刘予学[1]2003年在《自治式水下机器人使命规划算法研究》文中认为在自治式水下机器人(AUV)分层递阶模式的自主控制体系结构中，使命规划属于最高层的控制。为了实现AUV在复杂的非线性和非结构海洋环境中自主规划、远程航海的能力，并且具有高可靠性与强鲁棒性，使命规划是一项关键技术。以“海洋地貌勘测”为一个具体案例，本文描述了根据使命信息、海区海图、以及AUV自身状态进行使命路径规划，并在全局路径的基础上进行使命分解即任务描述的过程。 本文描述了采用基于栅格类环境描述的激活值传播算法进行海洋环境下的路径规划，并给出了无海流情况下规划所得路径的仿真曲线。在论述了多任务、实时操作系统QNX的结构特点以及基于QNX与Windows运行的PC机之间网络进程通信的基础上，本文描述了在QNX上开发的使命规划软件的结构功能和流程图，并叙述了仿真联调实验的过程，动态地显示了“海洋地貌勘测”这一案例使命规划的结果，并证明了使命规划所得的任务序列在实际运行中逻辑的正确性与可行性。
王磊[2]2007年在《海洋环境下水下机器人快速路径规划研究》文中进行了进一步梳理全局路径规划技术是决定机器人智能化水平高低的关键技术，它是自主导航中的一个重要组成部分。对于智能水下机器人(AUV)来讲，在有障碍物存在和其它限制的条件下寻找一条安全、高效的路径是很重要的，同时也是很复杂的。本文介绍了智能水下机器人如何寻找一条最优路径(消耗最少)的基本原理，提出了一种新的方法，即基于切线法和分层思想的叁维全局路径规划。在论文中，首先介绍了智能水下机器人全局路径规划的研究背景、意义及解决全局路径规划的各种方法，包括几何法、人工势场法和遗传算法等。然后介绍了电子海图的相关标准并分析了VCF电子海图的文件组成。最后，在读取海图数据的基础上，针对智能水下机器人的切线图环境模型，用A~*算法进行了全局路径规划的研究，并且在仿真系统中进行了验证。本文以节能为全局路径规划的主要目标，重点分析了水下机器人受海流影响时的运动特点，提出了综合考虑路径长度和海流两种因素的规划方案。在同样条件下，分别进行距离最短的全局路径规划和耗能最少的全局路径规划。通过比较仿真结果可以看出，考虑海流影响的全局路径规划更加具有实际意义。本文算法的规划时间短，能更好的满足全局路径规划的实时性要求。
秦政[3]2007年在《基于自主和自学习行为智能体的AUV运动规划研究》文中研究指明本论文以国家重大基础研究项目“水下无人潜器技术”为背景,对基于行为主义的智能体技术在自治式水下机器人(Autonomous underwatervehicle,简称AUV)运动规划中的应用展开了深入地研究。论文的研究旨在提高AUV自主作业过程中对环境的适应性、反应的快速性以及决策的有效性。论文主要完成以下的研究工作:针对动态不确定环境下的AUV运动规划问题,将智能体的行为看作是AUV和环境之间交互的一个动态变化的过程,提出并阐释了行为动力学方法,并利用该方法建立了AUV水平面的自主行为智能体。仿真结果表明自主行为智能体对非结构环境响应快速,正确、有效。垂直面运动规划对AUV下潜深度及距底高度均有特殊要求,而单独的定高航行或定深航行难以同时满足。本文建立了基于模糊推理的AUV垂直面自主行为智能体,对定高航行行为和定深航行行为进行融合。仿真结果说明垂直面自主行为智能体在保证AUV自身安全的同时,尽可能满足了声学仪器对距底高度的要求,此外正常航行时AUV不随海底地形起伏而频繁改变深度,使得航行稳定。为了对AUV空间运动规划中水平面和垂直面自主行为智能体进行协调,提出了基于使命分解和任务执行语句的行为协调机制。该机制的原理是:将使命分解成若干个能够顺序执行的任务,针对特定任务定义任务执行语句,任务执行语句将任务转换为并发的自主行为智能体,再按照优先级规则对并发行为进行协调。进行了仿真验证,结果证明提出的自主行为智能体及协调机制正确、可行。针对传统强化学习方法应用于AUV工程实际的不足,如学习的泛化性差、试错带来的风险性以及学习效率低等,提出了基于神经网络和案例的Q学习算法(NCQL)。NCQL的基本思想是用神经网络解决Q学习的泛化问题;用案例学习保证学习过程的收敛性、避免试错的风险及提高学习效率。给出了基于NCQL的AUV自学刊行为智能体各要素的实现方法。进行了仿真,仿真结果可以看出,提出的NCQL算法收敛性能好、收敛速度快并且收敛到的结果较优化。NCQL算法具有在线学习和自适应学习的特点。论文从自主控制体系结构顶层设计要求出发,设计了含行为智能体的混合式AUV自主控制系统。采用有色Petri网(CPN)作为工具,对所提出的结构进行了形式化建模,利用CPN的数学理论分析了模型基本特性,包括有界性、活性和互斥性。形式化分析验证了AUV自主控制体系结构以上性质的正确性和有效性。为了综合验证本文所提出的各主要方法,分别进行了声呐湖上试验、缩尺度模拟试验和半实物仿真试验。本文从声学传播和声呐物理特性考虑,提出了一种数字滤波算法,对多波束前视声呐探测到的数字信号进行后处理。设计了基于声呐信息的避障试验方案,进行了避障行为动力学模型的湖上试验验证。设计了AUV缩尺度模拟试验,应用激光测距仪模拟AUV前视声呐传感器,完成了不同案例下的水平面行为智能体功能的有效验证。利用半实物仿真平台对含行为智能体的AUV自主控制系统进行了仿真试验。通过反复试验,进一步说明了本文所提方法正确、可行。基于自主和自学习行为智能体的运动规划研究对于AUV安全、高效地完成远程航海与地形勘察自主作业使命,具有重要的理论意义和实用价值。
高涛[4]2003年在《基于八叉树模型的水下机器人叁维全局路径规划研究》文中研究表明本论文来源于国防基础科研项目“水下多机器人分布式智能控制方法研究”，主要进行水下机器人的叁维全局路径规划的研究。 在论文中，首先简要介绍了自主式水下机器人的有关内容，包括自主式水下机器人的简介、发展动态及本课题的背景及意义，然后分析了全局路径规划的发展现状和趋势，讨论了全局路径规划的各种方法和它们各自的特点。尝试利用A*算法进行了机器人的全局路径规划，得出了一些有益的经验和教训。作为论文的主要部分，重点介绍了八叉树环境模型，讨论了应用距离值传递法进行路径规划的算法，结合前述的八又树环境模型和路径规划算法编程实现了水下机器人的叁维路径规划并给出了仿真结果。 本论文对于智能水下机器人自主导航的研究和研究四叉树、八叉树数据结构的应用有重要意义。
曹江丽[5]2009年在《水下机器人路径规划问题的关键技术研究》文中进行了进一步梳理自主式水下机器人自主能力的真正含义是具有和外部环境进行交互的能力,这种交互的一个重要方面就是具有全局路径规划以及突发事件下的动态重规划和躲避障碍的能力。要实现水下机器人的自主航行和自主作业,机器人的路径规划是一个重要环节,研究水下机器人的路径规划技术对于提高其智能化水平和加快工程化应用进程具有重要的意义。本文以“十五”国防预研项目(4131607)和“十一五”国防预研项目(51316080202)为背景,对自主式水下机器人在海洋环境下的全局路径规划技术、局部路径规划技术、避碰规划技术、区域探测路径规划技术进行了深入的研究。首先,介绍了水下机器人动力学模型,以及水下机器人的系统组成,概述了水下机器人体系结构的研究现状,并按照精度随智能降低而提高的原理(IPDI)为某型水下机器人设计了分层递阶控制体系结构,它分为六层叁列,按照这个体系结构实现的自主控制可以满足任务的需要。提出了海洋环境下的全局路径规划方法。针对海洋环境障碍物分布稀疏的特点,提出了用于小范围区域全局路径规划的最短切线路径算法,它计算简单、运行效率高。针对大范围海洋区域,提出了基于VCF电子海图的多目标优化遗传算法。算法采用可变长的实数坐标的染色体编码方式,在适应度评价函数的设计中综合考虑了多个影响因素,不可行路径被加以惩罚值也参与了种群进化。设计了选择、交叉、变异、修补和删除等五类遗传算子,在生成初始种群和设计遗传算子时引入领域知识,以实现所生成路径尽量不穿越障碍区域的目的,有效地提高了算法的收敛速度。该算法实现了用尽量短的时间在大范围海洋区域规划出一条近似最优路径的研究目标,规划路径合理可行。提出了基于模糊逻辑的局部路径规划方法。在复杂的海洋条件下,导航、传感等数据本身就存在着巨大的不确定性和不准确性,此方法可用来处理这些近似信息。在分析了海流、障碍物和机器人叁者之间的关系后,得出相应的模糊规则表作为局部路径规划的依据。该方法综合考虑了海流的影响和机器人平台的运动特性,以相对简单的形式较好地解决了考虑海流影响的水下机器人局部路径规划问题。模糊控制理论用于机器人路径规划同样会出现局部最小问题。提出了基于传感信息的实时路径规划方法,通过设置虚拟目标点以及follow-left-wall行为和follow-right-wall行为的激活和退出条件,使水下机器人能够脱离局部极小状态从而达到目标位置。提出了基于传感信息的反应式行为自动设计方法,将避碰路径规划行为当成一个整体进行设计,不必考虑如何分解行为,采用Q学习对机器人反应式行为进行自主学习,以产生期望的优化行为。学习结束后抽取的控制规则作为反应式行为去执行,这样产生的行为不仅更具目的性和适应性,而且具有反应式行为的较高的反应速度。另外,针对学习系统的输入输出空间是连续变化的要求,提出了一种Fuzzy Q(λ)学习算法,它将模糊理论与Q学习相结合,采用Q(λ学习算法不断更新模糊规则库中的结果向量权值直至其收敛,从而得到一个完整的模糊规则库。提出了基于区域探测作业任务的全覆盖路径规划算法。对基本区域设计了权值梯度法和单元分解法,对含有障碍的一般区域,将整个区域划分为若干个子区域,设计了基于关键点的单元分解策略,针对邻接图构造过程中出现的问题,提出了一种IN/OUT关键点匹配算法,可以保证无遗漏地搜索区域内的所有子区域单元。为跟踪所规划的目标路径,设计了水下机器人的路径跟踪控制策略,综合考虑到任务需要及艇体的运动能力来获得机器人在移动过程中的目标指令。机器人执行区域探测作业任务的仿真试验结果验证了算法的有效性,算法可以满足实际应用的需要。
徐治非[6]2004年在《基于海图数据的AUV全局路径规划方法研究》文中认为自治式水下机器人作为重要的潜水设备，它的研究不仅有重要的经济意义，也是军事和政治的迫切需要。本文所阐述的内容是在海洋非线性、非结构环境下自治式水下机器人(AUV)全局路径规划技术，以及AUV仿真管理计算机软件系统的研制开发。 本文讨论了采用基于栅格类环境描述的激活值传播算法进行海洋环境下的路径规划，并给出了无海流情况下规划所得路径的仿真曲线，同时提出海流影响下的路径规划的解决方法，以及叁维路径规划的方法。路径规划是人工智能研究的一个经典问题，将遗传算法(genetic algorithm,GA)应用于路径规划是一个很有意义的研究方向。本文也讨论了采用改进遗传算法进行全局路径规划的方法。最后就激活值传播算法与遗传算法在全局路径规划中的应用进行了分析和比较。 以电子海图为核心模块的AUV仿真管理计算机软件系统的研制开发不仅提高了人机界面的质量，而且该系统无论对全局路径规划算法还是对AUV在海洋环境下的动态控制策略都是一个很好的检验平台。“海洋地貌勘测”这一具体案例的仿真联调试验结果表明采用激活值传播算法的基于电子海图大范围海洋环境下的全局路径规划是可行的，同时AUV仿真管理计算机软件系统也很好地满足了试验要求。
曹江丽[7]2006年在《AUV任务规划技术的研究》文中研究说明任务规划技术是水下机器人使命任务能否完成的关键,介绍了项目所研制的水下机器人体系结构、远程作业任务规划、路径规划的方法,给出试验结果验证了路径规划算法的有效性。
陈永明[8]2007年在《智能水下机器人的实时避碰策略和全局路径规划研究》文中研究指明在海洋环境下，规划与避碰应该考虑水下机器人的动力学特性、海流以及水下障碍物的非结构化特性等。本文系统地研究了海洋环境下智能水下机器人的全局路径规划和实时避碰策略问题，并针对上述问题提出了自己的观点及方法。本文基于水下机器人的动力学方程，提出了在海洋环境下基于水下机器人动力学特性的实时模糊避障规划方法。该方法以水下机器人与障碍物的相对位置和相对速度、海流的大小与方向及水下机器人的姿态作为输入，水下机器人下一时刻的期望(角)速度作为输出。该方法在避碰规划中考虑了水下机器人的动力学特性，有利于底层运动控制器跟踪避碰路径。为了更加贴近真实的海洋情况，论文还重点考虑了海流的影响。本文通过改进的空间搜索方法，模拟传感器对障碍物的探测过程，从而获取障碍物的方位及位置信息。该方法对二维和叁维环境具有相同的表示和类似的处理过程，对障碍物也没有结构化的要求，从而适合于实际的海洋环境。此外，水下机器人的动力学特性和海流的存在影响了运动控制器对规划路径的跟踪实现，所以本文结合水下机器人动力学性能和考虑海流的影响来规划全局路径，使得规划的路径更具有可实现性。系统仿真试验表明，本文提出的海流环境下基于水下机器人动力学特性的模糊实时避碰算法和全局路径规划是具有一定的理论意义和对实际应用具有一定借鉴意义的。
范士波[9]2008年在《多水下机器人编队控制方法研究》文中研究指明多水下机器人编队问题作为一个富有挑战性的研究方向受到了普遍的重视,已经成为自主式水下机器人(Autonomous Underwater Vehicle,AUV)系统典型性和代表性的研究问题之一。本文主要讨论了以下内容:多水下机器人系统体系结构、基于Fuzzy Q-Learning的AUVs编队路径规划方法、基于领航者法的分层式编队控制技术。首先,根掘经典的MAS体系结构,为课题研究的AUVs系统设计了基于黑板通讯的体系结构,并对该结构中的各个模块作了详细的介绍。该结构体系具有良好的通用性、可扩展性,并且能够增强AUV个体之间的协调协作能力。接着,介绍了强化学习和模糊控制的相关理论,针对AUVs保持编队运行过程中与环境障碍(包括静态障碍和其它AUV)间的碰撞冲突问题,开展了路径规划与避碰方法研究,提出了将模糊控制和Q-Learning算法相结合的避碰路径规划策略,利用MATLAB工具制定了相关隶属度函数和控制规则。然后,根据编队控制领域的问题,提出了基于领航者的分层式编队控制技术,将整个编队的层次分为:任务规划层、队形设计层、行为控制层和编队评价层四个层次,并初步探讨了编队容错控制问题,提出了基于传感器信息和控制矩阵的编队转换策略。最后,利用Visual C++软件进行了仿真验证,通过设计不同的编队案例,以及在不同的环境下运行,表明本文研究的AUV具有一定的环境适应性和自主学习能力,从而验证了所研究算法的有效性和可行性。
赵晶[10]2007年在《AUV模糊神经网络混合学习算法的控制研究》文中研究说明现今控制领域研究中，智能控制技术已广泛应用于不确定性、非线性等复杂系统控制中，其中，模糊神经网络控制在强非线性、耦合的系统中应用较为广泛。鉴于水下机器人强非线性、强耦合特性，本文旨在将模糊神经网络控制应用于水下机器人运动控制中，并设计出性能优良的水下机器人运动控制系统。本文建立了某型水下机器人六自由度空间运动的动力学模型，并根据实际进行适当的简化。设计一种基于模糊B样条基函数神经网络控制器，该控制器将模糊控制的定性知识表达能力、神经网络的定量学习能力和B样条基函数优异的局部控制性能相结合，采用B样条基函数作为隶属度函数。提出了模糊神经网络控制器的混合学习算法，即先采用免疫遗传算法离线优化，再采用Back Propagation梯度算法在线调整。仿真结果表明，采用混合学习算法的基于B样条基函数的模糊神经网络控制器应用于水下机器人的设计是可行的。
参考文献：
[1]. 自治式水下机器人使命规划算法研究[D]. 刘予学. 哈尔滨工程大学. 2003
[2]. 海洋环境下水下机器人快速路径规划研究[D]. 王磊. 哈尔滨工程大学. 2007
[3]. 基于自主和自学习行为智能体的AUV运动规划研究[D]. 秦政. 哈尔滨工程大学. 2007
[4]. 基于八叉树模型的水下机器人叁维全局路径规划研究[D]. 高涛. 哈尔滨工程大学. 2003
[5]. 水下机器人路径规划问题的关键技术研究[D]. 曹江丽. 哈尔滨工程大学. 2009
[6]. 基于海图数据的AUV全局路径规划方法研究[D]. 徐治非. 哈尔滨工程大学. 2004
[7]. AUV任务规划技术的研究[J]. 曹江丽. 舰船电子工程. 2006
[8]. 智能水下机器人的实时避碰策略和全局路径规划研究[D]. 陈永明. 哈尔滨工程大学. 2007
[9]. 多水下机器人编队控制方法研究[D]. 范士波. 哈尔滨工程大学. 2008
[10]. AUV模糊神经网络混合学习算法的控制研究[D]. 赵晶. 哈尔滨工程大学. 2007
标签：自动化技术论文; 机器人论文; 路径规划论文; 水下机器人论文; 智能算法论文; 系统仿真论文; 系统学习论文; 动力学论文;