CN116839594A - 基于优化双向A-Star算法的潜艇全局航迹规划方法及装置 - Google Patents
基于优化双向A-Star算法的潜艇全局航迹规划方法及装置 Download PDFInfo
- Publication number
- CN116839594A CN116839594A CN202311097034.2A CN202311097034A CN116839594A CN 116839594 A CN116839594 A CN 116839594A CN 202311097034 A CN202311097034 A CN 202311097034A CN 116839594 A CN116839594 A CN 116839594A
- Authority
- CN
- China
- Prior art keywords
- submarine
- track
- node
- environmental
- sonar
- 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 53
- 230000002457 bidirectional effect Effects 0.000 title claims abstract description 28
- 230000007613 environmental effect Effects 0.000 claims abstract description 39
- 238000007781 pre-processing Methods 0.000 claims abstract description 25
- 238000009499 grossing Methods 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 230000006872 improvement Effects 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012876 topography Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005266 casting Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- 150000003839 salts Chemical class 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000008569 process Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- 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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了基于优化双向A‑star算法的潜艇全局航迹规划方法及装置,包括:基于舰载电子海图进行航迹规划,建立环境格栅模型,根据环境格栅模型生成任务海域的环境栅格;将生成的环境栅格根据潜艇隐蔽效能值进行预处理;将启发函数g(n)和h(n)函数结合潜艇隐蔽效能值Cn进行动态加权改进,进行航迹节点扩展;将步骤三中的扩展得到的航迹节点,依据潜艇机动评估,将不符合机动性的航迹节点采取三次非均匀B样条曲线法进行平滑,得到平滑后的航迹节点;将步骤四生成的航迹节点,从起始航迹节点到目标航迹节点连接,生成最终的全局航迹。通过本发明,能够在潜艇航迹规划中规划出既隐蔽又安全的平滑航迹,所得结果用于指导潜艇进行隐蔽安全航行。
Description
技术领域
本发明涉及潜艇航迹规划技术领域,具体是基于优化双向A-STAR算法的潜艇全局航迹规划方法及装置。
背景技术
现代海上作战中,潜艇具有很多优点,如隐蔽性好、作战半径大、灵活机动等,是重要的水下作战平台,是现代海战中重要的海上突击力量。由于潜艇作战环境的复杂多变对航迹规划算法提出了更高的要求,且潜艇隐蔽性对潜艇作战的影响是现代作战保障中不可忽视的一环。在海洋战场环境中,潜艇的全局航迹规划要保证潜艇航行的隐蔽性以及航行的安全性。传统的A-STAR算法属于是启发式搜索算法,当潜艇任务海域范围大时,存在搜索时间长、搜索效率低等问题;规划的航迹没有考虑潜艇的航行的隐蔽性与潜艇机动性能要求,不能满足潜艇海上航行安全隐蔽的要求。
发明内容
本发明的目的在于克服现有技术的不足,提供基于优化双向 A-STAR算法的潜艇全局航迹规划方法,包括以下步骤:
步骤一,基于舰载电子海图进行航迹规划,建立环境格栅模型,根据环境格栅模型生成任务海域的环境栅格;
步骤二,将生成的环境栅格根据潜艇隐蔽效能值进行预处理,将不利于隐蔽航行的环境栅格,在预处理阶段剔除;
步骤三,将启发函数g(n)和h(n)函数结合潜艇隐蔽效能值C(n)进行动态加权改进,通过优化双向 A-STAR算法的潜艇全局航迹规划方法进行航迹搜索时,正向搜索与反向搜索分别按照启发函数 g(n)和 h(n)的最小代价节点进行航迹节点扩展;
步骤四,将步骤三中的扩展得到的航迹节点,依据潜艇机动评估,将不符合机动性的航迹节点采取三次非均匀B样条曲线法进行平滑,得到平滑后的航迹节点;
步骤五,将步骤四生成的航迹节点,从起始航迹节点到目标航迹节点连接,生成最终的全局航迹。
进一步的,步骤一中所述的建立环境格栅模型,包括:
栅格法用相同大小的栅格表示工作环境空间,每个栅格的值是二进制 0 或 1 的数值,设工作环境空间 S 被划分为个栅格,每个栅格的大小都相同,每个栅格对应一个环境状态 N,则工作环境空间 S 表示为:
每个环境栅格的状态为:
。
进一步的,步骤二中,潜艇隐蔽效能值的获取包括:
S1,确定潜艇艇型和经纬位置坐标、航行深度Z,从 ARGO数据中获得潜艇任务海域的海洋温盐数据,按照声速经验公式计算潜艇所在位置处的声速;
其中,P 为水中的静压力,T 为温度, S 为盐度使用范围;P与深度 Z 的关系为:
S2,结合潜艇艇型,得到该潜艇的声源噪声级SL;
其中,Vm为潜艇的航速;a取值为: 0 、1 、2 、3,a的取值分别代表不同的潜艇类型:极安静型潜艇、安静型潜艇、噪声潜艇、高噪声潜艇;VT是潜艇的临界航速; =20~50dB是潜艇到达临界航速后噪声声源级的增量;b是潜艇达到临界航速后辐射噪声随航速变化的斜率,b=1.5~2;
S3,根据当前潜艇所处位置,估算海洋环境噪声级NL:
其中,NLship为船运噪声级;NLwind 为风噪声级,为敌方声呐的探测范围,/>为第i个离散点的敌方声呐的入水深度,/>为i个离散点的声呐投放深度;
S4,确定敌方探测设备的投放深度SonDep范围,及其检测阈值DL;
S5,利用射线 Bellhop 模型计算潜艇声源噪声传播损失TL值;
S6,根据被动声呐方程计算潜艇声源噪声到达敌方探测设备的声呐余量SE,结合概率方程计算声呐探测概率:
其中,SE为声呐接受到的声呐余量;SL为潜艇辐射噪声的声源级;TL为潜艇所处的位置到声呐探测范围内和探测深度的声传播损失值;NL为与海况有关的海洋背景噪声;DT为声呐检测系统的检测阈;DI为声呐的指向性系数,被动声纳的指向性系数为 0;
其中,Pd为声呐的投放深度概率密度函数,D为声呐在投放深度范围内的离散点;
S7,根据敌方探测设备的投放深度分布概率函数,继续返回执行S5,最后按S6中计算公式得到潜艇隐蔽效能;
其中,N为声呐在探测深度范围内的离散点。
进一步的, 步骤二中, 所述的将生成的环境栅格根据潜艇隐蔽效能值进行预处理,将不利于隐蔽航行的环境栅格,在预处理阶段剔除,包括:
划定潜艇的任务海域,从电子海图中获取任务海域的海洋地形数据;根据地形数据提取地形特征,依据地形特征将整个环境用栅格建模;利用潜艇隐蔽效能计算所在海域的潜艇隐蔽效能,生成隐蔽效能栅格;在栅格环境基础上,结合节点隐蔽效能值,生成预处理后的环境栅格,采用如下公式:
C(n)是潜艇在节点 n 位置处的隐蔽效能值。
进一步的, 步骤三中,所述的将启发函数g(n)和h(n)函数结合潜艇在节点 n 位置处的隐蔽效能值C(n)进行动态加权改进,通过优化双向 A-STAR算法的潜艇全局航迹规划方法进行航迹搜索时,正向搜索与反向搜索分别按照启发函数 g(n)和 h(n)的最小代价节点进行航迹节点扩展,包括:
双向 A-STAR算法中的评价函数主要是两个部分 g(n)和 h(n),每次扩展一个节点 n记录一组 g(n)和 h(n)值;原有的评价函数如下:
式中,f 1 (n)是正向搜索的评估函数,f 2 (n)是反向搜索的评估函数;g 1 (n)为正向搜索中起点到点n 的实际代价,h 1 (n)表示点 n 到目标点的估计代价;g 2 (n)为反向搜索中起点到点 n 的实际代价,h 2 (n)表示点 n 到目标点的估计代价;改进后的评价函数如下:
c(n)是潜艇在节点 n 位置处的隐蔽效能值,其取值范围为[0 ,1]。
进一步的, 步骤四中,所述的将步骤三中的扩展得到的航迹节点,依据潜艇机动评估,将不符合机动性的航迹节点采取三次非均匀B样条曲线法进行平滑,得到平滑后的航迹节点,包括:
根据已知航迹节点通过下式计算所有的控制点Qj(j=0,..,n):
式中:
通过积累弦长法,在给定航迹节点和航迹曲线误差的条件下,得到 B 样条曲线所需的控制点; 对控制点参数化处理,计算得到控制点对应的节点矢量 U,建立节点矢量与控制点之间的映 射关系,得到节点矢量序列;根据控制点和节点矢量,计算 B 样条曲线的基函数;在原有航迹基础上经过 B 样条曲线拟合生成的平滑航迹,为曲线与航迹之间的误差 。
基于优化双向 A-STAR算法的潜艇全局航迹规划装置,其特征在于,应用所述的基于优化双向A-STAR算法的潜艇全局航迹规划方法,包括:环境栅格预处理模块、启发代价确定模块、遍历模块、航迹平滑模块;
所述的环境栅格预处理模块,用于将潜艇任务海域的环境栅格,结合该海域的潜艇隐蔽效能值,预处理不符合隐蔽航行的环境栅格;
启发代价确定模块,用于正向搜索和反向搜索时,采用动态加权启发函数,使得双向搜索的航迹满足隐蔽航行的需求;
遍历模块,用于从起始点起,遍历生成当前正向节点的前向搜索子节点,以及从目标节点起,遍历生成当前反向节点的后向搜索子节点;
航迹平滑模块,用于将航迹中不符合潜艇机动性能的航迹点进行平滑操作。
本发明的有益效果是:本发明能够在潜艇航迹规划中规划出既隐蔽又安全的平滑航迹,所得结果用于指导潜艇进行隐蔽安全航行。
附图说明
图1是基于优化双向A-STAR算法的潜艇全局航迹规划方法流程示意图;
图2是本实施例的栅格环境建模图;
图3是本实施例的环境栅格预处理示意图;
图4是本实施例的环境栅格预处理流程图;
图5是本实施例的 B 样条法航迹平滑前后对比图,(a)平滑前,(b)平滑后;
图6是本实施例的 B 样条法进行航迹平滑的流程图;
图7是是本实施例的潜艇隐蔽效能计算流程图;
图8是本实施例的基于优化双向 A-STAR算法的潜艇全局航迹规划装置的结构示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
为了使本发明的目的,技术方案及优点更加清楚明白,结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
而且,术语“包括”,“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程,方法,物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程,方法,物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程,方法,物品或者设备中还存在另外的相同要素。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
本实施例通过划定的潜艇任务海域;
如图1所示,基于优化双向A-STAR算法的潜艇全局航迹规划方法,包括以下几个步骤: (1)基于舰载电子海图进行航迹规划环境建模,如图2所示;具体方法:将电子海图中的环境数据,只保留了海洋地形地貌等障碍物;将电子海图图像转换为二值图像;将二值图像栅格化;电子海图图像处理后的栅格图,为潜艇航迹规划提供所需的环境栅格。
(2)将步骤(1)中的所述的环境栅格进行预处理,预处理结果如图3所示,预处理过程如图4所示:划定潜艇的任务海域,从电子海图中获取任务海域的海洋地形数据;根据地形数据提取主要的地形特征,依据地形特征将整个环境用栅格建模;利用潜艇隐蔽效能模型计算所在海域的潜艇隐蔽效能,生成隐蔽效能栅格,并作为预处理的重要依据;在栅格环境基础上,结合节点隐蔽效能值,依据以下预处理公式,生成预处理后的环境栅格,以供航迹搜索使用;
Cn是节点 n 的隐蔽效能值,将隐蔽效能值对于 0.5 的节点标记为不可扩展,因为这样的栅格节点对于潜艇的隐蔽航行不利,且包含这样的节点的航迹不是最优航迹且不具有实际可用性。在原有环境栅格中,结合每个栅格的隐蔽效能值,将栅格进行预处理,通过预处理将提前剔除实际航迹不会使用到的栅格节点,同时在搜索中也会减少不必要的节点扩展和遍历操作,大大提升了航迹规划的效率。
(3)在预处理后的环境栅格中设置航迹的起始点 S 和目标点 G,利用双向A-STAR算法进行航迹搜索。双向A-STAR航迹搜索时使用本发明改进之后的评估函数如下:
航迹搜索具体过程为:分别把起始点 S 和目标点 G 作为正向搜索的起止点,由起始点 S 到目标点 G,此时产生最优节点 Sm。这时算法由正向搜索调整为反向搜索,由目标点 G 点到起始点 S,此时分别目标点 G 和正向搜索产生的点 Sm,作为反向搜索的起止点继续搜索,此时产生最优节点 Gm,反复搜索数次后, 最后正反向搜索产生的最优节点会重合,该节点与起始点 S 和目标点 G 之间的连线即为最优航迹。
双向A-STAR算法搜索中相较于A-STAR算法,它需要 openForward、closeForward和openBackward、closeBackward四个列表维护正向搜索和反向搜索中将要搜索的节点和搜索过的节点。具体的步骤如下:
步骤1将起始点 S 和目标点 G 分别放入 openForward 和 openBackward列表中。
步骤2判断 closeForward 和 closeBackward 列表是否出现交集,若有执行步骤3,否则执行步骤 4。
步骤3在 closeForward 和 closeBackward 的交集中,选取两个列表中评价函数f1+ f2 的和最小的节点,将该节点作为正向搜索和反向搜索的交汇点,并且将closeForward 和closeBackward 列表中的节点依次输出则为对应的航迹,返回成功。
步骤4判断 openForward 和 openBackward 列表是否出现空集的情况,若为空则结束,说明起始点与目标点之间没有可达的航迹,返回失败;若不为空,则执行步骤 5。
步骤5将当前 openForward 和 openBackward 列表中 f1 和 f2函数的和最小的节点分别作为扩展节点搜索其邻域内的节点,并将该节点加入 closeForward 和closeBackward 中,转到步骤 2。
在正向搜索和反向搜索中会使用 openForward 和 openBackward 列表用来存储扩展节点,每次的扩展节点是当前列表中 f(n)代价函数的值最小的。这个扩展的过程中每次都需要进行 openForward 和 openBackward 列表中节点 f(n)值的排序,会存在大量的节点运算和排序代价,造成航迹搜索效率低下和搜索时间过长的问题。本发明使用最小堆数据结构改进节点扩展过程,最小堆的优势在于以时间复杂度O(1)快速获得f(n)值最小的节点。堆结构优化之后,搜索时间会大幅缩短以及扩展节点时的效率会在地图环境较大的条件下大幅提高。
(4)步骤(3)中搜索的最优航迹平滑前如图 5中(a)所示,航迹中存在直角转弯,不符合潜艇的机动性能。为了使最优航迹满足潜艇机动性能,本发明采取三次非均匀 B 样条曲线法进行航迹平滑,对航迹曲线进行拟合操作,拟合过程如图6所示,基于非均匀 B 样条曲线的平滑航迹曲线构造的过程,首先,根据已知航 迹节点利用以下公式:
式中:
航迹节点P0、P1、P2、航迹夹角 θ 及曲线与航迹之间的误差,得到 B 样条曲线需要先计算控制顶点的坐标,计算所有的控制点Qj(j=0,..,n);然后,通过积累弦长法对控制点参数化处理,计算得到控制点对应的节点矢量U,建立节点矢量与控制点之间的映射关系,得到节点矢量序列;其次,根据控制点和节点矢量,计算 B 样条曲线的基函数;最后,在原有航迹基础上经过 B 样条曲线拟合生成的平滑航迹,/>为曲线与航迹之间的误差。
在本实验实例中,图5是航迹平滑前后的对比图。可以看出,经过三次非均匀 B 样条曲线平滑处理能够将航迹中不符合潜艇机动性能的直角转弯航迹进行平滑。
(5)依据上述步骤,基于优化双向A-STAR算法的潜艇全局航迹规划方法可搜索得到潜艇任务海域的平滑航迹。
在本实验实例中,为验证基于优化双向A-STAR算法的潜艇全局航迹规划方法的有效性和适用性,在不同海域环境,利用电子海图图像进行实验。经处理后每张栅格图像为400x300 个栅格,即横坐标和纵坐标范围分别是[0,400]和[0,300]。
隐蔽效能值计算流程如图 7所示,本发明的基于优化双向A-STAR算法的潜艇全局航迹规划方法航迹中的潜艇隐蔽系效能最大值满足相对安全航行。
综上,本发明的基于优化双向A-STAR算法的潜艇全局航迹规划方法,经过栅格预处理和启发函数改进,在保证计算效率的前提下,在航迹规划是不仅能满足航迹的安全性还可以满足航迹的隐蔽性。
参照图 8,图 8 是本发明实例的基于优化双向A-STAR算法的潜艇全局航迹规划装置的结构示意图。所述基于优化双向A-STAR算法的潜艇全局航迹规划装置包括:
环境栅格预处理模块,用于将潜艇任务海域的环境栅格,结合该海域的潜艇隐蔽效能值,预处理不符合隐蔽航行的环境栅格;
启发代价确定模块,用于正向搜索和反向搜索时,采用动态加权启发函数,得双向搜索的航迹满足隐蔽航行的需求;
遍历模块,用于从起始点起,遍历生成当前正向节点的前向搜索子节点,以及从目标节点起,遍历生成当前反向节点的后向搜索子节点;
航迹平滑模块,用于将航迹中不符合潜艇机动性能的航迹点进行平滑操作,使规划出的航迹更具可行性,符合潜艇的机动性能。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (7)
1.基于优化双向A-Star算法的潜艇全局航迹规划方法,其特征在于,包括以下步骤:
步骤一,基于舰载电子海图进行航迹规划,建立环境格栅模型,根据环境格栅模型生成任务海域的环境栅格;
步骤二,将生成的环境栅格根据潜艇隐蔽效能值进行预处理,将不利于隐蔽航行的环境栅格,在预处理阶段剔除;
步骤三,将启发函数 g(n)和 h(n) 函数结合潜艇隐蔽效能值C(n)进行动态加权改进,通过优化双向 A-STAR算法的潜艇全局航迹规划方法进行航迹搜索时,正向搜索与反向搜索分别按照启发函数 g(n)和 h(n)的最小代价节点进行航迹节点扩展;
步骤四,将步骤三中的扩展得到的航迹节点,依据潜艇机动评估,将不符合机动性的航迹节点采取三次非均匀B样条曲线法进行平滑,得到平滑后的航迹节点;
步骤五,将步骤四生成的航迹节点,从起始航迹节点到目标航迹节点连接,生成最终的全局航迹。
2.根据权利要求 1 所述的基于优化双向A-Star算法的潜艇全局航迹规划方法,其特征在于,步骤一中所述的建立环境格栅模型,包括:
栅格法用相同大小的栅格表示工作环境空间,每个栅格的值是二进制 0 或 1 的数值,设工作环境空间 S 被划分为个栅格,每个栅格的大小都相同,每个栅格对应一个环境状态 N,则工作环境空间 S 表示为:
每个环境栅格的状态为:
。
3.根据权利要求 1 所述的基于优化双向A-Star算法的潜艇全局航迹规划方法,其特征在于,步骤二中,潜艇隐蔽效能值的获取包括:
S1,确定潜艇艇型和经纬位置坐标、航行深度Z,从 ARGO数据中获得潜艇任务海域的海洋温盐数据,按照声速经验公式计算潜艇所在位置处的声速;
其中,P 为水中的静压力,T 为温度, S 为盐度使用范围;P 与深度 Z 的关系为:
S2,结合潜艇艇型,得到该潜艇的声源噪声级SL;
其中,Vm 为潜艇的航速;a 取值为: 0 、1 、2 、3,a的取值分别代表不同的潜艇类型:极安静型潜艇、安静型潜艇、噪声潜艇、高噪声潜艇;VT 是潜艇的临界航速; =20~50dB是潜艇到达临界航速后噪声声源级的增量;b是潜艇达到临界航速后辐射噪声随航速变化的斜率,b =1.5~2;
S3,根据当前潜艇所处位置,估算海洋环境噪声级 NL:
其中,NLship 为船运噪声级;NLwind 为风噪声级;
S4,确定敌方探测设备的投放深度SonDep 范围,及其检测阈值 DL;
S5,利用射线 Bellhop 模型计算潜艇声源噪声传播损失TL 值;
S6,根据被动声呐方程计算潜艇声源噪声到达敌方探测设备的声呐余量SE,结合概率方程计算声呐探测概率:
其中,SE 为声呐接受到的声呐余量;SL 为潜艇辐射噪声的声源级;TL 为潜艇所处的位置到声呐探测范围内和探测深度的声传播损失值;NL 为与海况有关的海洋背景噪声;DT为声呐检测系统的检测阈;DI 为声呐的指向性系数,被动声纳的指向性系数为 0;
其中,Pd为声呐的投放深度概率密度函数,D为声呐在投放深度范围内的离散点;
S7,根据敌方探测设备的投放深度分布概率函数,继续返回执行S5,最后按S6中计算公式得到潜艇隐蔽效能;
其中,N为声呐在探测深度范围内的离散点,为敌方声呐的探测范围,/>为第i个离散点的敌方声呐的入水深度,/>为i个离散点的声呐投放深度。
4.根据权利要求 1 所述的基于优化双向A-Star算法的潜艇全局航迹规划方法,其特征在于, 步骤二中, 所述的将生成的环境栅格根据潜艇隐蔽效能值进行预处理,将不利于隐蔽航行的环境栅格,在预处理阶段剔除,包括:
划定潜艇的任务海域,从电子海图中获取任务海域的海洋地形数据;根据地形数据提取地形特征,依据地形特征将整个环境用栅格建模;利用潜艇隐蔽效能计算所在海域的潜艇隐蔽效能,生成隐蔽效能栅格;在栅格环境基础上,结合节点隐蔽效能值,生成预处理后的环境栅格,采用如下公式:
C(n)是潜艇在节点 n 位置处的隐蔽效能值。
5.根据权利要求 1 所述的基于优化双向A-Star算法的潜艇全局航迹规划方法,其特征在于, 步骤三中,所述的将启发函数 g(n)和 h(n) 函数结合潜艇在节点 n 位置处的隐蔽效能值C(n)进行动态加权改进,通过优化双向A-Star算法的潜艇全局航迹规划方法进行航迹搜索时,正向搜索与反向搜索分别按照启发函数 g(n)和 h(n)的最小代价节点进行航迹节点扩展,包括:
双向 A-STAR算法中的评价函数主要是两个部分 g(n)和 h(n),每次扩展一个节点 n记录一组 g(n)和 h(n)值;原有的评价函数如下:
式中,f 1 (n)是正向搜索的评估函数, f 2 (n)是反向搜索的评估函数; g 1 (n)为正向搜索中起点到点n 的实际代价, h 1 (n)表示点 n 到目标点的估计代价; g 2 (n)为反向搜索中起点到点 n 的实际代价, h 2 (n)表示点 n 到目标点的估计代价;改进后的评价函数如下:
c(n)是潜艇在节点 n 位置处的隐蔽效能值,其取值范围为[0 ,1]。
6.根据权利要求 1 所述的基于优化双向A-Star算法的潜艇全局航迹规划方法,其特征在于, 步骤四中,所述的将步骤三中的扩展得到的航迹节点,依据潜艇机动评估,将不符合机动性的航迹节点采取三次非均匀B样条曲线法进行平滑,得到平滑后的航迹节点,包括:
根据已知航迹节点通过下式计算所有的控制点Qj(j=0,..,n):
式中:
通过积累弦长法,在给定航迹节点和航迹曲线误差的条件下,得到 B 样条曲线所需的控制点; 对控制点参数化处理,计算得到控制点对应的节点矢量 U,建立节点矢量与控制点之间的映 射关系,得到节点矢量序列;根据控制点和节点矢量,计算 B 样条曲线的基函数;在原有航迹基础上经过 B 样条曲线拟合生成的平滑航迹,为曲线与航迹之间的误差。
7.基于优化双向A-Star算法的潜艇全局航迹规划装置,其特征在于,应用权利要求1-6任一项所述的基于优化双向A-Star算法的潜艇全局航迹规划方法,包括:环境栅格预处理模块、启发代价确定模块、遍历模块、航迹平滑模块;
所述的环境栅格预处理模块,用于将潜艇任务海域的环境栅格,结合该海域的潜艇隐蔽效能值,预处理不符合隐蔽航行的环境栅格;
启发代价确定模块,用于正向搜索和反向搜索时,采用动态加权启发函数,使得双向搜索的航迹满足隐蔽航行的需求;
遍历模块,用于从起始点起,遍历生成当前正向节点的前向搜索子节点,以及从目标节点起,遍历生成当前反向节点的后向搜索子节点;
航迹平滑模块,用于将航迹中不符合潜艇机动性能的航迹点进行平滑操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311097034.2A CN116839594B (zh) | 2023-08-29 | 2023-08-29 | 基于优化双向A-Star算法的潜艇全局航迹规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311097034.2A CN116839594B (zh) | 2023-08-29 | 2023-08-29 | 基于优化双向A-Star算法的潜艇全局航迹规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116839594A true CN116839594A (zh) | 2023-10-03 |
CN116839594B CN116839594B (zh) | 2023-11-24 |
Family
ID=88165561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311097034.2A Active CN116839594B (zh) | 2023-08-29 | 2023-08-29 | 基于优化双向A-Star算法的潜艇全局航迹规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116839594B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016033523A1 (en) * | 2014-08-29 | 2016-03-03 | Coban Technologies, Inc. | Compact multi-function dvr with multiple integrated wireless data communication devices |
CN111024073A (zh) * | 2019-12-30 | 2020-04-17 | 北京航空航天大学 | 一种基于夜间环境的组合导航系统 |
CN114839968A (zh) * | 2022-04-01 | 2022-08-02 | 哈尔滨工程大学 | 一种水面无人艇路径规划方法 |
CN115060264A (zh) * | 2022-05-23 | 2022-09-16 | 中国船舶重工集团公司第七0七研究所九江分部 | 一种基于ais数据的prm航线规划方法 |
CN115096302A (zh) * | 2022-06-23 | 2022-09-23 | 中国人民解放军63921部队 | 捷联惯性基导航系统信息滤波鲁棒对准方法、系统及终端 |
CN115167398A (zh) * | 2022-06-22 | 2022-10-11 | 东南大学 | 一种基于改进a星算法的无人船路径规划方法 |
CN116224999A (zh) * | 2023-01-06 | 2023-06-06 | 武汉理工大学青岛研究院 | 一种基于数据驱动的船舶全局路径规划方法 |
-
2023
- 2023-08-29 CN CN202311097034.2A patent/CN116839594B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016033523A1 (en) * | 2014-08-29 | 2016-03-03 | Coban Technologies, Inc. | Compact multi-function dvr with multiple integrated wireless data communication devices |
CN111024073A (zh) * | 2019-12-30 | 2020-04-17 | 北京航空航天大学 | 一种基于夜间环境的组合导航系统 |
CN114839968A (zh) * | 2022-04-01 | 2022-08-02 | 哈尔滨工程大学 | 一种水面无人艇路径规划方法 |
CN115060264A (zh) * | 2022-05-23 | 2022-09-16 | 中国船舶重工集团公司第七0七研究所九江分部 | 一种基于ais数据的prm航线规划方法 |
CN115167398A (zh) * | 2022-06-22 | 2022-10-11 | 东南大学 | 一种基于改进a星算法的无人船路径规划方法 |
CN115096302A (zh) * | 2022-06-23 | 2022-09-23 | 中国人民解放军63921部队 | 捷联惯性基导航系统信息滤波鲁棒对准方法、系统及终端 |
CN116224999A (zh) * | 2023-01-06 | 2023-06-06 | 武汉理工大学青岛研究院 | 一种基于数据驱动的船舶全局路径规划方法 |
Non-Patent Citations (6)
Title |
---|
JUN FU等: "Three-dimensional underwater path planning of submarine considering the real marine environment", 《IEEE ACCESS》, pages 37016 - 37029 * |
严浙平;赵玉飞;陈涛;: "多约束条件下UUV空间航迹规划", 鱼雷技术, no. 05 * |
刘文等: "潜艇隐蔽效能建模与快速计算", 《舰船科学技术》, vol. 45, no. 6, pages 39 - 46 * |
史岩;张立华;董受全;贾帅东;: "参考岛屿边界的军用飞行器隐蔽航路规划", 海洋测绘, no. 06 * |
张瀚彬等: "基于改进量子粒子群算法的AUV路径规划研究", 《海洋工程》, vol. 41, no. 2, pages 86 - 92 * |
赵春宇等: "改进A*算法在无人船路径规划中的应用", 《浙江工业大学学报》, vol. 50, no. 6, pages 615 - 620 * |
Also Published As
Publication number | Publication date |
---|---|
CN116839594B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564202B (zh) | 一种基于环境预报信息的无人艇航线优化方法 | |
CN107314768B (zh) | 水下地形匹配辅助惯性导航定位方法及其定位系统 | |
CN107356254B (zh) | 适用于地磁辅助导航航迹规划的粒子群优化方法 | |
CN108871351B (zh) | 一种auv海底地形匹配的动态路径规划方法 | |
Ånonsen et al. | An analysis of real-time terrain aided navigation results from a HUGIN AUV | |
CN107168344B (zh) | 一种uuv抵近海底作业过程中航路生成方法 | |
CN106503837B (zh) | 一种基于改进水平集算法的时间最优航路规划方法 | |
CN110906935B (zh) | 一种无人艇路径规划方法 | |
CN110146846B (zh) | 一种声源位置估计方法、可读存储介质及计算机设备 | |
CN103744428A (zh) | 一种基于邻域智能水滴算法的水面无人艇路径规划方法 | |
CN111580518B (zh) | 一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法 | |
Chen et al. | Research on ship meteorological route based on A-star algorithm | |
CN108489491A (zh) | 一种水下自主航行器的三维航迹智能规划方法 | |
CN111307158B (zh) | 一种auv三维航路规划方法 | |
CN111412918B (zh) | 无人艇全局安全路径规划方法 | |
CN105787886A (zh) | 一种基于多波束图像声纳的实时图像处理方法 | |
CN111665846B (zh) | 一种基于快速扫描法的水面无人艇路径规划方法 | |
CN108318034A (zh) | 一种基于声呐地图的auv回坞导航方法 | |
CN117193296A (zh) | 一种基于高安全性的改进a星无人艇路径规划方法 | |
CN113848961A (zh) | 基于声纳探测概率的水下航行器安全隐蔽路径规划方法及系统 | |
CN116839594B (zh) | 基于优化双向A-Star算法的潜艇全局航迹规划方法及装置 | |
Praczyk et al. | Concept and first results of optical navigational system | |
CN109656136A (zh) | 基于声学测量网络的水下多auv协同定位编队拓扑结构优化方法 | |
CN112880678A (zh) | 一种复杂水域环境中无人艇航行规划方法 | |
Huang et al. | 3D search path planning for the blended-wing-body underwater glider |
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 |