基于改进RRT算法的AUV路径规划方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115390568A(43)申请公布日2022.11.25(21)申请号202211129260.X(22)申请日2022.09.16(71)申请人哈尔滨工程大学地址150001黑龙江省哈尔滨市南岗区南通大街145号(72)发明人张宏瀚王亚博李娟卢家振严浙平(74)专利代理机构哈尔滨市松花江专利商标事务所23109专利代理师张换男(51)Int.Cl.G05D1/02(2020.01)权利要求书2页说明书5页附图5页(54)发明名称基于改进RRT算法的AUV路径规划方法(57)摘要基于改进RRT算法的AUV路径规划方法，具体涉及一种基于改进RRT算法的近海巡检型自主水下航行器AUV路径规划方法，为解决自主水下航行器在近海复杂环境中采用RRT算法进行路径规划时，存在搜索盲目性、收敛速度慢以及计算开销大的问题，它包括初始化各参数,设置自主水下航行器的起点，终点；根据设置的起点，终点建立采样空间，在采样空间中获得一个采样点；根据采样点利用自适应采样策略在地图空间中得到新采样点；在随机树空间内计算所有节点与新采样点的距离，得到距离新采样点最近的点，将点朝向新采样点的矢量方向作为拓展方向，结合初始化的拓展步长对随机树进行拓展。属于路径规划领域。CN115390568ACN115390568A权利要求书1/2页1.基于改进RRT算法的AUV路径规划方法，其特征在于：它包括以下步骤：S1、初始化自适应比例因子、随机树空间、拓展步长、自主水下航行器的地图空间,并设置自主水下航行器的起点，终点；S2、根据设置的起点，终点建立采样空间，在采样空间中获得一个采样点xrand；S3、根据采样点xrand利用自适应采样策略在地图空间中得到新采样点xrand'；S4、在随机树空间内计算所有节点与新采样点xrand'的距离，得到距离新采样点xrand'最近的点xnear′，将点xnear′朝向新采样点xrand'的矢量方向作为拓展方向，结合初始化的拓展步长对随机树进行拓展；a、若拓展成功，对成功总次数和失败总次数进行处理，再判断拓展节点是否为终点，若拓展节点不是终点，则更新自适应比例因子，执行S2‑S4；否则，完成路径规划；b、若拓展失败，则利用转向策略再次进行拓展，判断拓展是否成功，若拓展成功，则执行a，否则，对成功总次数以及失败总次数进行处理，再使用采样点重选策略重新进行拓展，若此次拓展成功，则执行a中的判断拓展节点是否为终点，否则，放弃此次拓展，执行S2‑S4，直至得到路径。2.根据权利要求1中所述的基于改进RRT算法的AUV路径规划方法，其特征在于：所述自适应采样策略是将采样点和终点的距离与自适应比例因子相乘，得到结果,根据采样点朝向终点的方向和得到的结果移动采样点，得到新采样点。3.根据权利要求2中所述的基于改进RRT算法的AUV路径规划方法，其特征在于：所述S3中根据采样点xrand利用自适应采样策略在地图空间中得到新采样点xrand'，具体过程为：其中，p表示自适应比例因子；d表示采样点xrand和终点xgoal的距离。4.根据权利要求3中所述的基于改进RRT算法的AUV路径规划方法，其特征在于：对成功总次数和失败总次数进行处理，具体过程为：当拓展成功时，n′success＝nsuccess+1，n′fail＝χ×nfail；当拓展失败时，n′success＝δ×nsuccess，n′fail＝nfail+1；其中，nsuccess表示成功总次数；nfail表示失败总次数；χ、δ均为系数。5.根据权利要求4中所述的基于改进RRT算法的AUV路径规划方法，其特征在于：所述更新自适应比例因子：其中，p∈[0,1]；pi表示当前的自适应比例因子，p0∈pi；α表示成功拓展情况下的系数；β表示失败拓展情况下的系数；n′success表示处理后的成功总次数；n′fail表示处理后的失败总次数。6.根据权利要求5中所述的基于改进RRT算法的AUV路径规划方法，其特征在于：所述b中若拓展失败，则利用转向策略再次进行拓展，判断拓展是否成功，若拓展成功，则执行a，否则，对成功总次数以及失败总次数进行处理，再使用采样点重选策略重新进行拓展，若此2CN115390568A权利要求书2/2页次拓展成功，则执行a中的判断拓展节点是否为终点，否则，放弃此次拓展，执行S2‑S4，具体过程为：以采样点和随机树空间中距离采样点最近的点的连线方向为轴线，向周围辐射出一个扇形区域，在所述扇形区域内以角度为间隔，得到多条路径，将多条路径中与所述轴线夹角最小的无碰路径作为拓展路径，再判断拓展是否成功，若拓展成功，则执行a，若不存在无碰路径，则定义拓展失败，对成功总次数以及失败总次数进行处理，再使用采样点重选策略重新进行拓