基于改进势场蚁群算法的波浪动力滑翔器路径规划算法研究

《基于改进势场蚁群算法的波浪动力滑翔器路径规划算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP273密级：不保密UDC：62学校代码：11065硕士学位论文基于改进势场蚁群算法的波浪动力滑翔器路径规划算法研究赵红指导教师高军伟教授学科专业名称控制科学与工程论文答辩日期2016年5月25日摘要波浪动力滑翔器作为一种以波浪能为驱动力的新型海洋观测平台，在海洋环境监测技术领域具有划时代的意义。波浪动力滑翔器依靠其独特的双体结构将波浪能转化为前行推动力，弥补了传统海洋监测工具需要定期能源补给的缺点，不仅节约了能源、减少了花费，而且具有高强的续航能力和环境适应性。然而复杂多变的海洋环境和波浪动力滑翔

2、器的动力源特点，使波浪动力滑翔器的路径规划变得尤为困难，传统的路径规划算法已经不能满足波浪动力滑翔器的航行需求。因此为了规划出一条航行速度快、花费时间短、无碰撞的最优航行路线，需要设计一种适合于波浪动力滑翔器特点的新型算法。传统的路径规划算法有很多，如模拟退火算法、遗传算法、禁忌搜索算法、蚁群算法等等。然而，与其他路径规划算法相比，蚁群算法具有适合规划波浪动力滑翔器路径的一大优势，即能够利用信息正反馈机制动态地响应外界环境的变化并能够通过分布式并行计算机制提高运算效率。因此选用蚁群算法作为规划波浪动力滑翔器路

3、径的基础算法。由于波浪动力滑翔器航行速度完全依赖于周围的环境，因此需要对传统蚁群算法进行改进。首先将人工势场合力引入到启发信息中组成势场蚁群算法来弥补蚁群算法存在的不足，其次综合考虑影响波浪动力滑翔器速度的主要环境因素，之后采用精英策略改进迭代过程中的信息素更新策略，最后根据障碍物漂移情况，实时改变波浪动力滑翔器的路径。将改进后的势场蚁群算法作为波浪动力滑翔器的路径规划算法。利用栅格算法搭建不同的海洋环境模型，验证改进后的势场蚁群算法的性能。从仿真结果可以看出，改进的势场蚁群算法能适用于不同的海洋环境，可根据

4、波浪动力滑翔器的特点寻找路径短、速度快、无碰撞的最优路线，从而证明了该混合算法的实用性和有效性。关键词：波浪动力滑翔器；海洋环境；路径规划；势场蚁群算法；AbstractThewaveglider(WG)drivenbywaveenergyisanewmarineenvironmentalmonitoringplatform,whichhasanepoch-makingsignificanceinthefieldofinternationalmarineenvironmentaltechnologytoday

5、.Thewavegliderdependsonitsuniquedouble-bodystructuretoconvertwaveenergyintotheforcespropellingitforward,whichmakesuptheshortfallthatthetraditionalmarinemonitoringtoolsneedrefuelingonaregularbasis.Itnotonlysavesenergy,reducescost,butalsohashighcruisingabilit

6、yandenvironmentadaptability.However,thecomplexityofmarineenvironmentandthepowersourcecharacteristicsofwaveglidermakethepathplanningofwavegliderparticularlydifficult.Andthetraditionalpathplanningalgorithmcannotmeetthenavigatingdemandofwaveglider.Thereforeino

7、rdertoplanouttheoptimalnavigationpath,wherethespeedofwavegliderisfast,thetimespentisshortandthereisnocollisionwithobstacles,itisnecessarytodesignakindofnewalgorithminviewofthecharacteristicsofwaveglider.Therearealotofthetraditionalpathplanningalgorithms,suc

8、hassimulatedannealingalgorithm,geneticalgorithm,tabusearchalgorithm,antcolonyoptimizationalgorithm,andsoon.However,comparedwithotherpathplanningalgorithms,theantcolonyoptimizationalgorithm(ACO)hasabiga