UUV自主航行路径规划方法

1）位置目标吸引策略 采用这一策略后，蚂蚁不再盲目地进行路径搜索， 而是优先选择待选栅格集中离目标点最近的栅格，提高 算法搜索速度，增强了蚂蚁寻优的“方向性”。 2）蚂蚁回退策略 加入蚂蚁回退策略后，保证了蚂蚁从起始节点开始 安全经过每个栅格到达目标节点。蚂蚁可以自行逃脱陷 讲，没有“死亡”的现象。大幅提高了算法的适应性以 及鲁棒性。 3）轮盘赌选择策略 蚂蚁在路径选择时采用确定性选择和随机性选择相 结合的策略，并且在搜索过程中动态地调整确定性选择 概率，从而有效地加快了进化速度和克服了搜索过程中 的停滞问题。 4）精英蚂蚁策略 采用锦标赛选择策略选择精英蚂蚁，使到目前为止 所找出的最优解在下一循环中对蚂蚁更有吸引力，加快 算法收敛速度。 5）基于优化排序的蚂蚁策略 该策略在信息素调节因子的引入下，这种信息素更 新方式的变化使得搜索出的较差路径对最终结果作用不 大，还能够增强较好路径的作用来提升收敛速度。 2.2 UUV离线路径规划 基于本文蚁群算法可以快速得到UUV在静态环境下 的规划路径。本文采用路径平滑方法对规划路径进行优 化。该方法通过将路径节点之间不必要的中间节点（尤 其是拐点）去除，调整弯路使路径平滑。图2为未优化之
[1]
态环境中，单纯使用全局静态路径规划或者局部动态路 径规划都难以解决UUV在线实时路径规划的实际问题。 因此，如何设计一种既能满足实时在线应用要求，又能 保证路径的全局最优性或近似最优性的规划方法就成为 有待进一步研究的问题。 本文通过加入 “ 引导点 ” 策略，提出了一种 UUV 自主航行路径规划方法。本文方法基本思想是结合全局 离线路径规划与局部动态路径规划的优点，克服各自的 不足。首先，根据已有的环 境先验信息基于蚁群优化算 法进行离线全局路径规划，得到初始航行路线。其次， 根据地图环境、障碍物分布以及威胁区分布等信息，确 定位于初始路线上的引导点。最后，UUV在引导点的导 引作用下依次向目标位置航行。在两个引导点之间基于 滚动窗口方法运用局部动态避障方法对动态障碍物、威 胁区进行有效规避。
离线路径规划，采用滚动窗口方法和局部动态避障方法实现了UUV局部动态路径规划。通过加 入“引导足了UUV实时在线 路径规划的要求，又考虑了规划路径的全局最优性或近似最优性，最终保证了UUV以较优路线 到达目标位置。仿真实验表明该方法兼具路径的全局最优性以及规划的实时性。 关键词：引导点策略；自主航行路径规划；水下无人航行器(UUV) 中图分类号：TJ630.33 文献标识码：A 文章编号：1009-0134(2016)11-0001-05
UUV自主航行路径规划方法
Autonomous navigation path planning method of UUV 温志文，蔡卫军，杨春武 WEN Zhi-wen, CAI Wei-jun, YANG Chun-wu
摘 （中国船舶重工集团公司 第七〇五研究所，西安 710077） 要：提出了一种UUV在复杂环境下自主航行路径规划方法。该方法基于蚁群优化算法实现UUV全局
进行渲染，首先将二维规划空间均匀分解成 m × n 个栅 格单元，以栅格单元为路径规划中的最小移动单位，栅 格分辨率根据 UUV 的尺寸自适应调整。如果某个栅格 属于碰撞区，记为1类栅格；如不属于碰撞区则记为0类 栅格，以此表示海图的碰撞区信息；其次对碰撞区进行 处理、合并，消除不可航行路段和陷阱路段，将碰撞区 规范成多边形图形，这样构建出的数据空间包含了标识 起始点、目标点、障碍区、威胁区以及航路位置信息， 可方便利用算法进行路径规划。文中对环境模型作如下 假设： 1）UUV可以实时获得自身以及声纳探测范围内动态 障碍的位置和速度信息，规划路径的长度在UUV航程内。 2）规划环境为二维空间，将障碍物和危险区域统 称为碰撞区，以不规则区域表示。 3 ）不考虑潮流、海流、电子干扰等其他干扰因素 的影响。 本文在进行全局路径规划时采用直角坐标系，充分 利用栅格化建模的优点，使规划路径简单明了、便于数 学分析计算、易于实现。而在实现UUV的局部动态避障 时采用极坐标系，这主要是因为UUV的障碍物探测仪器 是声纳，声纳返回的数据是障碍物的相对距离和方位， 而极坐标空间拥有对长度和角度敏感的特点。极坐标系 和直角坐标相互转换关系如式(1)所示。 (1)
1 环境建模
目前电子海图在水中兵器的应用处于探索阶段，由 于电子海图的复杂性，通常需要将电子海图转换成可以 直接利用的海图数据环境模型。 文中采用海图信息栅格化方法对某海域的数字海图
收稿日期：2016-06-27 作者简介：温志文（1992 -），男，山西吕梁人，在读研究生，研究方向为鱼雷总体技术。 第38卷 第11期 2016-11 【1】
0 引言
水下无人航行器（underwater unmanned vehicle， UUV）在复杂海洋环境下执行各种使命时，首先要具备绕 过障碍物向目标靠近的能力，即自主导航与避障能力 。 UUV路径规划任务需要在安全航行区域内，按一定的优 化准则搜索一条从指定起始点到目标点的最优路径（或次 优路径）。根据对环境信息的了解程度不同，路径规划可 分为两种类型：环境信息完全已知的全局路径规划，又 称静态或离线路径规划；环境信息完全未知或部分未知 的局部路径规划，又称动态或在线路径规划。文献[2]采 用遗传算法实现了移动机器人在静态环境下的全局路径 规划。文献[3]运用蚁群算法对水下潜器的全局路径规划 进行了研究。文献 [4] 、文献 [5] 分别采用滚动窗口方法 和基于碰撞预测的方法实现了未知环境下机器人的局部 路径规划。然而，静态环境下的全局路径规划可以保证 生成全局最优路径，但不能满足在线实时路径规划的需 求，局部动态路径规划对动态未知环境具有良好的适应 性，但由于缺乏全局环境信息，不能充分考虑全局优化 指标（路径最短、耗能最低等）。 从实际应用的角度来看，由于 UUV 工作环境是动 态变化的，很难得到全局环境的准确信息。在复杂的动