CN111580518A - 一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法 - Google Patents
一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法 Download PDFInfo
- Publication number
- CN111580518A CN111580518A CN202010396241.8A CN202010396241A CN111580518A CN 111580518 A CN111580518 A CN 111580518A CN 202010396241 A CN202010396241 A CN 202010396241A CN 111580518 A CN111580518 A CN 111580518A
- Authority
- CN
- China
- Prior art keywords
- ship
- unmanned ship
- unmanned
- obstacle avoidance
- navigation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005457 optimization Methods 0.000 title claims abstract description 31
- 241000255581 Drosophila <fruit fly, genus> Species 0.000 title claims abstract description 16
- 230000004888 barrier function Effects 0.000 claims abstract description 20
- 230000003068 static effect Effects 0.000 claims abstract description 7
- 241000255588 Tephritidae Species 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 26
- 230000000007 visual effect Effects 0.000 claims description 19
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 235000013569 fruit product Nutrition 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及无人艇自主航行领域,特别指一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法。本发明包括:步骤S1:建立基于电子海图的无人艇海上航行地理环境模型;步骤S2:采用改进的果蝇优化算法完成全局最优路径规划;步骤S3:建立动态障碍物的环境模型;步骤S4:采用改进的动态窗口法躲避移动障碍物船只。本发明提供了一种基于判断条件的动态与静态避障模式相切换的避障方法,可以在航行时有效的躲避障碍物,避免算法陷入局部最优解,采用模糊控制方法对最优轨迹的权重参数进行动态控制,提高了轨迹预测的精度和效率。
Description
技术领域
本发明涉及无人艇自主航行领域,特别指一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法。
背景技术
随着海洋在我国发展过程中的重要性日益提高,对海洋智能装备的发展提出了更高的要求。其中无人艇在资源勘测、水域监测、海洋气象监测等民用领域和海上无人作战、搜索敌方目标等军用领域都起到了至关重要的作用。目前,无人艇作为在海上自主航行的智能装备,由于海洋环境的不确定性和海上交通航行的复杂性,静态的岛屿和移动的船只对无人艇海上航行的安全性造成了威胁,出现了不少撞船事故。为了减少事故的发生,使无人艇在执行任务时顺利躲避过往船只等动态障碍物和静态障碍物,采用全局路径规划与局部动态路径规划相切换的模式,使得无人艇安全到达终点。
发明内容
为克服以上现有技术的不足,本发明提供了一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法。
步骤S1:建立基于电子海图的无人艇海上航行地理环境模型;
从电子海图中获取无人艇航行海域的地理环境信息,将海岛等当成静态障碍物,通过可视图法将障碍物进行“膨胀”处理得到地图信息,保存可视点的坐标和可视边的数据。使用船用加速度计、陀螺仪、磁罗盘等惯性传感器通过航位推算法获取无人艇的位置信息,并规定航行的起点和终点。
步骤S2:采用改进的果蝇优化算法完成全局最优路径规划;
在可视图法建立的障碍物环境模型中,包含可视点坐标和可视边的数据集。则全局最优路径的规划问题就被转化为通过改进的果蝇优化算法搜索从无人艇航行的起点经过可视边到航行终的最短路径的问题。
步骤S3:建立动态障碍物的环境模型;
海上移动的障碍物主要为过往船只,通过雷达等设备获取海上移动的障碍船只的运动信息,包括移动障碍船只的移动位置,方向,速度,加速度等。将移动障碍船只“膨胀”化为圆。从船载传感器和定位设备中获取无人艇当前的航行信息,经滤波处理后,读取船舶的航行位置和航速,方向,加速度等。设定需要采取避障的判断条件,当无人艇和运动障碍船只之间满足避障条件时,无人艇切换至主动局部避障模式。
步骤S4:采用改进的动态窗口法躲避移动障碍物船只;
无人艇在主动局部避障模式下,由改进的动态窗口法根据轨迹预测轨迹评价函数从无人艇可行速度窗口和回转速度窗口中选出下一时刻无人艇航行的最优速度和航向,进而躲避障碍船只,在完成躲避移动障碍船只时,再切换至全局最优路径上,向终点航行。
所述果蝇优化算法中针对算法全局搜索性能差的情况,将果蝇优化算法中果蝇个体移动的固定步长,设置为变化步长,以提高全局搜索能力。即S=S0*er。其中S为实时步长,S0为初始步长,T为当前的迭代次数,Tmax为最大迭代次数。
以无人艇的几何中心O点为原点建立相对坐标系,Vusv为无人艇航速,Vobs为移动障碍船只的航速,Vusv-obs=Vusv-Vobs表示二者的矢量差。延长Vusv-obs,如果与膨胀圆有交点,则需要切换至避障模式,若没有交点则沿最优全局路径航行。
在避障模式下,使用无人艇船载雷达实时监测与障碍船只的位置,当无人艇的船尾与障碍船只平行或超前时结束避障。避障结束,切换至全局最优路径下继续向终点航行。
所述的动态窗口算法的轨迹模型中,根据无人艇的运动数学模型,对传统的动态窗口法的轨迹模型进行改进得到如下无人艇在北东坐标系的位置:
其中xt+1,yt+1分别无人艇为下一时刻的在北东坐标系中北、东位置,xt、yt为当前时刻无人艇北、东位置,uusv-t为当前时刻无人艇纵向速度,vusv-t为当前时刻无人艇横向速度,rt为无人艇当前时刻回转速度,ψt为当前时刻无人艇的船艏的方向与北东坐标系北向的夹角,
ψt+1为下一时刻无人艇的船艏的方向与北东坐标系北向的夹角。
采用模糊控制的方法动态调整轨迹评价函数中的权重参数,轨迹评价评价函数如下式:G(v,ω)=σ(a·normalize(heading(v,r))+b·normalize(dist(v,r))+c·normalize(velocity(v,r))),其中heading(v,r),dist(v,r),velocity(v,r)分别代表无人艇预设轨迹中的方位角评价函数,距离评价函数,速度评价函数,a,b,c为三个评价函数的权重因子,σ为设定常值,normalize表示将三个评价函数做归一化处理。将无人艇与障碍船只的距离d和Vusv-obs与0A的夹角β作为输入,其中A点为障碍船膨胀后的圆的几何中心,将a,b,c的作为输出建立模糊控制器,动态调整a,b,c的值。
与现有技术相比,本发明的有益效果是:
(1)提供了一种基于判断条件的动态与静态避障模式相切换的避障方法,可以在航行时有效的躲避障碍物。
(2)提供了一种变步长的方法改进果蝇优化算法,避免算法陷入局部最优解。
(3)提供了一种改进的动态窗口算法,采用模糊控制方法对最优轨迹的权重参数进行动态控制,提高了轨迹预测的精度和效率。
附图说明
附图用来提供对本发明的进一步理解,并构成发明书的一部分:
图1为本发明总体方案流程图;
图2为可视图法示意图;
图3为基于改进的果蝇优化算法的全局最优路径流程图;
图4为建立的船只与障碍物之间的坐标关系图;
图5为模糊控制器的***图;
图6为改进动态窗口法的流程图。
具体实施方式
为了更清楚的说明本发明的技术方案,下面结合实施案例对本发明进行简单地介绍。现在结合图1,说明实施地具体步骤。
步骤S1:建立基于电子海图的无人艇海上航行地理环境模型;
从电子海图中获取无人艇航行海域的地理环境信息,将海岛等当成静态障碍物,通过可视图法将障碍物进行“膨胀”处理得到地图信息,如图2,保存可视点的坐标和可视边的数据。使用船用加速度计、陀螺仪、磁罗盘等惯性传感器通过航位推算法获取无人艇的位置信息,并规定航行的起点和终点。
步骤S2:采用改进的果蝇优化算法完成全局最优路径规划;
在可视图法建立的障碍物环境模型中,包含可视边和可视点两个数据集。则全局最优路径的规划问题就被转化为通过改进的果蝇优化算法搜索从无人艇航行的起点经过可视边到航行终点的最短路径的问题。
在果蝇优化算法中针对算法全局搜索性能差的情况,将果蝇优化算法中果蝇个体移动的固定步长,改为非线性递减步长,以提高全局搜索能力。即S=S0*er。其中S为实时步长,S0为初始步长,T为当前的迭代次数,Tmax为最大迭代次数。
结合图3,改进后的果蝇优化算法的实现步骤:
①初始化种群的参数,设定中种群中最大个体数为N,最大的迭代次数tmax,随机初始果蝇群体的位置X0、Y0;
④根据适应度函数计算果蝇个体的味道浓度值smelli=fit(Si);fit表示适应度函数;
⑤找出每一代气味最佳的个体;
⑥记录气味浓度最小的值和果蝇的位置;
⑦算法迭代,重复以上②~⑤,当果蝇的味道浓度值,比前一次迭代的结果小,则进入⑥,当迭代次数达到最大迭代次数时,终止计算。完成最优路径规划。
步骤S3:建立动态障碍物的环境模型。
海上移动的障碍物主要为过往船只,通过雷达等设备获取海上移动的障碍船只的运动信息,包括移动障碍船只的移动位置,方向,速度,加速度等。将移动障碍船只“膨胀”化为圆。从船载传感器和北斗定位设备中获取无人艇当前的航行信息,经滤波处理后,读取船舶的航行位置和航速,方向,加速度等。设定需要采取避障的判断条件,当无人艇和运动障碍船只之间满足避障条件时,无人艇切换至主动局部避障模式。
避障切换的条件:以无人艇的几何中心0点为原点建立相对坐标系,Vusv为无人艇航速,Vobs为移动障碍船只的航速,Vusv-obs=Vusv-Vobs表示二者的矢量差。延长Vusv-obs,如果与膨胀圆有交点,则需要切换至避障模式,若没有交点则沿最优全局路径航行。在避障模式下,使用无人艇船载雷达实时监测与障碍船只的位置,当无人艇的船尾与障碍船只平行或超前时结束避障。避障结束,切换至全局最优路径下继续向终点航行
说明步骤S4:采用改进的动态窗口法躲避移动障碍物船只;
无人艇在主动局部避障模式下,由改进的动态窗口法根据轨迹预测轨迹评价函数从无人艇可行速度窗口和回转速度窗口中选出下一时刻无人艇航行的最优速度和航向,进而躲避障碍船只,在完成躲避移动障碍船只时,再切换至全局最优路径上,向终点航行。根据无人艇的运动数学模型,首先对传统的动态窗口法的轨迹模型进行改进得到如下无人艇在北东坐标系的位置:
其中xt+1,yt+1分别无人艇为下一时刻的在北东坐标系中北、东位置,xt、yt为当前时刻无人艇北、东位置,uusv-t为当前时刻无人艇纵向速度,vusv-t为当前时刻无人艇横向速度,rt为无人艇当前时刻回转速度,ψt为当前时刻无人艇的船艏的方向与北东坐标系北向的夹角,ψt+1为下一时刻无人艇的船艏的方向与北东坐标系北向的夹角。
现在结合图5,说明动态调整轨迹评价函数中的权重参数。轨迹评价评价函数如下式:G(v,ω)=σ(a·normalize(heading(v,r))+b·normalize(dist(v,r))+c·normalize(velocity(v,r))),其中heading(v,r),dist(v,r),velocity(v,r)分别代表无人艇预设轨迹中的方位角评价函数,距离评价函数,速度评价函数,a,b,c为三个评价函数的权重因子,σ为设定常值,normalize表示将三个评价函数做归一化处理。将无人艇与障碍船只的距离d和Vusv-obs与OA的夹角β作为输入,其中A点为障碍船膨胀后的圆的几何中心,将a,b,c的作为输出建立模糊控制器,动态调整a,b,c的值。d的论域为[0,20],输出β的论域为[0,γ],γ为Vusv-obs与圆边界的夹角。d与Vusv-obs的取值域为{PS PM PB},表示{正小正中正大}。a,b,c的论域为[0,1],它们的取值为{PS PM PB PZ},表示{正小 正中 正大 极大}。并建立如下模糊规则表:
表1 a、b、c的模糊规则表
结合图6,改进动态窗口算法的具体步骤:
①初始化参数,获取动态障碍物的位置、速度、航向等信息,建立动态障碍物的环境模型;
②获取无人艇当前航行的位置、速度、加速度、艏向等运动信息;
③根据改进动态窗口法生成预设轨迹窗口;
④剔除预设轨迹窗口中与障碍物发生碰撞速度和回转速度集合;
⑤生成无人艇躲避障碍物航行的可执行速度和回转速度窗口;
⑥根据改进的轨迹预设性能评价函数选出执行避障任务的最优速度和回转速度;
⑦判断避障是否结束,是,执行完毕,切换至全局规划路径航行,否,继续执行②~⑦。
本发明公开了一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法,包括从电子海图中获取航行海域的环境信息,通过可视图法建立环境模型,无人艇在海上航行时遇到海岛等静态障碍物下采用改进的果蝇优化算法进行全局最优路径规划。通过雷达等设备监测移动船只等动态障碍物下,建立动态障碍物环境模型。获取无人艇和移动障碍物的运动信息,判断是否有发生碰撞的可能,若有,则切换至基于动态窗口法的局部动态避障模式中。完成避障时,切换至全局最优路径向终点航行。本发明旨在为无人艇在海上自主航行提供一种高效、安全的避障方法。
Claims (7)
1.一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法,其特征在于,包括如下步骤:
步骤S1:建立基于电子海图的无人艇海上航行地理环境模型;
从电子海图中获取无人艇航行海域的地理环境信息,将海岛等当成静态障碍物,通过可视图法将障碍物进行“膨胀”处理得到地图信息,保存可视点和可视边的数据;从船载传感器和北斗定位***中获取无人艇当前的航行信息,经滤波处理后,读取船舶的航行位置和航速,方向,加速度,并规定航行的起点和终点;
步骤S2:采用改进的果蝇优化算法完成全局最优路径规划;
在可视图法建立的障碍物环境模型中,包含可视点坐标和可视边的数据集;则全局最优路径的规划问题就被转化为通过改进的果蝇优化算法搜索从无人艇航行的起点经过可视边到航行目标点的最短路径的问题;
步骤S3:建立动态障碍物的环境模型;
海上移动的障碍物为过往船只,通过雷达等设备获取海上移动的障碍船只的运动信息,包括移动障碍船只的移动位置,方向,速度,加速度;将移动障碍船只“膨胀”化为圆;从船载传感器和北斗定位***中获取无人艇当前的航行信息,经滤波处理后,读取船舶的航行位置和航速,艏向,加速度,设定需要采取避障的判断条件,当无人艇和运动障碍船只之间满足避障条件时,无人艇切换至主动局部避障模式;
步骤S4:采用改进的动态窗口法躲避移动障碍物船只;
无人艇在主动局部避障模式下,由改进的动态窗口法根据轨迹预测轨迹评价函数从无人艇可行速度窗口和回转速度窗口中选出下一时刻无人艇航行的最优速度和回转速度,进而躲避障碍船只,在完成躲避移动障碍船只时,再切换至全局最优路径上,向终点航行。
4.根据权利要求1所述的一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法,其特征在于:以无人艇的几何中心O点为原点建立相对坐标系,Vusv为无人艇航速,Vobs为移动障碍船只的航速,Vusv-obs=Vusv-Vobs表示二者的矢量差;延长Vusv-obs,如果与膨胀圆有交点,则需要切换至避障模式,若没有交点则沿最优全局路径航行。
5.根据权利要求1所述的一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法,其特征在于:在避障模式下,使用无人艇船载雷达实时监测与障碍船只的位置,当无人艇的船尾与障碍船只平行或超前时结束避障;避障结束,切换至全局最优路径下继续向终点航行。
7.根据权利要求1所述的一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法,其特征在于:采用模糊的方法动态调整轨迹评价函数中的权重参数,轨迹评价评价函数如下式:G(v,ω)=σ(a·normalize(heading(v,r))+b·normalize(dist(v,r))+c·normalize(velocity(v,r))),其中heading(v,r),dist(v,r),velocity(v,r)分别代表无人艇预设轨迹中的方位角评价函数,距离评价函数,速度评价函数,a,b,c为三个评价函数的权重因子,σ为设定常值,normalize表示将三个评价函数做归一化处理;将无人艇与障碍船只的距离d和Vusv-obs与OA的夹角β作为输入,其中A点为障碍船膨胀后的圆的几何中心,将a,b,c的作为输出建立模糊控制器,动态调整a,b,c的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010396241.8A CN111580518B (zh) | 2020-05-12 | 2020-05-12 | 一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010396241.8A CN111580518B (zh) | 2020-05-12 | 2020-05-12 | 一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111580518A true CN111580518A (zh) | 2020-08-25 |
CN111580518B CN111580518B (zh) | 2022-08-02 |
Family
ID=72113488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010396241.8A Active CN111580518B (zh) | 2020-05-12 | 2020-05-12 | 一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111580518B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462766A (zh) * | 2020-11-23 | 2021-03-09 | 江苏科技大学 | 一种用于无人船自主避障的装置及方法 |
CN112462786A (zh) * | 2020-12-03 | 2021-03-09 | 大连海事大学 | 一种基于模糊控制策略双窗口算法的无人艇避碰方法 |
CN112731944A (zh) * | 2021-01-15 | 2021-04-30 | 同济大学 | 一种无人驾驶压路机自主避障方法 |
CN113110424A (zh) * | 2021-03-26 | 2021-07-13 | 大连海事大学 | 一种基于海图信息的无人艇避碰方法 |
CN113625720A (zh) * | 2021-08-19 | 2021-11-09 | 中国舰船研究设计中心 | 一种无人艇自主航行控制算法仿真评估*** |
CN114281083A (zh) * | 2021-12-28 | 2022-04-05 | 江苏大学 | 一种基于混合路径规划自主导航的无人船水质监测物联网控制***及方法 |
CN114839968A (zh) * | 2022-04-01 | 2022-08-02 | 哈尔滨工程大学 | 一种水面无人艇路径规划方法 |
CN118050728A (zh) * | 2024-04-16 | 2024-05-17 | 中国水利水电第十四工程局有限公司 | 一种用于航道安全监控的目标获取方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416152A (zh) * | 2018-03-18 | 2018-08-17 | 哈尔滨工程大学 | 基于电子海图的无人艇蚁群能耗最优全局路径规划方法 |
CN108664020A (zh) * | 2018-04-11 | 2018-10-16 | 上海大学 | 一种基于速度障碍法和动态窗口法的无人艇动态避障算法 |
US20190094866A1 (en) * | 2017-09-22 | 2019-03-28 | Locus Robotics Corporation | Dynamic window approach using optimal reciprocal collision avoidance cost-critic |
CN110032184A (zh) * | 2019-03-12 | 2019-07-19 | 哈尔滨工程大学 | 一种基于遗传与滑动窗口法的水上无人艇避碰方法 |
CN110083159A (zh) * | 2019-05-14 | 2019-08-02 | 江苏科技大学 | 基于sbg和动态窗口约束的无人船自主动态避碰方法 |
CN110609559A (zh) * | 2019-10-25 | 2019-12-24 | 江苏恒澄交科信息科技股份有限公司 | 用于无人船路径跟随和避障的改进dwa动态窗口法 |
CN110802601A (zh) * | 2019-11-29 | 2020-02-18 | 北京理工大学 | 一种基于果蝇优化算法的机器人路径规划方法 |
-
2020
- 2020-05-12 CN CN202010396241.8A patent/CN111580518B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190094866A1 (en) * | 2017-09-22 | 2019-03-28 | Locus Robotics Corporation | Dynamic window approach using optimal reciprocal collision avoidance cost-critic |
CN108416152A (zh) * | 2018-03-18 | 2018-08-17 | 哈尔滨工程大学 | 基于电子海图的无人艇蚁群能耗最优全局路径规划方法 |
CN108664020A (zh) * | 2018-04-11 | 2018-10-16 | 上海大学 | 一种基于速度障碍法和动态窗口法的无人艇动态避障算法 |
CN110032184A (zh) * | 2019-03-12 | 2019-07-19 | 哈尔滨工程大学 | 一种基于遗传与滑动窗口法的水上无人艇避碰方法 |
CN110083159A (zh) * | 2019-05-14 | 2019-08-02 | 江苏科技大学 | 基于sbg和动态窗口约束的无人船自主动态避碰方法 |
CN110609559A (zh) * | 2019-10-25 | 2019-12-24 | 江苏恒澄交科信息科技股份有限公司 | 用于无人船路径跟随和避障的改进dwa动态窗口法 |
CN110802601A (zh) * | 2019-11-29 | 2020-02-18 | 北京理工大学 | 一种基于果蝇优化算法的机器人路径规划方法 |
Non-Patent Citations (7)
Title |
---|
FUGUANG DING等: "Energy-efficient Path Planning and Control", 《OCEANS 2018 MTS/IEEE CHARLESTON》 * |
向祖权等: "基于粒子群优化算法的水面无人艇分层局部路径规划", 《武汉理工大学学报》 * |
吴博: "基于操纵运动特性的海事无人艇自主避碰算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
张洋洋等: "基于速度障碍法和动态窗口法的无人水面艇动态避障", 《上海大学学报(自然科学版)》 * |
袁盼盼: "基于改进果蝇算法的多机器人路径规划", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
郭峰: "小型USV高速运动条件下避碰规划方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
银长伟: "基于萤火虫算法和动态窗口法的移动机器人混合路径规划", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462766A (zh) * | 2020-11-23 | 2021-03-09 | 江苏科技大学 | 一种用于无人船自主避障的装置及方法 |
CN112462786A (zh) * | 2020-12-03 | 2021-03-09 | 大连海事大学 | 一种基于模糊控制策略双窗口算法的无人艇避碰方法 |
CN112462786B (zh) * | 2020-12-03 | 2024-01-19 | 大连海事大学 | 一种基于模糊控制策略双窗口算法的无人艇避碰方法 |
CN112731944A (zh) * | 2021-01-15 | 2021-04-30 | 同济大学 | 一种无人驾驶压路机自主避障方法 |
CN113110424A (zh) * | 2021-03-26 | 2021-07-13 | 大连海事大学 | 一种基于海图信息的无人艇避碰方法 |
CN113625720A (zh) * | 2021-08-19 | 2021-11-09 | 中国舰船研究设计中心 | 一种无人艇自主航行控制算法仿真评估*** |
CN113625720B (zh) * | 2021-08-19 | 2024-05-10 | 中国舰船研究设计中心 | 一种无人艇自主航行控制算法仿真评估*** |
CN114281083A (zh) * | 2021-12-28 | 2022-04-05 | 江苏大学 | 一种基于混合路径规划自主导航的无人船水质监测物联网控制***及方法 |
CN114281083B (zh) * | 2021-12-28 | 2024-05-14 | 江苏大学 | 一种基于混合路径规划自主导航的无人船水质监测物联网控制***及方法 |
CN114839968A (zh) * | 2022-04-01 | 2022-08-02 | 哈尔滨工程大学 | 一种水面无人艇路径规划方法 |
CN118050728A (zh) * | 2024-04-16 | 2024-05-17 | 中国水利水电第十四工程局有限公司 | 一种用于航道安全监控的目标获取方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111580518B (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111580518B (zh) | 一种基于改进果蝇优化和动态窗口法的无人艇分层避障方法 | |
CN108564202B (zh) | 一种基于环境预报信息的无人艇航线优化方法 | |
Singh et al. | A constrained A* approach towards optimal path planning for an unmanned surface vehicle in a maritime environment containing dynamic obstacles and ocean currents | |
CN108445879B (zh) | 一种基于预测碰撞危险区域的无人艇避障方法 | |
CN107168335B (zh) | 一种考虑混合多目标避障的水面无人艇路径跟踪制导方法 | |
TWI714040B (zh) | 船舶導航系統及其導航方法 | |
CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
WO2021230356A1 (ja) | 船舶の自動誘導方法、船舶の自動誘導プログラム、船舶の自動誘導システム、及び船舶 | |
CN109737970B (zh) | 一种基于改进rrt算法的水面无人艇路径规划方法 | |
CN109960262B (zh) | 一种基于几何法的无人艇动态避障方法和*** | |
CN110837255B (zh) | 一种适用于高速水面无人艇的自主危险规避方法 | |
CN113885534B (zh) | 一种基于智能预测控制的水面无人船路径跟踪方法 | |
CN111045453A (zh) | 一种基于无人艇与多水下机器人的协同控制***及方法 | |
JP6882243B2 (ja) | 避航支援装置 | |
Song et al. | Method of emergency collision avoidance for unmanned surface vehicle (USV) based on motion ability database | |
CN114088094A (zh) | 一种无人艇的智能航路规划方法及*** | |
Wu et al. | Multi-vessels collision avoidance strategy for autonomous surface vehicles based on genetic algorithm in congested port environment | |
CN114610046A (zh) | 一种考虑动态水深的无人艇动态安全轨迹规划方法 | |
Hinostroza et al. | Experimental and numerical simulations of zig-zag manoeuvres of a self-running ship model | |
Ennong et al. | Design and experiment of a sea-air heterogeneous unmanned collaborative system for rapid inspection tasks at sea | |
CN116610122A (zh) | 一种稳定航速的无人艇路径跟踪方法及无人艇 | |
CN110928278A (zh) | 一种用于无人艇的自主安全航行方法和无人艇 | |
Bykova et al. | Safe navigation algorithm for autonomous underwater vehicles | |
CN111984006B (zh) | 融合海流及尺度差异影响的无人艇多目标会遇避碰方法 | |
CN114035574A (zh) | 水面无人艇自主避障方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |