无人艇避障研究总结

航行器海面避障研究一．历史上海中航行器的导航方式21世纪，美国战略潜艇导航技术一直发展，舰船惯性技术是在不断满足潜基导弹的射程和命中精度的要求及核潜艇的隐蔽性要求而不断发展的。具有灵活性、隐蔽性,是发射弹道导弹的活动基地。21世纪导航技术发展的主要方向。从总的发展趋势看可以概括为:区域冲突多极化;军队综合现代化;武器信息制导化。系统组合智能化;电子信息数字化;价格便宜小型化。操作可靠傻瓜化;测试手段现代化;维修维护模块化。与露出水面获取GPS定位点一样,用有源声呐发射也会牺牲隐蔽性。但是利用声呐的回波,可得到非常重要的导航信息。【我得总结】导航方式多种多样，我国目前水平比较一般，跟在发达国家后面飞奔，但也是望尘莫及。导航精确确保航行器大方向准确。在大方向正确的前提下，我来进一步研究小范围突发情况如何正确避让等一系列动作的合理实施。我国无人艇有一部分安装国产北斗导航。二．海面海浪波动探究自然界中的海浪是一种相当复杂不规则波动现象。由于自然条件复杂,加上波浪运动本身的随机性,到目前为止,有些实际问题不能单纯用数学分析方法很好地解决;并且,由于经济和技术等的限制,现场观测也会遇到很多困难,甚至无法实现。只有按不规则波来研究海洋,才能正确地描述海浪。【我得总结】海面波浪及其形式无法预知，随机性很大。所以我决定对其进行进一步研究并且分类，逐一击破。无人艇行驶在海面上，海水波浪是一个因素，暴风雨一类天气又是一类因素，除此之外，可能还有未知情况，待进一步探究。三．针对海面无人艇避障方法探究（主要）⊙避碰规划是高速无人艇研究领域中的核心问题之一。高速无人艇的避碰规划就是在特定的环境中给定初始位置和目标位置,按照策略无碰的从起点运动到终点,并满足一定的附加条件,如路径最短等。⊙高速无人艇的避碰规划可以分为2类:基于环境先验知识的全局规划和基于传感器信息的局部规划。全局规划不能满足动目标避碰的要求,因为障碍物很可能出现在规划好的路径上,这样在高速无人艇的导航系统中,就需要基于传感器(多波束前视声纳)信息以在线方式进行的避碰规划。⊙无人艇动目标避碰就是基于前视声纳的实时信息,属于局部规划范畴。⊙蚁群算法:自然界的蚂蚁群体是具有智能特点的,能够通过群体所释放出来的一种叫做信息素(pheromone)的物质,在没有任何视觉线索的情况下找到从食物源到蚁穴的最短路径。蚁群算法就是模拟自然界中真实蚁群的觅食行为而形成的一种模拟进化算法,并且该算法有一个统一的框架结构模型;其不仅具有很好的鲁棒性(Robust),良好的正反馈特性,而且具有并行分布计算的特点。因此,可以运用蚁群算法进行避碰路径的优化搜索。⊙在复杂的海洋环境中,一般情况下高速无人艇沿着全局路径规划器规划的路径运动,当前视声纳测到障碍物,就需要启动局部避碰规划器。局部规划器首先在前视声纳视域范围内选定一个空间点作为局部规划子目标,一般选择声纳全局规划的航程点作为规划子目标点。高速无人艇当前的位置作为局部避碰规划的起点,避碰规划就在该起点与规划子目标点之间进行。【我得疑问】前视探测器这里用的声呐，在实际应用当中，用的是声呐还是摄像头？⊙路径生成现讨论二维空间的避碰规划问题。以避碰规划的起点作为原点,起点与规划子目标的连线作为x轴,建立直角坐标系xOy。将起点(xO,yO)与规划子目标点(xG,yG)连线m等分,则每个点的坐标可表示为(xi,yi),其中i=0~m。在每个等分点作x轴的垂线,就得到线段L1,L2,,,Lm,再以x轴零点为起点,将每条线段进行n等分,每条垂线上就有n个点。在避障区域内,就有m，n个点即:L1(x1,y1)L2(x2,y2)L3(x3,y3),L1(x1,yn),,Lm(xm,y1)Lm(xm,y2)Lm(xm,y3),Lm(xm,yn)其中Li(xi,yi)表示第i条垂线上的第j点,则从起始点到终点的路径可以表示为:Path={O,L1(x1,yk1),L2(x2,yk2),,Lm1(xm1,yk(m1)),G}(ki=1,2,,,n+1)避碰规划问题就是使得由该路径点序列组成的路径满足条件。由于不同路径上的相应位置的x的坐标是相同的,所以每条路径的区别仅仅在于相应位置处的y坐标不同。【我得总结】以自我为中心，探测到障碍物后自动规划航向，简言之绕过障碍物，这种“绕”过是实时检测并且动态计算的，计算通过一个方程式构成，即上述公式，虽然难以读懂，但不难理解。⊙目标函数讨论的动目标避碰规划路径需要满足3个约束条件:动态避碰、保持航迹和路径最短。由于避碰规划区间较短,在避碰规划周期内,假定动态障碍物做匀速运动,且速度可根据前视声纳探测的实时信息估计得到。高速无人艇保持当前的航速不变,通过选择不同的路径点即调整高速无人艇的航向来避碰。避碰规划区间内高速无人艇的航迹由全局规划器给出。【我得总结】此类实验通过仿真可得出结论，目前对matlab了解不够，对各种各样的算法了解不精，是以后需要提高之处。