Auv智能避碰裝置及避碰方法
2023-05-23 22:23:21 2
專利名稱：Auv智能避碰裝置及避碰方法
技術領域：
本發明涉及一種使用多波束前視聲納檢測障礙物，確定障礙物位置，給出避 碰指令，實現AUV智能避碰的避碰裝置和避碰方法。
(二)
背景技術：
在複雜和未知的水下環境中航行的AUV，確保其安全的一個基本要求是 AUV要具有避碰能力，這也是AUV自主能力和智能化的體現。在避碰過程中， 傳感器作為底層控制的一部分起著舉足輕重的作用。目前廣泛使用的主要有超聲 波傳感器、紅外線傳感器、雷射測距儀、攝像機、聲納等等。在大範圍海域中航 行的AUV大都採用聲納作為避碰的主要設備。我們所採用的這種多波束前視聲 納安裝在AUV前部，實時地獲取障礙物的位置信息，為AUV避碰提供前提條 件。由於存在環境幹擾，聲納常常會提供"偽信息"。這種"偽信息"的存在會導 致AUV的誤判，使AUV不能向正確的方向前進。這就需要我們通過對噪聲的 濾除提高障礙物探測的準確度。同時，由於障礙物的多樣性和未知性，基於傳感 器信息，採用怎樣的避碰算法，如何進行避碰規劃，確保AUV能夠及時快速地 對障礙物做出反應也是一個研究重點。
專利申請號為200720007317.3的專利申請文件中公開了一種"船用智能避碰 導航儀"。該導航儀集成了來自雷達、AIS、 GPS、計程儀和測深儀的動態信息與 來自電子海圖的靜態信息，當船舶接近危險物或匯遇來船時，該導航儀可通過聲 光、圖形、符號等方式發出報警信號，並自動給出安全避讓決策，輔助船舶駕駛 員操縱船舶。該導航儀用雷達作為障礙物探測設備，最終的避碰決策支持系統通 過機器學習識別和利用障礙物的信息，採用正向推理控制策略、啟發式搜索方法 來實現避碰。該避碰決策支持系統建立在《國際海上避碰規則》及一定的航海知 識和航海經驗的基礎上，當不具備先驗知識或者先驗知識比較少時，該避碰系統 就無法給出正確的決策。
(三)
發明內容
本發明的目的在於提供一種應用多波束前視聲納及其它相關傳感器信息，使AUV做出正確的避碰決策的AUV智能避碰裝置和避碰方法。 本發明的目的是這樣實現的
本發明的AUV智能避碰裝置包括水面工作站1、使命管理機2和動態控制 機3，水面工作站l、使命管理機2和動態控制機3中嵌裝有軟體系統，水面工 作站1、使命管理機2和動態控制機3之間通過網絡連接，動態控制機3通過串 口連接光纖陀螺儀7、都卜勒測速儀8、測高聲納9、姿態傳感器IO，多波束前 視聲納系統6與使命管理機2通過串口連接，使命管理機2中加載有基於神經網 絡的障礙物判定系統軟體4和避碰規劃系統軟體5，動態控制機3通過電信號連 接舵11和推進器12。
基於本發明的AUV智能避碰裝置的避碰方法為
(1) 傳感器採集AUV的狀態信息，通過串口傳給動態控制機，動態控制機將 這些信息通過網絡以2Hz的頻率發送給使命管理機；
(2) 多波束前視聲納採集障礙物信息，將探測到的模擬信號轉換為描述局部 環境的數位訊號；
(3) 使命管理機通過串口接收局部環境的數位訊號，用AUV障礙物判定系統 確定障礙物位置，濾除環境噪聲，建立局部環境模型並發送給避碰規劃系統；
(4) 避碰規劃系統根據AUV當前狀態和障礙物所在的位置，通過避碰算法計 算出AUV航向、速度、深度，並把這三個指令通過網絡傳遞給動態控制機；
(5) 動態控制機通過運動控制解算，利用控制電壓驅動執行機構，按控制指 令調整AUV的航向、速度和深度，高航速時採用舵控制航向，低航速時採用推 進器控制航向，實現AUV避碰。
本發明的方法還可以包括
1、 所述的AUV狀態信息包括AUV經緯度、航向、速度、深度、縱傾、 橫傾，測量狀態信息的傳感器設備為光纖陀螺儀、都卜勒測速儀、測高聲納、
姿態傳感器。
2、 所述的把模擬信號轉為數位訊號的設備為多波束前視聲納的嵌入式計算機。
3、 所述的AUV障礙物判定系統為一個基於神經網絡的障礙物判定系統，由 量化模塊、資料庫、神經網絡模塊、反量化模塊和解釋器5個部分組成。量化模塊以每個柵格gr/4z'][/]周圍的若干個相鄰柵格為一組，被佔用的
柵格量化為0.8，未被佔用的柵格量化為0.3;
資料庫存放初始事實，推理的中間結論以及推理出的最終結果的數據； 神經網絡模塊採用BP網絡，網絡輸入取8個或者更多，BP網絡離線訓 練，在線使用；八個輸入為量化後的相鄰柵格數據，輸出為中心柵格的估計值 gn'40[刀'；當越多的相鄰柵格被佔用時，gn'40[刀被佔用的可能性越大；如果
相鄰柵格分值比較低，則gn'4z']L/]的分值不應該增加太多；同時，對於中心柵 格，它自身佔用信息應優先考慮，讓其自身所佔權重為l，而通過相鄰柵格得到
的分值所佔權重為0.5;得到中心柵格的分值為
g〃鄧]m=w4/〗m'x 0.5+g/v'4/]L/]x i
反量化模塊根據多次試驗取定一個閾值《，grz'c/[。[刀〉《時柵格賦1， ^'40[/]<《時柵格賦0;
解釋器輸出最終推理結果，即障礙物信息的兩種情況l為有障礙物，0 為無障礙物。
第一次量化後的信息數據送入神經網絡模塊，經神經網絡推理後把判定結果 直接傳給解釋器，同時存入資料庫；下一次數據傳來時，檢査資料庫中是否有相
匹配的類型，若有，不再用神經網絡模塊作重複判定，直接在資料庫中通過匹配 得出結論，否則送到神經網絡模塊重新判定。
4、所述的避碰算法為改進的人工勢場法
(l)人工勢場避碰模型
構造目標位姿引力場和障礙物周圍斥力場共同作用的人工勢力場，搜索勢函 數的下降方向來尋找無碰撞路徑。 斥力為斥力勢場的負梯度，艮p-
formula see original document page 9
其中/7為位置增益係數，p為AUV與障礙物之間的最短距離，/ 。是一個常數，代表障礙物的影響距離。
引力為目標勢場的負梯度，即
formula see original document page 10
當AUV到達目標Xg。。,的過程中，這個力收斂於零，斥力與引力的合力為
AUV下一步的運動方向由合力的方向3w決定，定義AUV當前的位置 (x,，h)，則根據目標點位置和障礙物信息得到AUV下一步的路徑點坐標
(A+i，^+i)為
formula see original document page 10其中，A、 4為常量，是AUV每次移動的絕對位移參數，求得路徑點的地
球坐標，進而轉化為AUV的航向、速度、深度，反饋給AUV運動模型，從而 構成一個閉環。
(2)人工勢場法的改進算法
傳統的人工勢場法的缺陷在於把所有信息合併為單個合力，並以該合力方向 控制AUV下一步的運動，不考慮局部障礙物分布的其它有價值的信息，使得 AUV在避碰過程中可能會出現陷入勢場的局部極小點或者在局部極小點的周圍 位置徘徊，以及AUV在局部勢場環境中徘徊抖動的現象，這兩種情形統一稱為 "勢場陷阱"。
AUV陷入局部極小是因為會有AUV在環境中某一點受到的吸引力和排斥
力的合力為零的情況。當—a)2—>o2《"一為一個無窮小的量)，
其中附=2，3，4...，表明AUV在第A步和A: + w-l步的m個點上依次周期性地徘
徊，無法達到目標。針對這一現象，給出了"隨機擾動法"。其基本思路是當AUV 陷入了這種"勢場陷阱"後，通過隨機產生一個-l80 +180度之間的擾動角度 來提供下一步的運動方向，經過安全處理，確保AUV沿著該方向航行時，不會 出現與障礙物相撞的情形。此時AUV的下一目標點為AUV航跡出現抖動是因為在障礙物附近合力方向會發生突然變化，在合力 控制下，AUV下一步運動方向會有大角度突變，於是就產生了徘徊抖動現象。 這種情況的產生嚴重影響了 AUV避碰效果和到達目標的效率。為了解決這一問 題，本發明採用一種優化位移參數的方法，給出一個參數調節因子f ，通過試驗，
找到最佳的位移參數調整因子&。此時有
formula see original document page 11
這樣就可以得到AUV從當前點到下一目標點的最佳路徑。 本發明的AUV智能避碰系統，採用多波束前視聲納作為障礙物探測設備， 將聲納、光纖陀螺儀、都卜勒測速儀、測高聲納、姿態傳感器、舵、推進器等設 備組合在一起，將軟體嵌入水面工作站、使命管理機和動態控制機，使AUV具 備實時避讓水面或者水下障礙物的自主決策功能。該發明的核心部分是設計了一 個基於神經網絡的障礙物判定系統，採用改進的人工勢場法作為避碰規劃系統的 核心算法計算航向，並求出相應的速度、深度，最後由動態控制機執行控制指令， 實現避碰。
此發明的優點在於無需先驗知識，能夠實時實現避碰，且通過湖試證明了該 發明方案的可靠性和有效性。
圖1為AUV智能避碰系統總體結構圖； 圖2為基於神經網絡的障礙物判定系統結構圖； 圖3為BP神經網絡結構圖4a和圖4b為障礙物判定前後效果對比圖，其中圖4a為障礙物判定前的 原始聲納圖像，圖4b為障礙物判定後的圖像；
圖5a和圖5b描述了 AUV陷入"勢場陷阱"的現象，其中圖5a為陷入局部 極小的情形，圖5b為存在"抖動"的情形；
圖6為應用改進後的人工勢場法作避碰規劃的仿真結果；
圖7是實際避碰效果圖。
具體實施方式
下面結合附圖對本發明做更詳細地描述
1、 AUV智能避碰系統總體結構
如圖1所示，發明的AUV智能避碰裝置採用多波束前視聲納作為障礙物探
測設備，將聲納6、光纖陀螺儀7、都卜勒測速儀8、測高聲納9、姿態傳感器 10、舵ll、推進器12等儀器設備組合在一起，將軟體系統嵌入水面工作站1、 使命管理機2和動態控制機3，使AUV具備實時避讓水面或者水下障礙物的自 主決策功能。水面工作站l、使命管理機2和動態控制機3之間通過網絡連接； 傳感器7、 8、 9、 10通過串口與動態控制機3連接；多波束前視聲納系統6與使 命管理機2通過串口連接；基於神經網絡的障礙物判定系統軟體4和避碰規劃系 統軟體5加載到使命管理機2。
本發明是一種基於多波束前視聲納的具備智能化和可靠性的避碰系統，主要 應用於AUV。它由水面工作站1、使命管理機2和動態控制機3以及各種傳感 器6、 7、 8、 9、 IO組成。水面工作站1和動態控制機3是PC機，使命管理機2 是PC104總線的計算機，三臺機器通過區域網相連。除了上述硬體設備，該發 明還包括安裝在使命管理機上的基於神經網絡的障礙物判定系統軟體5和避碰 規劃系統軟體4，這是該發明的核心部分。 水面工作站1將聲納工作參數和聲納開機指令通過網絡傳遞給使命管理機 2，由使命管理機2通過串口發送給聲納6。聲納6接收指令後，開啟探測功能， 通過串口把局部環境信息發送到使命管理機2，當發現障礙物時，聲納6把障礙 物信息傳遞到使命管理機2上的障礙物判定系統5做數據處理，確定障礙物的真 實位置，建立局部環境模型。與此同時動態控制機2把傳感器7、 8、 9、 10採集 到的AUV姿態和速度信息通過網絡傳遞給使命管理機2上的避碰規劃系統4。 避碰規劃系統4根據障礙物位置結合AUV姿態、速度和環境信息，規劃出恰當 的避碰方向，把計算出的航向、速度、深度發送到動態控制機3，由動態控制機 3控制舵11或推進器12來執行控制指令。
2、 基於神經網絡的障礙物判定系統
採用一個56x40的柵格數組描述聲納探測到的信息，每個柵格代表實際探測 到5x5n^正方形區域。由於水面波浪、水底粗糙不平、水介質起伏、內波以及聲納載體的運動，使得這些多途徑信號隨機時變，而海洋噪聲場或混響幹擾場均不 能滿足均勻各向同性的條件，會使前視聲納返回的障礙物信息不夠準確，使得測 量結果達不到避碰要求，導致AUV無法確定下一步的航向。
針對這個問題，本發明設計了一個基於神經網絡的障礙物判定系統來濾除環 境噪聲。該方法的依據是對某個柵格，如果它相鄰單元中被佔用的柵格越多， 它自身被佔用的可能性就越大，相應取值也就應該增加。在柵格中，考慮越多的 相鄰單元，判定結果越準確，但同時也加大了計算量，為了加快計算速度，此處 採用神經網絡來作柵格數據的處理。
基於神經網絡的障礙物判定系統結構如圖2所示，由量化模塊、資料庫、神 經網絡模塊、反量化模塊和解釋器5個部分組成。
量化模塊以每個柵格gn'4。[刀周圍的若干個相鄰柵格為一組，具體個數
根據AUV航速和濾波所要求的精確度為依據來選擇。被佔用的柵格量化為0.8， 未被佔用的柵格量化為0.3。
資料庫存放初始事實，推理的中間結論以及推理出的最終結果的數據。 神經網絡模塊本發明採用BP網絡，網絡輸入可以取8個或者更多，根據
量化模塊給出的數據來確定，BP網絡離線訓練，在線使用。以8-6-1結構為例， 見圖3，八個輸入為量化後的相鄰柵格數據，輸出為中心柵格的估計值gn'4z'][/]'。
當越多的相鄰柵格被佔用時，gr/4z']m被佔用的可能性越大。但如果相鄰柵格 分值比較低，則gWc^][j']的分值不應該增加太多。同時，對於中心柵格，它自
身佔用信息應該優先考慮，讓其自身所佔權重為l，而通過相鄰柵格得到的分值 所佔權重為0.5。這樣得到中心柵格的分值為
g =g崎][;]'x 0.5+g i
反量化模塊根據多次試驗取定一個閾值《，gn'4。L/]〉《時柵格賦1，
gr/4。[/l〈《時柵格賦0。
解釋器輸出最終推理結果，即障礙物信息的兩種情況l為有障礙物，0 為無障礙物。
第一次量化後的信息數據送入神經網絡模塊，經神經網絡推理後把判定結果直接傳給解釋器，同時存入資料庫。下一次數據傳來時，檢查資料庫中是否有相 匹配的類型，若有，不再用神經網絡模塊作重複判定，直接在資料庫中通過匹配 得出結論，否則送到神經網絡模塊重新判定。 '
在湖試中，AUV試驗航速通常在1~3節，假定前視聲納在2.5m之內對於同 一障礙物的觀測結果相同，根據相對應的AUV航速確定每一組感興趣的柵格區 域的個數。前視聲納有數據返回時，釆用基於神經網絡的障礙物判定系統對聲納 信息作濾波處理，得到濾波結果如圖4所示。由圖4可見，經過該判定系統，環 境噪聲被有效濾除，準確地得到了障礙物的輪廓圖，其中圖4a為障礙物判定前 的原始聲納圖像，圖4b為障礙物判定後的圖像。
3.避碰算法
(l)人工勢場避碰模型
人工勢場法的基本思想是構造目標位姿引力場和障礙物周圍斥力場共同作 用的人工勢力場，搜索勢函數的下降方向來尋找無碰撞路徑。 斥力為斥力勢場的負梯度，艮P:
"(---)1; P《A
0 /9>p0
其中7為位置增益係數，P為AUV與障礙物之間的最短距離，p。是一個常
數，代表障礙物的影響距離。
引力為目標勢場的負梯度，即
當AUV到達目標X^,的過程中，這個力收斂於零。由此得到斥力與引力的
合力為
AUV下一步的運動方向由合力的方向3w決定。定義AUV當前的位置 (A,h)，則根據目標點位置和障礙物信息得到AUV下一步的路徑點坐標formula see original document page 15
其中，4、 A為常量，是AUV每次移動的絕對位移參數，可以根據實際情
況選擇。求得路徑點的地球坐標，進而轉化為AUV的航向、速度、深度，反饋 給AUV運動模型，從而構成一個閉環。 (2)人工勢場法的改進算法
傳統的人工勢場法的缺陷在於把所有信息合併為單個合力，並以該合力方向 控制AUV下一步的運動，不考慮局部障礙物分布的其它有價值的信息，使得 AUV在避碰過程中可能會出現陷入勢場的局部極小點或者在局部極小點的周圍 位置徘徊，如圖5(a)，以及AUV在局部勢場環境中徘徊抖動的現象，如圖5(b)， 這兩種情形統一稱為"勢場陷阱"。
AUV陷入局部極小是因為會有AUV在環境中某一點受到的吸引力和排斥
力的合力為零的情況。當-.A)2 +0^ _ A)2《a("為一個無窮小的量)，
其中m-2,3，4...，表明AUV在第A:步和A:十w-l步的w個點上依次周期性地徘
徊，無法達到目標。針對這一現象，給出了"隨機擾動法"。其基本思路是當AUV 陷入了這種"勢場陷阱"後，通過隨機產生一個-180~+180度之間的擾動角度A^ 來提供下一步的運動方向，經過安全處理，確保AUV沿著該方向航行時，不會 出現與障礙物相撞的情形。此時AUV的下一目標點為
AUV航跡出現抖動是因為在障礙物附近合力方向會發生突然變化，在合力 控制下，AUV下一步運動方向會有大角度突變，於是就產生了徘徊抖動現象。 這種情況的產生嚴重影響了 AUV避碰效果和到達目標的效率。為了解決這一問 題，本發明採用一種優化位移參數的方法，給出一個參數調節因子s，通過試驗，
找到最佳的位移參數調整因子&。此時有 A+i = A +A cos(《+ △《)
這樣就可以得到AUV從當前點到下一目標點的最佳路徑，如圖6所示。湖試中採用了本發明所述的避碰規劃系統。障礙物是位於湖中心的一個獨立 小島。AUV起點A,目標點B。 A—U—V從A點出發，前視聲納探測到小島時，根 據傳感器信息以及安全半徑，由AUV智能避碰系統規劃出局部路徑。每一個規 劃好的點包含AUV躲避障礙物的航向、速度、深度及航向控制模式信息，低速 下由推進器控制航向，高速時用舵控制航向，使AUV轉艏避開障礙物。圖7是 湖試時的避碰結果截圖，單位是米。
權利要求
1、一種AUV智能避碰裝置，包括水面工作站1、使命管理機2和動態控制機3，其特徵是水面工作站1、使命管理機2和動態控制機3中嵌裝有軟體系統，水面工作站1、使命管理機2和動態控制機3之間通過網絡連接，動態控制機3通過串口連接光纖陀螺儀7、都卜勒測速儀8、測高聲納9、姿態傳感器10，多波束前視聲納系統6與使命管理機2通過串口連接，使命管理機2中加載有基於神經網絡的障礙物判定系統軟體4和避碰規劃系統軟體5，動態控制機3通過電信號連接舵11和推進器12。
2、 一種AUV智能避碰方法，其特徵是-(1) 傳感器採集AUV的狀態信息，通過串口傳給動態控制機，動態控制機 將這些信息通過網絡以2Hz的頻率發送給使命管理機；(2) 多波束前視聲納釆集障礙物信息，將探測到的模擬信號轉換為描述局部 環境的數位訊號；(3) 使命管理機通過串口接收局部環境的數位訊號，用AUV障礙物判定系 統確定障礙物位置，濾除環境噪聲，建立局部環境模型並發送給避碰規劃系統；(4) 避碰規劃系統根據AUV當前狀態和障礙物所在的位置，通過避碰算法 計算出AUV航向、速度、深度，並把這三個指令通過網絡傳遞給動態控制機；(5) 動態控制機通過運動控制解算，利用控制電壓驅動執行機構，按控制指 令調整AUV的航向、速度和深度，高航速時釆用舵控制航向，低航速時採用 推進器控制航向，實現AUV避碰。
3、 根據權利要求2所述的AUV智能避碰方法，其特徵是所述的AUV 狀態信息包括AUV經緯度、航向、速度、深度、縱傾、橫傾，測量狀態信息 的傳感器設備為光纖陀螺儀、都卜勒測速儀、測高聲納、姿態傳感器。
4、 根據權利要求2或3所述的AUV智能避碰方法，其特徵是所述的 AUV障礙物判定系統為一個基於神經網絡的障礙物判定系統，由量化模塊、數 據庫、神經網絡模塊、反量化模塊和解釋器5個部分組成；量化模塊以每個柵格gn'4。L/]周圍的若干個相鄰柵格為一組，被佔用的柵格量化為0.8，未被佔用的柵格量化為0.3;資料庫存放初始事實，推理的中間結論以及推理出的最終結果的數據； 神經網絡模塊採用BP網絡，網絡輸入取8個或者更多，BP網絡離線 訓練，在線使用；八個輸入為量化後的相鄰柵格數據，輸出為中心柵格的估計值g^4z']m';當越多的相鄰柵格被佔用時，『w[/][y]被佔用的可能性越大；如果相鄰柵格分值比較低，則gnW[。[刀的分值不應該增加太多；同時，對於中心 柵格，它自身佔用信息應優先考慮，讓其自身所佔權重為1，而通過相鄰柵格得到的分值所佔權重為0.5;得到中心柵格的分值為 W鄧][刀=W4/][刀'x 0.5 + gn鄧][刀x 1反量化模塊根據多次試驗取定一個閾值《，gn'4z'][刀〉《時柵格賦1， ^W[/][J']〈《時柵格賦0;解釋器輸出最終推理結果，即障礙物信息的兩種情況1為有障礙物，0 為無障礙物；第一次量化後的信息數據送入神經網絡模塊，經神經網絡推理後把判定結果直接傳給解釋器，同時存入資料庫；下一次數據傳來時，檢査資料庫中是否 有相匹配的類型，若有，不再用神經網絡模塊作重複判定，直接在資料庫中通 過匹配得出結論，否則送到神經網絡模塊重新判定。
5、根據權利要求2或3所述的AUV智能避碰方法，其特徵是所述的避 碰算法為改進的人工勢場法；(l)人工勢場避碰模型構造目標位姿引力場和障礙物周圍斥力場共同作用的人工勢力場，搜索勢 函數的下降方向來尋找無碰撞路徑； 斥力為斥力勢場的負梯度，艮P:formula see original document page 3其中/7為位置增益係數，P為AUV與障礙物之間的最短距離，p。是一個常數，代表障礙物的影響距離；引力為目標勢場的負梯度，即-formula see original document page 4當AUV到達目標X^,的過程中，這個力收斂於零，斥力與引力的合力為AUV下一步的運動方向由合力的方向3"決定，定義AUV當前的位置 (xA,j^)，則根據目標點位置和障礙物信息得到AUV下一步的路徑點坐標(A+i,h+i)為& sin(洲陽、其中，4、 ^為常量，是AUV每次移動的絕對位移參數，求得路徑點的地球坐標，進而轉化為AUV的航向、速度、深度，反饋給AUV運動模型，從 而構成一個閉環；(2)人工勢場法的改進算法傳統的人工勢場法的缺陷在於把所有信息合併為單個合力，並以該合力方 向控制AUV下一步的運動，不考慮局部障礙物分布的其它有價值的信息，使 得AUV在避碰過程中可能會出現陷入勢場的局部極小點或者在局部極小點的 周圍位置徘徊，以及AUV在局部勢場環境中徘徊抖動的現象，這兩種情形統 一稱為"勢場陷阱"；AUV陷入局部極小是因為會有AUV在環境中某一點受到的吸引力和排斥力的合力為零的情況；當V(H)2+(H)2 "， o"為一個無窮小的量，其中w = 2,3,4...，表明AUV在第A步和A: + m-l步的m個點上依次周期性地徘徊，無法達到目標；針對這一現象，給出了"隨機擾動法"，即當AUV陷入了這 種"勢場陷阱"後，通過隨機產生一個-180 ~ +180度之間的擾動角度麼6>來提供 下一步的運動方向，經過安全處理，確保AUV沿著該方向航行時，不會出現 與障礙物相撞的情形；此時AUV的下一目標點為AUV航跡出現抖動是因為在障礙物附近合力方向會發生突然變化，在合力4控制下，AUV下一步運動方向會有大角度突變，於是就產生了徘徊抖動現象； 採用一種優化位移參數的方法，給出一個參數調節因子S，找到最佳的位移參 數調整因子&;此時有{ A+1 = W A cos(《+ △《)這樣得到AUV從當前點到下一目標點的最佳路徑。
6、根據權利要求4所述的AUV智能避碰方法，其特徵是所述的避碰算 法為改進的人工勢場法； (l)人工勢場避碰模型構造目標位姿引力場和障礙物周圍斥力場共同作用的人工勢力場，搜索勢 函數的下降方向來尋找無碰撞路徑； 斥力為斥力勢場的負梯度，艮P-formula see original document page 0其中/7為位置增益係數，p為AUV與障礙物之間的最短距離，戶。是一個常數，代表障礙物的影響距離；引力為目標勢場的負梯度，艮P:& (X) = -(X)] = /z(X - X—)當AUV到達目標X^,的過程中，這個力收斂於零，斥力與引力的合力為AUV下一步的運動方向由合力的方向^決定，定義AUV當前的位置 (A,h)，則根據目標點位置和障礙物信息得到AUV下一步的路徑點坐標(Ww)為formula see original document page 5其中，4、 ^為常量，是AUV每次移動的絕對位移參數，求得路徑點的地球坐標，進而轉化為AUV的航向、速度、深度，反饋給AUV運動模型，從而構成一個閉環.(2)人工勢場法的改進算法傳統的人工勢場法的缺陷在於把所有信息合併為單個合力，並以該合力方 向控制AUV下一步的運動，不考慮局部障礙物分布的其它有價值的信息，使 得AUV在避碰過程中可能會出現陷入勢場的局部極小點或者在局部極小點的 周圍位置徘徊，以及AUV在局部勢場環境中徘徊抖動的現象，這兩種情形統 一稱為"勢場陷阱"；AUV陷入局部極小是因為會有AUV在環境中某一點受到的吸引力和排斥力的合力為零的情況；當formula see original document page 6為一個無窮小的量，其中m-2，3，4...，表明AUV在第A:步和A: + w-l步的m個點上依次周期性地徘徊，無法達到目標；針對這一現象，給出了"隨機擾動法"，即當AUV陷入了這 種"勢場陷阱"後，通過隨機產生一個-180 ~ +180度之間的擾動角度^^來提供 下一步的運動方向，經過安全處理，確保AUV沿著該方向航行時，不會出現 與障礙物相撞的情形；此時AUV的下一目標點為AUV航跡出現抖動是因為在障礙物附近合力方向會發生突然變化，在合力 控制下，AUV下一步運動方向會有大角度突變，於是就產生了徘徊抖動現象； 採用一種優化位移參數的方法，給出一個參數調節因子e，找到最佳的位移參 數調整因子^;此時有formula see original document page 6這樣得到AUV從當前點到下一目標點的最佳路徑。全文摘要
本發明提供的是一種AUV智能避碰裝置及避碰方法。傳感器採集AUV的狀態信息，通過串口傳給動態控制機，動態控制機在將這些信息通過網絡發送給使命管理機；多波束前視聲納採集障礙物信息，轉換為描述局部環境的數位訊號；使命管理機接收局部環境的數位訊號，用AUV障礙物判定系統確定障礙物位置，建立局部環境模型並傳遞給避碰規劃系統；避碰規劃系統通過避碰算法計算出AUV航向、速度、深度，並把這三個指令通過網絡傳遞給動態控制機；動態控制機通過運動控制解算，利用控制電壓驅動執行機構，按控制指令調整AUV的航向、速度和深度，實現AUV避碰。此發明的優點在於無需先驗知識，能夠實時實現避碰，且通過湖試驗證了該發明方案的可靠性和有效性。
文檔編號G01C21/00GK101408772SQ200810137590
公開日2009年4月15日 申請日期2008年11月21日 優先權日2008年11月21日
發明者嚴浙平, 夏國清, 健 徐, 莉 湯, 政 秦, 邊信黔 申請人:哈爾濱工程大學