
Che et al. Research on improved ACO algorithm-based multi-robot odor source localization
Sun et al. Three dimensional D* Lite path planning for Autonomous Underwater Vehicle under partly unknown environment
Lian et al. Improved coding landmark-based visual sensor position measurement and planning strategy for multiwarehouse automated guided vehicle
Wu et al. Deep reinforcement learning with dynamic window approach based collision avoidance path planning for maritime autonomous surface ships
CN115826586B (zh) 一种融合全局算法和局部算法的路径规划方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181211

RJ01 Rejection of invention patent application after publication