CN111857164B - 一种融合海流模型的水下fm2*路径规划方法 - Google Patents
一种融合海流模型的水下fm2*路径规划方法 Download PDFInfo
- Publication number
- CN111857164B CN111857164B CN202010611459.0A CN202010611459A CN111857164B CN 111857164 B CN111857164 B CN 111857164B CN 202010611459 A CN202010611459 A CN 202010611459A CN 111857164 B CN111857164 B CN 111857164B
- Authority
- CN
- China
- Prior art keywords
- auv
- ocean current
- path
- value
- underwater
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000002411 adverse Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种融合海流模型的水下FM2*路径规划方法,首先,将每个障碍物视为波源,计算栅格T值,融合到达目标的成本计算T*值,用FMM方法对AUV进行初步的路径规划,使AUV能够找到一条路径到达目标;并且在安全距离外采用最大速度以提高AUV执行任务效率;其次参考海流模型,在航行起点调整AUV转向,使其转到期望路径方向;最后在航行过程中不断对AUV姿态进行实时调整,确保在海流影响下AUV依然能够按照期望的路线行驶。本发明能够实现安全避障,生成一条平滑适合实际航行的时间最短路径,消除海流负面影响,并利用海流,实时性更好,航行效率更高。
Description
技术领域
本发明涉及一种路径规划方法,特别是一种融合海流模型的水下FM2*路径规划方法。
背景技术
对于自主式水下潜器(AUV,Autonomous Underwater Vehicle)的路径规划,现已有许多方法。Dijkstra和A*算法已得到了广泛的应用,但是这两者规划的路径往往是不平滑的,不适合于实际的航行。另外,人工势场法也是应用较多的一种算法,但是人工势场法可能存在局部最小值,当路径规划中陷入局部最小值,则无法找出一条可行的路径。以上的方法往往是规划一条距离接近最优的路径,而不是时间接近最优的路径,而在实际航行中,尤其是AUV捕获目标时,需要规划一条时间最优的路径。
在地图中只要存在一条路径,则快速行进法(FMM,Fast Marching Method)一定能够找到它,且FMM方法生成的路径平滑,能够符合实际航行需要。然而FMM方法规划的路径可能会过于靠近障碍物,使AUV在航行过程中可能产生碰撞危险,而为了避障,AUV减速又可能导致时间不是最短。
此外,AUV在水下的航行极易受海流影响,使AUV可能偏移事先规划的路径航行。因此需要根据海流调整AUV方向角,尤其在初始点处,方向角的调整对于AUV的高效航行具有很大意义。
因此,如何改进现有的路径规划方法,使其能够安全避障,实现时间最短,并且消除海流负面影响,甚至利用海流航行是本发明的研究重点。
发明内容
发明目的:为了解决现有技术中AUV规划路径次优,航行速度受限及航行过程中受海流影响等问题,本发明提供了一种融合海流模型的水下FM2*路径规划方法。
技术方案:本发明所述的一种融合海流模型的水下FM2*路径规划方法,包括以下步骤:
(1)将每个障碍物视为波源,根据Eikonal方程计算栅格T值;
(2)计算栅格T*值,并根据T*对栅格排序;
(3)在安全距离外的点全部采用最大允许速度,直到到达终点;
(4)在行进过程中,融合海流模型,实时调整AUV航向。
进一步地,所述步骤(1)通过以下公式实现:
其中,计算波界面到达x位置所需的时间T,波源处T=0,此处自由空间F(x)=1,障碍物处F(x)=0,则距离障碍物越远,T值越大。
进一步地,所述步骤(2)包括以下步骤:
(21)计算最佳成本T*的值:
其中,D为当前栅格到目标的笛卡尔距离,vm为最大允许速度;
(22)根据T*对栅格排序,每次选择T*较小的栅格作为下一步的行进位置,初步规划出航行路径。
进一步地,所述步骤(3)包括以下步骤:
(31)以多个障碍物为源点扩展波形成的图可视为一个势场图,将势场缩放至AUV航行速度大小范围内,作为速度图,在AUV安全距离内的点即采用此速度图的速度;
(32)在AUV安全距离外的点全部采用最大允许速度。
进一步地,所述步骤(4)实现过程如下:
根据海流模型:
其中,(x,y)为当前位置,k为流函数中起伏的波数,c为相速度,B(t)为适当确定的海流幅度:
B(t)=B0+εcos(ωt+θ), (4)
其中,B0为海流幅度初值,ε为调节参数,ω为角频率,θ为初始相位;
通过以下关系从流函数是获得速度场:
U(x,y,t)和V(x,y,t)是t时刻x,y方向速度矢量的分量,在每个t整数时刻进行更新;
期望AUV方向角为:
其中,θ为期望路线的角度,因此AUV转向角为:
γ=α-β (8)
其中,α为当前AUV方向,β为期望AUV方向;AUV始终沿着|γ|的减小方向转向,直到γ=0。
有益效果:与现有技术相比,本发明的有益效果:1、本发明采用基于FMM方法改进的FM2*(Fast Marching Square-Star)方法,实现了AUV更快速度的航行,规划了时间上更短的路径;2、引入了海流模型,消除海流负面影响,实现了AUV严格按照所规划路径航行。
附图说明
图1为本发明的流程图;
图2为T值大小与位置关系示意图;
图3为FM2*方法栅格图分区说明;
图4为具有多个源点的迭代波扩展栅格示意图;
图5为AUV与海流方向合成示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示,一种融合海流模型的水下FM2*路径规划方法,在优化FMM方法的基础上引入海流模型,使该路径规划方法更适用于水下环境。首先将每个障碍物视为波源,由Eikonal方程计算出栅格T值,离障碍物越远,T值越大,如图2所示;其次融合AUV最大允许速度,计算出T*值,再根据FMM方法进行路径规划,即每次选择较小T*值作为下一步航行方向;在此路径中,安全距离内的点采用多源点波扩展的势场图缩放的速度,安全距离外的点全部采用最大速度航行;在航行过程中,尤其是初始时,调整AUV方向使其与海流的合速度方向指向期望的路径方向。FM2*栅格图说明如图3所示,波从源点出发往四周扩展,波前尚未到达的栅格标记为未知、在下一次迭代中成为前波的一部分的候选栅格列入窄带、波已经越过的栅格标记为冻结,其中标记为冻结的栅格的T值已经固定。在本方法中,每个障碍物都被视为波源,即波从多个源头扩展,示意图如图4所示。如图5所示,融合海流的影响,由期望方向分解计算得AUV所需转向的角度,使AUV朝着角度绝对值减小的方向转向。具体包括以下步骤:
1、将每个障碍物视为波源,由Eikonal方程计算栅格T值。
本方法基于FMM方法改进,FMM方法是水平集方法的一种特殊情况,用于跟踪和建模表示物理波界面前部的运动。例如将石子丢入池塘,将会产生向四周扩展的涟漪,因为介质始终为水,所以波的形状是圆形。若存在多种介质,那么波在不同介质中扩展的速度将不同,波到达流体中一个目标点的路径必定是时间上的最短路径。在流体中,波的扩展就可以形象地理解为FMM。
此处计算的T为波前到达空间某点的时间,在波源处T=0,距离障碍物越远,T值越大,如图2所示。
x为位置,F(x)为波在该位置的扩展速度。对于位置x,自由空间处扩展速度F(x)=1,障碍物处F(x)=0。
由Eikonal方程:
可计算得T值。
如图3所示,在波源处T=0,计算波源周围栅格的T值,求解T值较小的栅格的Eikonal方程,并标记为冻结。在此过程中,波已经到达的栅格归类到冻结区;在下一次的迭代中将成为前波的一部分的栅格所在区域称为窄带;波尚未到达的栅格标记为未知。
2、计算最佳成本T*值,并根据T*对栅格排序:
其中D为当前栅格到目标的笛卡尔距离,vm为最大允许速度。
在计算过程中,选择T*值较小的栅格计算其周围窄带栅格的T*值,由于此处引入了成本估算,类似于A*算法对于Djikstra算法的改进,减少了计算量,可以在遍历更少的栅格的基础上找到所需路径。
3、在安全距离外的点全部采用最大允许速度,直到到达终点。
将多个障碍物视为波源扩展波,扩展过程如图4所示,参考上述方法逐步计算每个栅格的T值。由此形成的图可视为一个势场图,缩放至AUV航行速度大小范围内,即可作为速度图,即T值大小对应着AUV航行速度大小。在AUV安全距离内的点即采用此速度图的速度。因此,在接近障碍物的地方速度将非常小,因为障碍物处T=0,所以AUV永远不会碰撞到障碍物。
在安全距离外的点全部采用AUV允许的最大速度,沿着由T*排序所得路径,以此达到整条路径的最短航行时间。
4、在行进过程中,尤其是初始航行时,融合海流模型,实时调整AUV航向。
由AUV期望航向分解为海流速度矢量和一个大小为最大允许速度的AUV期望速度矢量,计算出AUV期望速度矢量与当下AUV速度矢量之间的偏差角,使AUV朝偏差角绝对值减小的方向转向,直到偏差角为零,即转到期望速度方向。
根据海流模型:
其中,k为流函数中起伏的波数,c为相速度,(x,y)为当前位置,B(t)为适当确定的海流幅度:
B(t)=B0+εcos(ωt+θ), (4)
其中,B0为海流幅度初值,ε为调节参数,ω为角频率,θ为初始相位;
通过以下关系从流函数是获得速度场:
U(x,y,t)和V(x,y,t)是t时刻x,y方向速度矢量的分量,在每个t整数时刻进行更新。
根据海流速度与AUV最大允许速度的矢量合成,可得期望AUV方向角为:
其中,θ为期望路线的角度,因此AUV转向角,即偏差角为:
γ=α-β (8)
其中,α为当前AUV方向,β为期望AUV方向;AUV始终沿着|γ|的减小方向转向,直到γ=0。
海流与AUV速度的融合如图5所示。例如,此时AUV以最大航行速度20海里/小时航行,角度为45°;海流速度大小为2海里/小时,方向为60°;而此时的期望航向为30°。由AUV期望航向分解得海流速度矢量和一个大小为最大航行速度20海里/小时的AUV期望速度矢量。将数据代入(7)式:
则AUV需要转向的角度为γ=α-β=17.87°。在航行过程中不断对AUV姿态进行实时调整,确保在海流影响下AUV依然能够按照期望的路线行驶。本发明能够实现安全避障,生成一条平滑适合实际航行的时间最短路径,消除海流负面影响,并利用海流,实时性更好,航行效率更高。
Claims (4)
1.一种融合海流模型的水下FM2*路径规划方法,其特征在于,包括以下步骤:
(1)将每个障碍物视为波源,根据Eikonal方程计算栅格T值;
(2)计算栅格T*值,并根据T*对栅格排序;
(3)在安全距离外的点全部采用最大允许速度,直到到达终点;
(4)在行进过程中,融合海流模型,实时调整AUV航向;
所述步骤(4)实现过程如下:
根据海流模型:
其中,(x,y)为当前位置,k为流函数中起伏的波数,c为相速度,B(t)为适当确定的海流幅度:
B(t)=B0+εcos(ωt+θ), (4)
其中,B0为海流幅度初值,ε为调节参数,ω为角频率,θ为初始相位;
通过以下关系从流函数是获得速度场:
U(x,y,t)和V(x,y,t)是t时刻x,y方向速度矢量的分量,在每个t整数时刻进行更新;
期望AUV方向角为:
其中,θ为期望路线的角度,因此AUV转向角为:
γ=α-β (8)
其中,α为当前AUV方向,β为期望AUV方向;AUV始终沿着|γ|的减小方向转向,直到γ=0。
4.根据权利要求1所述的一种融合海流模型的水下FM2*路径规划方法,其特征在于,所述步骤(3)包括以下步骤:
(31)以多个障碍物为源点扩展波形成的图可视为一个势场图,将势场缩放至AUV航行速度大小范围内,作为速度图,在AUV安全距离内的点即采用此速度图的速度;
(32)在AUV安全距离外的点全部采用最大允许速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010611459.0A CN111857164B (zh) | 2020-06-30 | 2020-06-30 | 一种融合海流模型的水下fm2*路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010611459.0A CN111857164B (zh) | 2020-06-30 | 2020-06-30 | 一种融合海流模型的水下fm2*路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111857164A CN111857164A (zh) | 2020-10-30 |
CN111857164B true CN111857164B (zh) | 2022-04-19 |
Family
ID=72988791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010611459.0A Active CN111857164B (zh) | 2020-06-30 | 2020-06-30 | 一种融合海流模型的水下fm2*路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111857164B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110424A (zh) * | 2021-03-26 | 2021-07-13 | 大连海事大学 | 一种基于海图信息的无人艇避碰方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110749890A (zh) * | 2019-10-15 | 2020-02-04 | 哈尔滨工程大学 | 一种多水下机器人协同海流估计方法 |
CN110764533A (zh) * | 2019-10-15 | 2020-02-07 | 哈尔滨工程大学 | 一种多水下机器人协同目标搜索方法 |
CN110867957A (zh) * | 2019-11-01 | 2020-03-06 | 国网浙江省电力有限公司温州供电公司 | 融合海流能发电的海岛微网系统 |
-
2020
- 2020-06-30 CN CN202010611459.0A patent/CN111857164B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110749890A (zh) * | 2019-10-15 | 2020-02-04 | 哈尔滨工程大学 | 一种多水下机器人协同海流估计方法 |
CN110764533A (zh) * | 2019-10-15 | 2020-02-07 | 哈尔滨工程大学 | 一种多水下机器人协同目标搜索方法 |
CN110867957A (zh) * | 2019-11-01 | 2020-03-06 | 国网浙江省电力有限公司温州供电公司 | 融合海流能发电的海岛微网系统 |
Non-Patent Citations (1)
Title |
---|
基于MOOS-FMM的水下机器人软件系统设计;管增辉;《中国优秀硕士学位论文全文数据库》;20140531;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111857164A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zeng et al. | A survey on path planning for persistent autonomy of autonomous underwater vehicles | |
CN112327885B (zh) | 一种无人船自适应全局-局部混合路径规划的方法 | |
CN108803313B (zh) | 一种基于海流预测模型的路径规划方法 | |
Li et al. | Autonomous underwater vehicle optimal path planning method for seabed terrain matching navigation | |
CN106444806B (zh) | 基于生物速度调节的欠驱动auv三维轨迹跟踪控制方法 | |
Rao et al. | Large-scale path planning for underwater gliders in ocean currents | |
CN108871351B (zh) | 一种auv海底地形匹配的动态路径规划方法 | |
Candeloro et al. | Continuous curvature path planning using voronoi diagrams and fermat's spirals | |
CN110196598A (zh) | 一种无人艇的动态避碰方法 | |
Wang et al. | A simultaneous planning and control method integrating APF and MPC to solve autonomous navigation for USVs in unknown environments | |
CN113050684B (zh) | 一种面向突发威胁的无人机航迹规划算法 | |
Singh et al. | Optimal path planning of an unmanned surface vehicle in a real-time marine environment using a dijkstra algorithm | |
CN111665846B (zh) | 一种基于快速扫描法的水面无人艇路径规划方法 | |
CN111857164B (zh) | 一种融合海流模型的水下fm2*路径规划方法 | |
Wang et al. | Improved astar algorithm for path planning of marine robot | |
Zeng et al. | Exploiting ocean energy for improved AUV persistent presence: path planning based on spatiotemporal current forecasts | |
Xu et al. | Accurate two-step filtering for AUV navigation in large deep-sea environment | |
CN114527744A (zh) | 基于天牛须搜索优化的无人帆船路径跟踪制导方法 | |
Liu et al. | Motion planning for unmanned surface vehicle based on a maneuverability mathematical model | |
Zhang et al. | Fermat’s spiral smooth planar path planning under origin-departing and corner-cutting transitions for autonomous marine vehicles | |
Mannarini et al. | VISIR-I: Small vessels, least-time nautical routes using wave forecasts | |
JP7459009B2 (ja) | 経路計画装置、移動体、経路計画方法及びプログラム | |
Saravanakumar et al. | Waypoint Guidance based Planar Path Following and Obstacle Avoidance of Autonomous Underwater Vehicle. | |
CN112947068B (zh) | 一种自主水下航行器一体化声学定位与跟踪控制方法 | |
Yan et al. | 3D path planning for AUV based on circle searching |
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 |