基于馬爾可夫決策過程的AUV路徑規(guī)劃研究.pdf

1、路徑規(guī)劃是自主式水下機器人(簡稱：AUV)自主能力的重要體現(xiàn)，是保障AUV在大范圍復(fù)雜海洋環(huán)境中自主完成使命作業(yè)的關(guān)鍵技術(shù)之一。為此，本文深入開展了確定性環(huán)境中全局路徑規(guī)劃技術(shù)、不確定環(huán)境中局部路徑規(guī)劃技術(shù)等自主路徑規(guī)劃技術(shù)的研究工作： 基于馬爾可夫決策過程理論，開展了大范圍確定性海洋環(huán)境內(nèi)AUV二維全局路徑規(guī)劃的研究：設(shè)計了規(guī)劃模型，把路徑規(guī)劃問題歸結(jié)為在給定環(huán)境模型和獎懲原則的情況下，尋求最優(yōu)策略的問題。結(jié)合MAXQ(值函數(shù)

2、分解)理論構(gòu)造了規(guī)劃問題的任務(wù)分解結(jié)構(gòu)，使規(guī)劃更具有邏輯性?？紤]海流影響，對AUV在均勻和時變海流下的二維規(guī)劃進行了仿真實驗，使AUV在實際海洋環(huán)境中具備了較好的抗流能力。 針對大范圍海洋環(huán)境狀態(tài)下的“維數(shù)災(zāi)”問題，設(shè)計了一類基于狀態(tài)聚類的分層全局路徑規(guī)劃模型，實現(xiàn)一種從分層狀態(tài)的概率分布到AUV采取最佳動作的優(yōu)化匹配。通過分層前后規(guī)劃算法的仿真數(shù)據(jù)比較表明：分層后的規(guī)劃路徑具有節(jié)點少，路徑代價小的優(yōu)點，同時減少了AUV的頻繁轉(zhuǎn)

3、艏。此外，把分層思想拓展到三維環(huán)境中，提出了按深度層次分層的空間建模方法，有效地避免了計算機存儲大規(guī)模數(shù)據(jù)的問題。 針對不確定環(huán)境下的局部路徑規(guī)劃問題，研究了基于前視聲納視域模型的AUV局部路徑規(guī)劃方法，設(shè)計了基于部分可觀馬爾可夫決策過程的局部路徑規(guī)劃模型和水下障礙物碰撞危險度模型。針對不確定環(huán)境中可能出現(xiàn)的動態(tài)障礙，進行相應(yīng)的運動預(yù)測和估計。首次建立了三維速度勢場，將速度問題加入到路徑規(guī)劃模型中，對速度規(guī)劃的算法進行了仿真實驗

4、。并對上述方法進行了半實物虛擬仿真聯(lián)調(diào)試驗，結(jié)果表明：所研究的規(guī)劃算法是正確的、有效的和可行的。 為了模擬AUV在復(fù)雜海洋環(huán)境的三維運動以及避障過程，設(shè)計了AUV空間避障縮尺度物理模擬試驗。應(yīng)用激光測距系統(tǒng)模擬AUV前視聲納傳感器，完成在不同案例下的AUV空間避障模擬試驗，并對未知環(huán)境進行探測和感知，為今后實現(xiàn)真實海洋環(huán)境中的AUV水下避障試驗打下了基礎(chǔ)。 通過深入研究AUV韻路徑規(guī)劃技術(shù)，提高AUV在大范圍復(fù)雜、時變海