复杂环境下AUV路径规划方法研究

《复杂环境下AUV路径规划方法研究》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、谨以此论文献给老师、家人和朋友苗干里曰^承UlI1111111111II1[IIY1926512·‘·‘_}：p．·“o、m⋯‰-o复杂环境下AUV路径规划方法研究学位论文完成日期：),oil·卜I／、指导教师签字：答辩委员会成员签字：独创声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含未获得．≤洼；翅逡查基丝重要挂别直啮的：奎拦互窒≥或其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研究所做的任

2、何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：嘧幺鬈签字日期：幻11年罗月圾ElU学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。(保密的学位论文在解密后适用本授权书)学位论文作者签名：II

3、ii@IIII：河1年歹月7暑日～一字：弛弧Iili-字Ii!I：训矿嘲日复杂环境下AUV路径规划方法研究摘要随着海洋地位的大大提高，海洋探测与开发不断深入发展。由于海洋环境的复杂性，自主式水下机器人的研究与开发便成了自然。自主导航能力是自主水下机器人的关键，而路径规划技术是机器人自主导航系统中最重要的环节。路径规划水平的高低，在一定程度上标志着机器人自主水平的高低。本文在总结已有路径规划方法的基础上，参考路径规划技术研究的最新成果，对自主水下机器人的路径规划技术进行了研究。首先，对移动机器人路径规划的定义、分类和主要的规划方法进行了简

4、要介绍。路径规划是指在有障碍物的工作环境中，移动机器人按照一定的性能评价标准，寻找一条从起点到终点的无碰路径。根据对环境信息的了解情况可分为两类路径规划问题：一类是环境信息己知的全局路径规划，另一类是环境信息未知的局部路径规划。常用的路径规划方法有栅格法，可视图法，人工势场法以及遗传算法，蚁群算法等人工智能方法。其次，对人工势场局部路径规划算法进行了详细描述，分析了传统人工势场法的固有缺陷，并针对这些问题给出一种改进的人工势场法。考虑到海洋环境下海流对自主机器人的影响作用，将海流作用力引入人工势场。将改进方法运用于自行研制的水下机器人进

5、行实验，实验结果证明了改进算法的实时性和有效性。然后，分析了将人工势场和蚁群算法相结合的机器人路径规划算法。介绍了蚁群算法的基本原理和具体方案，在此基础上提出一种将人工势场局部路径规划和蚁群算法全局路径规划相结合的路径规划算法，并且进行了仿真实验。通过对新算法实验结果进行分析，证明了该方法的可行性。新的算法避免了人工势场法的局部极值问题，并对蚁群算法进行优化，使之能够找到最优规划路径。最后，本文对移动机器人路径规划问题的现有技术进行了讨论总结，对未知复杂环境下路径规划技术的发展趋势作了初步的探讨。关键词：路径规划；人工势场法；蚁群算法；

6、自主移动机器人(AUV)；深海复杂环境ResearchOntheAUVPathPlanningMethodincomplexenvironmentAbstractWiththegreatlyimpmvementofthemarinestatus，oceanexplorationanddeVelopmentcontinuedtodeVeIopindepth．AutonomousnavigationcapabilityisthestrategicpointtoAUV,andthepathplanningtechnologyisthemost

7、importantpart0tautonomousnavigationsystem．Toacertainextent,thelevelofpathplanningindicatestheleveloftherobot'sautonomy．Thispapersummarizestheexistingpathplanningmethodsandstudiesthepathplanningtechniquesoftheautonomousunderwatervehiclebasedonthelatestachievements．Fjrst，t

8、hedefinition，classificationandmajorplanningmethodsofthepathplanningformobilerobotswereintroduced．Pathpl