多USV避碰规划与学习方法研究

摘要

多个USV在复杂多变的海洋环境中进行自主作业时，无论是礁石、岛屿还是一些其他的动态物体都会对多USV的行动造成威胁，每个USV在航行过程中也要保持一定的安全距离，多USV的自主避碰能力是其顺利、高效的完成各项使命任务的关键技术之一。本文针对多USV的协同避碰规划和自主学习方法进行了以下内容的讨论:多USV的工作环境模型、基于改进Boid模型和速度调节策略的多USV内部避碰规划方法、复杂环境下基于改进粒子群优化算法的多USV协同避碰规划和基于深度学习算法的多USV自主避碰规划学习。 首先，基于已有导航雷达、光电传感器和船舶自动识别系统AIS等传感器的参数特性，模拟USV综合探测周围环境，并根据USV和其工作环境的特点构建了相应的障碍物模型、坐标系以及坐标系之间的转换。 其次，根据Boid模型中的三个规则构建了多USV的Boid模型，并将Boid模型中的三个规则转换为引力/斥力方法，针对Boid模型只是对USV作方向上调整的缺陷，在改进了Boid模型的基础上又引入了速度调节协调控制策略，更好的实现了多USV内部之间的协调避碰，对所提的协调避碰方法也进行了仿真验证。 然后，设计了多USV在复杂环境中的避碰算法。利用导航雷达和光电传感器实时测得的综合环境信息与改进粒子群优化算法相结合以滚动的方式来规划USV综合视域内的无避碰路径，不仅提高了粒子的搜索能力，而且结合了USV当前环境信息，提高了USV避碰规划的实时性，为了提高路径的平滑性，在适应度函数中加入了USV的转角优化，并对上述方法进行了仿真验证。 最后，对深度学习进行了简单的介绍，设计了RevGRU-RNN网络模型来实现多USV自主避碰规划的学习。除此之外对RevGRU-RNN网络模型还进行了公式推导，分析了处理样本数据和提高网络泛化性的方法，并且对训练后的网络模型进行了仿真验证。