CN116540717A - 一种基于改进dwa的auv局部路径规划方法 - Google Patents
一种基于改进dwa的auv局部路径规划方法 Download PDFInfo
- Publication number
- CN116540717A CN116540717A CN202310581706.0A CN202310581706A CN116540717A CN 116540717 A CN116540717 A CN 116540717A CN 202310581706 A CN202310581706 A CN 202310581706A CN 116540717 A CN116540717 A CN 116540717A
- Authority
- CN
- China
- Prior art keywords
- auv
- speed
- velocity
- path planning
- self
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000011156 evaluation Methods 0.000 claims abstract description 25
- 230000001133 acceleration Effects 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 54
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000002706 hydrostatic effect Effects 0.000 claims description 4
- 239000004973 liquid crystal related substance Substances 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000001968 nicotinic acid Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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)
Abstract
本发明涉及路径规范领域,尤其涉及一种基于改进DWA的AUV局部路径规划方法,所述局部路径规划方法包括以下步骤:参照AUV在水平面的局部路径规划定义质量矩阵;参照AUV传统运动状态方程,以控制输入矢量和速度矢量为变量,得到其加速度函数;设定多种应用情形,根据角速度的具体取值得到最大加速度,进而对容许速度进行评估定义;设计自适应参数,采用自适应的方式,根据障碍物信息和自身状态调整速度评价函数的参数;根据选择的最优期望速度,选取正定函数,基于反步法设计控制器,形成决策‑控制闭环;AUV通过自身搭载的感知设备获取其状态信息和周围障碍物信息,依上述算法求解得到控制期望和控制输入,以实现灵活精准避障。
Description
技术领域:
本发明涉及一种基于改进DWA的AUV局部路径规划方法。
背景技术:
AUV是自主水下航行器,为探索海洋时常用到的一种机器人,它具有不受时间和空间限制的多种传感器,具有自主导航和避障能力;此外,AUV还可以自主执行特定的水下任务;AUV的发展涉及到各种各样的高新技术,比如力学、流体力学、水声、光学等学科,包括电子通信、导航、自动控制、计算机科学、传感器技术、仿生学、人工智能等许多当代的科学技术。
在海洋工程领域,AUV被用于大坝结构检查、水下基地安装和拆卸、水下目标观察和搜救,以及为潜水员做一些辅助性工作;在海洋科学研究领域,可部署AUV在海洋环境中进行数据采集、水下沉船调查、海底地质地貌勘探、石油等资源勘探等;在军事领域,AUV被用于水雷对抗、目标探测、情报收集、监视侦察、环境数据收集和反潜作战,随着人类活动空间逐渐向海洋领域扩展,AUV将在海洋勘探中发挥重要作用。
对于AUV来说,路径规划是实现AUV无人化的一个前提条件,也是AUV智能化的最重要体现;而在动态和不确定的水下环境中,在规划路径之前获得各种障碍信息的难度较高,这种情况下,AUV通常除了全局路径规划器,仍然需要一个局部路径规划器来避免这些未知的和动态的障碍;现有的局部路径规划方法主要是使用声呐传感器来获得周围障碍物信息,并利用各种局部动态路径规划技术(比如DWA)来完成避障任务。
动态窗口算法(DWA)是在机器人可能的命令空间中直接搜索最优命令,涉及到机器人的一些约束条件,该算法的输出命令考虑了机器人的动力学性能,在许多场景中提供了良好的结果;而这种算法通过直接给定机器人最大加速度的方式来限制机器人的动力学性能,在一定程度上并不符合实际的情况,另外传统DWA算法的优化评价函数权值为固定值,导致自主水下航行器无法适应复杂的海况,其评价指标不会随着环境的变化而进行变化,灵活性较差,同时没有形成闭环控制,实用性较差。
发明内容:
本发明实施例提供了一种基于改进DWA的AUV局部路径规划方法,方法设计合理,从控制输入层面限制AUV的动力学性能,并采用自适应调节参数的方式来提升实际应用过程中的灵活性,使评价指标随着环境的变化而进行变化,从而能够适用于实际复杂海况,同时采用反步算法来设计得到速度控制器,形成“决策-控制”闭环,按照用户的实际需求,适用于多种不同的AUV,实用性强,解决了现有技术中存在的问题。
本发明为解决上述技术问题所采用的技术方案是:
一种基于改进DWA的AUV局部路径规划方法,所述局部路径规划方法包括以下步骤:
S1,参照AUV在水平面的局部路径规划,定义AUV的速度矢量、位置矢量和控制输入矢量,定义质量矩阵,所述质量矩阵包括机械附加质量和水动力附加质量,得到AUV传统运动状态方程;
S2,参照AUV传统运动状态方程,以控制输入矢量和速度矢量为变量,得到其加速度函数;
S3,设定多种应用情形,根据角速度的具体取值得到最大加速度,进而对容许速度进行评估定义,得到容许速度空间和速度动态窗口,根据容许速度空间和速度动态窗口来计算出可行速度空间;
S4,设计自适应参数,采用自适应的方式,根据障碍物信息和自身状态调整速度评价函数的参数,定义最大化目标函数,在可行速度空间内选择最优速度,以进行灵活避障;
S5,根据选择的最优期望速度,选取正定函数,基于反步法设计控制器,形成决策-控制闭环;
S6,AUV通过自身搭载的感知设备获取其状态信息z(tk)、x(tk)和周围障碍物信息,依上述算法求解得到控制期望xd(tk+1)和控制输入u(tk+1),以实现灵活精准避障。
所述AUV传统运动状态方程为:
其中,x(t)=[u(t),v(t),r(t)]T为AUV的速度矢量,z(t)=[X(t),Y(t),ψ(t)]T为AUV的位置矢量,u(t)=[δr(t),0,n(t)]T为AUV的控制输入矢量,δr(t)和n(t)分别为AUV舵角和AUV螺旋桨转速;函数f和g是AUV运动到力的映射,包括科里奥利力、引力、离心力;c为在随体坐标系内作用于AUV的水静力和水动力的力和力矩的系数;函数h反映了在随体坐标系和全局坐标系之间进行坐标变换时的运动学关系。
所述AUV加速度函数为
可以简化为
设r(t)>0且δr(t)>0时,r(t)<0且δr(t)<0时,/>u(t)>0且n(t)=0时,/>
在r<0时,取
在r=0时,取
此时,
在r>0时,取
所述和/>分别代表AUV的最大线加速度与最大角加速度。
所述容许速度空间为:
其中,dist1(u,r)与dist2(u,r)分别表示与轨迹相交的最近障碍物的弧线距离和其所对应的圆心角的大小。
所述速度动态窗口为:
所述可行速度空间定义为:vr′=va′∩vd′。
采用自适应的方式,根据障碍物信息和自身状态调整速度评价函数的参数,定义最大化目标函数,在可行速度空间内选择最优速度,以进行灵活避障包括以下步骤:
S4.1,根据AUV的动力性能定义距离阈值为Ds;
S4.2,以Dmin表示AUV到最近障碍物的距离,α0、β0、γ0为初始参数,αmax、γmin分别为初始参数的上下界,μ、ρ为常数,则自适应参数设计为:
βa=β0
S4.3,调整速度评价函数的参数,定义最大化目标函数为:
Ga(u,r)=αa·heading(u,r)+βa·dist(u,r)+γa·velocity(u,r)
其中,heading(u,r)是AUV朝向目标移动的评价分量,被定义为180-θ,其中θ是AUV预测轨迹末端航向与该点的期望航向之间的夹角;dist(u,r)为AUV预测轨迹末端与最近障碍物之间的距离,velocity(u,r)是AUV沿弧形轨迹运动的线速度大小。
所述AUV的最优期望速度xd(t)=[ud(t),v(t),rd(t)],所述正定函数为Lyapunov函数
其中e(t)=x(t)-xd(t),得到
所述控制器的控制律设计为
其中K为正定的常数矩阵,由此可得
由Lyapunov稳定性理论可知,该系统在原点处的平衡状态是一致渐进稳定的。
本发明采用上述结构,通过参照AUV在水平面的局部路径规划,定义相关矢量,得到AUV传统运动状态方程;在AUV传统运动状态方程的基础上,以控制输入矢量和速度矢量为变量,得到其加速度函数;通过设定多种应用情形,根据角速度的具体取值得到最大加速度,进而对容许速度进行评估定义,同时结合时间Δt内的速度窗口以得到可行速度空间;通过设计自适应参数,采用自适应的方式,根据障碍物信息和自身状态调整速度评价函数的参数,定义最大化目标函数,在可行速度空间内选择最优速度,以进行灵活避障;通过反步法对控制器进行设计,使系统更为稳定,具有精准灵活、稳定实用的优点。
附图说明:
图1为本发明的AUV模型结构示意图。
图2为本发明的可行速度空间示意图。
图3为本发明的实施流程示意图。
具体实施方式:
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。
如图1-3中所示,一种基于改进DWA的AUV局部路径规划方法,所述局部路径规划方法包括以下步骤:
S1,参照AUV在水平面的局部路径规划,定义AUV的速度矢量、位置矢量和控制输入矢量,定义质量矩阵,所述质量矩阵包括机械附加质量和水动力附加质量,得到AUV传统运动状态方程;
S2,参照AUV传统运动状态方程,以控制输入矢量和速度矢量为变量,得到其加速度函数;
S3,设定多种应用情形,根据角速度的具体取值得到最大加速度,进而对容许速度进行评估定义,得到容许速度空间和速度动态窗口,根据容许速度空间和速度动态窗口来计算出可行速度空间;
S4,设计自适应参数,采用自适应的方式,根据障碍物信息和自身状态调整速度评价函数的参数,定义最大化目标函数,在可行速度空间内选择最优速度,以进行灵活避障;
S5,根据选择的最优期望速度,选取正定函数,基于反步法设计控制器,形成决策-控制闭环;
S6,AUV通过自身搭载的感知设备获取其状态信息z(tk)、x(tk)和周围障碍物信息,依上述算法求解得到控制期望xd(tk+1)和控制输入u(tk+1),以实现灵活精准避障。
所述AUV传统运动状态方程为:
其中,x(t)=[u(t),v(t),r(t)]T为AUV的速度矢量,z(t)=[X(t),Y(t),ψ(t)]T为AUV的位置矢量,u(t)=[δr(t),0,n(t)]T为AUV的控制输入矢量,δr(t)和n(t)分别为AUV舵角和AUV螺旋桨转速;函数f和g是AUV运动到力的映射,包括科里奥利力、引力、离心力;c为在随体坐标系内作用于AUV的水静力和水动力的力和力矩的系数;函数h反映了在随体坐标系和全局坐标系之间进行坐标变换时的运动学关系。
所述AUV加速度函数为
可以简化为
设r(t)>0且δr(t)>0时,r(t)<0且δr(t)<时,/>u(t)>0且n(t)=0时,/>
在r<0时,取
在r=0时,取
此时,
在r>0时,取
所述和/>分别代表AUV的最大线加速度与最大角加速度。
所述容许速度空间为:
其中,dist1(u,r)与dist2(u,r)分别表示与轨迹相交的最近障碍物的弧线距离和其所对应的圆心角的大小。
所述速度动态窗口为:
所述可行速度空间定义为:Vr′-Va′∩Vd′。
采用自适应的方式,根据障碍物信息和自身状态调整速度评价函数的参数,定义最大化目标函数,在可行速度空间内选择最优速度,以进行灵活避障包括以下步骤:
S4.1,根据AUV的动力性能(如制动距离)定义距离阈值为Ds;
S4.2,以Dmin表示AUV到最近障碍物的距离,α0、β0、γ0为初始参数,αmax、γmin分别为初始参数的上下界,μ、ρ为常数,则自适应参数设计为:
βa-β0
S4.3,调整速度评价函数的参数,定义最大化目标函数为:
Ga(u,r)=αa·heading(u,r)+βa·dist(u,r)+γa·velocity(u,r)
其中,heading(u,r)是AUV朝向目标移动的评价分量,被定义为180-θ,其中θ是AUV预测轨迹末端航向与该点的期望航向之间的夹角;dist(u,r)为AUV预测轨迹末端与最近障碍物之间的距离,velocity(u,r)是AUV沿弧形轨迹运动的线速度大小。
所述AUV的最优期望速度xd(t)=[ud(t),v(t),rd(t)],所述正定函数为Lyapunov函数
其中e(t)=x(t)-xd(t),得到
所述控制器的控制律设计为
其中K为正定的常数矩阵,由此可得
由Lyapunov稳定性理论可知,该系统在原点处的平衡状态是一致渐进稳定的。
本发明实施例中的一种基于改进DWA的AUV局部路径规划方法的工作原理为:从控制输入层面限制AUV的动力学性能,并采用自适应调节参数的方式来提升实际应用过程中的灵活性,使评价指标随着环境的变化而进行变化,从而能够适用于实际复杂海况,同时采用反步算法来设计得到速度控制器,形成“决策-控制”闭环,按照用户的实际需求,适用于多种不同的AUV,实用性强,相较于现有常规局部路径规划算法,更符合实际海况的应用需求,保证AUV能够进行自动灵活避障。
AUV是一种综合人工智能和其他先进计算技术的航行器,集成了深潜器、传感器、环境效应、计算机软件、能量储存、转换与推进、新材料与新工艺、以及水下智能武器等高科技;因此,AUV在水下的路径规划和避障移动是必不可少的功能。
近年来,已经出现许多路径规划方法,研究对于未知和动态障碍的避让,比如快速探索随机树、人工势场、模糊逻辑算法、神经网络、强化学习,甚至深度强化学习;不同于陆地上的其他机器人平台或飞行器,这些方法主要使用声呐传感器获得周围障碍物实时的距离和角度,并利用局部动态路径规划技术完成避障任务,极大地提高了AUV的自主性。
在本发明的整体方案中,局部路径规划方法主要包括以下步骤:参照AUV在水平面的局部路径规划,定义AUV的速度矢量、位置矢量和控制输入矢量,定义质量矩阵,所述质量矩阵包括机械附加质量和水动力附加质量,得到AUV传统运动状态方程;参照AUV状态方程,以控制输入矢量和速度矢量为变量,得到其加速度函数;设定多种应用情形,根据角速度的具体取值得到最大加速度,进而对容许速度进行评估定义,得到容许速度空间和速度动态窗口,根据容许速度空间和速度动态窗口来计算出可行速度空间;设计自适应参数,采用自适应的方式,根据障碍物信息和自身状态调整速度评价函数的参数,定义最大化目标函数,在可行速度空间内选择最优速度,以进行灵活避障;根据选择的最优期望速度,选取正定函数,基于反步法设计控制器,形成决策-控制闭环;AUV通过自身搭载的感知设备获取其状态信息z(tk)、x(tk)和周围障碍物信息,依上述算法求解得到控制期望xd(tk+1)和控制输入u(tk+1),以实现灵活精准避障。
对于AUV传统运动状态方程,具体为:
其中,x(t)=[u(t),v(t),r(t)]T为AUV的速度矢量,
z(t)=[X(t),Y(t),ψ(t)]T为AUV的位置矢量,u(t)=[δr(t),0,n(t)]T为AUV的控制输入矢量,δr(t)和n(t)分别为AUV舵角和AUV螺旋桨转速;函数f和g是AUV运动到力的映射,包括科里奥利力、引力、离心力;c为在随体坐标系内作用于AUV的水静力和水动力的力和力矩的系数;函数h反映了在随体坐标系和全局坐标系之间进行坐标变换时的运动学关系。
动态窗口法将AUV的动力学性能考虑在内,给出了一种局部避碰方法,只计算机器人在给定时间内可以达到的线速度和角速度。
在本申请中,以AUV传统运动状态方程为基础,结合外部环境因素,以控制输入矢量和速度矢量为变量,得到其加速度函数:
可以简化为
为了接近真实应用场景,采用三种应用情形来评估速度是否能被容许,依次得到容许速度空间和速度动态窗口。
设r(t)>0且δr(t)>0时,r(t)<0且δr(t)<0时,/>u(t)>0且n(t)=0时,/>
在r<0时,取
在r=0时,取
此时,
在r>0时,取
所述和/>分别代表AUV的最大线加速度与最大角加速度。
所述容许速度空间为:
其中,dist1(u,r)与dist2(u,r)分别表示与轨迹相交的最近障碍物的弧线距离和其所对应的圆心角的大小。
所述速度动态窗口为:
进而计算得出可行速度空间Vr′=Va′∩Vd′。
为了选择出最优期望速度,与传统DWA算法不同的是,本申请采用设计自适应参数进行自适应的方式,根据障碍物信息和自身状态调整速度评价函数的参数,以达到自动灵活精准避障的目的。
具体的,采用设计自适应参数进行自适应的方式主要包括以下步骤:定义距离阈值,设计出相应的自适应参数,定义最大化目标函数。
得到最优期望速度后,经由正定的Lyapunov函数进行转换运算,设计得到
其中K为正定的常数矩阵,由此可得
由Lyapunov稳定性理论可知,该系统在原点处的平衡状态是一致渐进稳定的。
参照上述步骤,AUV通过自身搭载的感知设备获取其状态信息z(tk)、x(tk)和周围障碍物信息,得到相应的控制期望和控制输入,使AUV在执行任务时可以实现自动灵敏精准避障。
特别说明的是,对于AUV上搭载的感知设备(主要包括声呐、惯导等),应尽可能避免其出现误差较大的检测现象,以便实时精准地得到对应的障碍物信息和自身状态信息。
综上所述,本发明实施例中的一种基于改进DWA的AUV局部路径规划方法从控制输入层面限制AUV的动力学性能,并采用自适应调节参数的方式来提升实际应用过程中的灵活性,使评价指标随着环境的变化而进行变化,从而能够适用于实际复杂海况,同时采用反步算法来设计得到速度控制器,形成“决策-控制”闭环,按照用户的实际需求,适用于多种不同的AUV,实用性强,相较于现有常规局部路径规划算法,更符合实际海况的应用需求,保证AUV能够进行自动灵活避障。
上述具体实施方式不能作为对本发明保护范围的限制,对于本技术领域的技术人员来说,对本发明实施方式所做出的任何替代改进或变换均落在本发明的保护范围内。
本发明未详述之处,均为本技术领域技术人员的公知技术。
Claims (7)
1.一种基于改进DWA的AUV局部路径规划方法,其特征在于,所述局部路径规划方法包括以下步骤:
S1,参照AUV在水平面的局部路径规划,定义AUV的速度矢量、位置矢量和控制输入矢量,定义质量矩阵,所述质量矩阵包括机械附加质量和水动力附加质量,得到AUV传统运动状态方程;
S2,参照AUV传统运动状态方程,以控制输入矢量和速度矢量为变量,得到其加速度函数;
S3,设定多种应用情形,根据角速度的具体取值得到最大加速度,进而对容许速度进行评估定义,得到容许速度空间和速度动态窗口,根据容许速度空间和速度动态窗口来计算出可行速度空间;
S4,设计自适应参数,采用自适应的方式,根据障碍物信息和自身状态调整速度评价函数的参数,定义最大化目标函数,在可行速度空间内选择最优速度,以进行灵活避障;
S5,根据选择的最优期望速度,选取正定函数,基于反步法设计控制器,形成决策-控制闭环;
S6,AUV通过自身搭载的感知设备获取其状态信息z(tk)、x(tk)和周围障碍物信息,依上述算法求解得到控制期望xd(tk+1)和控制输入u(tk+1),以实现灵活精准避障。
2.根据权利要求1所述的一种基于改进DWA的AUV局部路径规划方法,其特征在于,所述AUV传统运动状态方程为:
其中,x(t)=[u(t),v(t),r(t)]T为AUV的速度矢量,z(t)=[X(t),Y(t),ψ(t)]T为AUV的位置矢量,u(t)=[δr(t),0,n(t)]T为AUV的控制输入矢量,δr(t)和n(t)分别为AUV舵角和AUV螺旋桨转速;函数f和g是AUV运动到力的映射,包括科里奥利力、引力、离心力;c为在随体坐标系内作用于AUV的水静力和水动力的力和力矩的系数;函数h反映了在随体坐标系和全局坐标系之间进行坐标变换时的运动学关系。
3.根据权利要求1所述的一种基于改进DWA的AUV局部路径规划方法,其特征在于,所述AUV加速度函数为
可以简化为
设r(t)>0且δr(t)>0时,r(t)<0且δr(t)<0时,/>
u(t)>0且n(t)=0时,
在r<0时,取
在r=0时,取
此时,
在r>0时,取
所述(u,r,t)和/>(u,r,t)分别代表AUV的最大线加速度与最大角加速度。
4.根据权利要求3所述的一种基于改进DWA的AUV局部路径规划方法,其特征在于,所述容许速度空间为:
其中,dist1(u,r)与dist2(u,r)分别表示与轨迹相交的最近障碍物的弧线距离和其所对应的圆心角的大小。
5.根据权利要求4所述的一种基于改进DWA的AUV局部路径规划方法,其特征在于,所述速度动态窗口为:
δr∈[-δr max,δr max],n∈[0,nmax]};
所述可行速度空间定义为:Vr′=Va′∩Vd′。
6.根据权利要求5所述的一种基于改进DWA的AUV局部路径规划方法,其特征在于,采用自适应的方式,根据障碍物信息和自身状态调整速度评价函数的参数,定义最大化目标函数,在可行速度空间内选择最优速度,以进行灵活避障包括以下步骤:
S4.1,根据AUV的动力性能定义距离阈值为Ds;
S4.2,以Dmin表示AUV到最近障碍物的距离,α0、β0、γ0为初始参数,αmax、γmin分别为初始参数的上下界,μ、ρ为常数,则自适应参数设计为:
βa-β0
S4.3,调整速度评价函数的参数,定义最大化目标函数为:
Ga(u,r)=αa·heading(u,r)+βa·dist(u,r)+γa·velocity(u,r)
其中,heading(u,r)是AUV朝向目标移动的评价分量,被定义为180-θ,其中θ是AUV预测轨迹末端航向与该点的期望航向之间的夹角;dist(u,r)为AUV预测轨迹末端与最近障碍物之间的距离;velocity(u,r)是AUV沿弧形轨迹运动的线速度大小。
7.根据权利要求1所述的一种基于改进DWA的AUV局部路径规划方法,其特征在于,所述AUV的最优期望速度xd(t)=[ud(t),v(t),rd(t)],所述正定函数为Lyapunov函数
其中e(t)=x(t)-xd(t),得到
所述控制器的控制律设计为
其中K为正定的常数矩阵,由此可得
由Lyapunov稳定性理论可知,该系统在原点处的平衡状态是一致渐进稳定的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310581706.0A CN116540717A (zh) | 2023-05-22 | 2023-05-22 | 一种基于改进dwa的auv局部路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310581706.0A CN116540717A (zh) | 2023-05-22 | 2023-05-22 | 一种基于改进dwa的auv局部路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116540717A true CN116540717A (zh) | 2023-08-04 |
Family
ID=87448701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310581706.0A Pending CN116540717A (zh) | 2023-05-22 | 2023-05-22 | 一种基于改进dwa的auv局部路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116540717A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117826819A (zh) * | 2024-01-02 | 2024-04-05 | 中国矿业大学 | 一种基于自适应动态窗口法的uuv三维避障规划方法 |
-
2023
- 2023-05-22 CN CN202310581706.0A patent/CN116540717A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117826819A (zh) * | 2024-01-02 | 2024-04-05 | 中国矿业大学 | 一种基于自适应动态窗口法的uuv三维避障规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110333739B (zh) | 一种基于强化学习的auv行为规划及动作控制方法 | |
Manzanilla et al. | Autonomous navigation for unmanned underwater vehicles: Real-time experiments using computer vision | |
Liu et al. | Adaptive barrier Lyapunov function-based obstacle avoidance control for an autonomous underwater vehicle with multiple static and moving obstacles | |
CN109583144B (zh) | 一种无人海洋航行器的动力学优化控制器结构及设计方法 | |
Jayasiri et al. | Dynamic positioning of vessels using a UKF-based observer and an NMPC-based controller | |
Fernandez et al. | Modeling and control of underwater mine explorer robot UX-1 | |
Campos et al. | A nonlinear controller based on saturation functions with variable parameters to stabilize an AUV | |
Wang et al. | Path-following optimal control of autonomous underwater vehicle based on deep reinforcement learning | |
CN116540717A (zh) | 一种基于改进dwa的auv局部路径规划方法 | |
Hadi et al. | Adaptive formation motion planning and control of autonomous underwater vehicles using deep reinforcement learning | |
Zhang et al. | Research on the maneuverability and path following control of the wave glider with a propeller-rudder system | |
CN113741433A (zh) | 一种水面无人船的分布式编队方法 | |
Hong et al. | Vision-based underwater inspection with portable autonomous underwater vehicle: Development, control, and evaluation | |
de Cerqueira Gava et al. | AUV cruising auto pilot for a long straight confined underwater tunnel | |
Huang et al. | SHSA-based adaptive roll-safety 3D tracking control of a X-Rudder AUV with actuator dynamics | |
Mousazadeh et al. | Experimental evaluation of a new developed algorithm for an autonomous surface vehicle and comparison with simulink results | |
Tran et al. | The design of an VIAM-USVI000 unmanned surface vehicle for environmental monitoring applications | |
Roche et al. | LFT/H∞ varying sampling control for Autonomous Underwater Vehicles | |
CN115657683A (zh) | 一种可用于巡检作业任务的无人无缆潜水器实时避障方法 | |
Santhakumar et al. | Coupled, non-linear control system design for autonomous underwater vehicle (AUV) | |
Tanaka et al. | Underwater vehicle localization considering the effects of its oscillation | |
Jiang et al. | Design of novel S-plane controller of autonomous underwater vehicle established on sliding mode control | |
Cutipa-Luque et al. | Robust control of an underactuated auv | |
Fenco et al. | Model Reference Adaptive Fuzzy Controller of a 6-DOF Autonomous Underwater Vehicle | |
Vinh et al. | Control of the Motion Orientation of Autonomous Underwater Vehicle |
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 |