无人水下自主航行器(AUV)避碰研究

内蒙古大学硕士论文无人水下自主航行器（ＡＵＶ）避碰研究摘要２１世纪以来，人类对海洋的研究达到了一个新的阶段。随着陆地资源的日益缩减、全球变暖和海洋军事力量多元化发展，世界各国把更多的目光投向了海洋，水下设备的研究也随之增加。其中，无人水下自主航行器（ＡＵｖ）研究进展尤为突出，在海洋科学研究、开发和军事应用等方面得到了应用。由于海底地形的复杂性和海洋因素的不确定性，ＡＵＶ本身的安全问题，即如何躲避障碍物，是开展ＡＵＶ工作的一个重要问题。本文的核心是设计ＡＵＶ的避碰算法。首先，介绍ＡＵＶ的分类、现状和在海洋研究、开发和军事活动中的应用，介绍了路径规划和实时避碰控制研究现状。接着，利用分层遗传算法，给出路径规划。其中把环境模型设置成一个１６ｘ１６的网格正方形，每个网格边长为１，网格中存在一些障碍物，有两种形式：仿真漂浮和沉船障碍物。对于两种障碍物形式，利用分层遗传算法，分别给出了从起点到终点但不能穿越障碍物的最优避碰路径。然后，建立二维垂直平面内ＡＵＶ“ＲＥＭＵＳ”状态控制方程，在其中加入海流效应，状态量包括垂直相对速度、俯仰角速度、俯仰角、深度。控制算法是基于李亚普诺夫二次型最优化的反馈控制算法，并设置了前视声呐海底仿真信息。实时避碰控制算法包括两方面内容：实时避碰算内蒙古大学硕士论文法和控制算法。在离散时间系统中，初始化ＡＵＶ状态，在每一个仿真时间节点，在实时避碰算法中，根据前视声呐探测窗口内海底仿真信息，计算得到下一时刻深度输入值，即深度目标值，当没有障碍物的情况下，确保深度输入为海底之上３ｍ，当发现障碍物的情况下，ＡＩＮ的深度输入随障碍物高度提前变化，确保ＡＵＶ与障碍物之间最小距离为３ｍ；在控制部分中，把上一时刻状态量作为下一时刻状态初始量，对该深度输入值进行响应，不断循环得到仿真所有时刻的状态量。对不同海流情况下矩形和不规则障碍物，利用三种深度输入形式，进行了避碰仿真。仿真结果表明：不同深度输入形式，对于不同障碍物的避碰效果不同，对于不规则多障碍物，选择适合深度输入形式，进行了仿真，能够达到避碰目的。最后，结合路径规划和实时避碰控制两方面内容。当没有新的障碍物出现或障碍物高度小于原来路径规划中的已知障碍物时，ＡＵＶ追踪规划路径，即把路径规划深度作为深度输入，最优化控制算法对其进行响应；当出现新的障碍物且其高度大于路径规划中的已知障碍物时，实时避碰控制算法开始运行，给出新的深度输入，ＡＵＶ对其进行响应，避开障碍物后，ＡＵＶ重新追踪原来的规划路径。通过四种仿真情况，可以看出结合路径规划的实时避碰控制算法，对于周围障碍物信息不完全清楚的情况下，能够保证ＡＵＶ的安全。关键词：无入水下自主航行器，路径规划，实时避碰控制ｎ内蒙古大学硕士论文ＯＢＳＴＡＣＬＥＡＶＯＩＤＡＮＣＥＯＦＡＵＴＯＮＯＭＯＵＳＵＮＤＥＲＷｒＡＴＥＲＶＥＨＩＣＬＥＡＢＳＴＲＡＣＴＳｉｎｃｅｔｈｅ２１ｓｔｃｅｎｔｕｒｙ，ｔｈｅｒｅｓｅａｒｃｈｏｆｏｃｅａｎｂｙｈｕｍａｎｈａｓｒｅａｃｈｅｄａｎｅｗｐｅｄｏｄ．ｄｉｖｅｒｓｉｔｙｔｈｅＷｉｔｈｉｎｃｒｅａｓｉｎｇｒｅｄｕｃｔｉｏｎｏｆｅａｒｔｈｒｅｓｏｕｒｃｅ，ｇｌｏｂａｌｗａｒｍｉｎｇａｎｄｄｅｖｅｌｏｐｍｅｎｔｏｆｎａｖａｌｆｏｒｃｅ，ｍｏｒｅａｎｄｍｏｒｅａｔｔｅｎｔｉｏｎｓｈａｖｅｂｅｅｎｐａｉｄｔｏｏｃｅａｎ，ｓｏｒｅｓｅａｒｃｈｏｆｕｎｄｅｒｗａｔｅｒｖｅｈｉｃｌｅｈａｓｉｎｃｒｅａｓｅｄ．Ａｕｔｏｎｏｍｏｕｓｕｎｄｅｒｗａｔｅｒｖｅｈｉｃｌｅ’ｓｄｅｖｅｌｏｐｍｅｎｔｉｓｏｕｔｓｔａｎｄｉｎｇ，ｗｈｉｃｈｉｓｕｓｅｄｉｎｏｃｅａｎｉｃｓｃｉｅｎｃｅｒｅｓｅａｒｃｈ，ｅｘｐｌｏｒａｔｉｏｎａｎｄｎａｖａｌａｃｔｉｖｉｔｙ．ＦｏｒｔｈｅｃｏｍｐｌｅｘｉｔｙｏｆｓｅａｂｏＲｏｍａｎｄｔｈｅｕｎｃｅｒｔａｉｎｔｙｏｆｏｃｅａｎｉｃｅｎｖｉｒｏｎｍｅｎｔ，ｔｈｅｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｏｆＡＵＶｂｅｃｏｍｅｓａｆｏｃｕｓｐｒｏｂｌｅｍ．Ｈｏｗｔｏｄｅｓｉｇｎｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅａｌｇｏｒｉｔｈｍｉｓｍｙｗｏｒｋ’Ｓｃｏｒｅ．Ｆｉｒｓｔｌｙ，ｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｄｅｖｅｌｏｐｍｅｎｔａｎｄａｐｐｌｉｃａｔｉｏｎｏｆＡＵＶａｒｅｉｎｔｒｏｄｕｃｅｄ，ａｎｄｐａｔｈｐｌａｎｎｉｎｇａｎｄｒｅａｌｔｉｍｅｃｏｎｔｒｏｌｏｆｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅａｒｅｐｒｅｓｅｎｔｅｄ．Ｓｅｃｏｎｄｌｙ，ｐａｔｈｐｌａｎｎｉｎｇｓｅｔｂｙｉｓａｃｈｉｅｖｅｄｂｙｌａｙｅｒｅｄＸｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ．Ｔｈｅｅｎｖｉｒｏｎｍｅｎｔｍｏｄｅｌｉｓｔｈｅｇｒｉｄｓｑｕａｒｅｏｆ１６１６，ｗｈｏｓｅｌｅｎｇｔｈｉｓ１．Ｔｗｏｏｂｓｔａｃｌｅｆｏｒｍｓａｒｅｕｓｅｄｔｏｓｉｍｕｌａｔｅｆｌｏａｔａｎｄｗｒｅｃｋｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅｐａｔｈｆｒｏｍｓｔａｒｔｐｏｍｔｏｅｎｄｐｏｉｎｔｉｓｃａｌｃｕｌａｔｅｄｆｏｒｔｈｅｔｗｏｏｂｓｔａｃｌｅｆｏｒｍｓ．ｍ内蒙古大学硕士论文Ｔｈｉｒｄｌｙ，ａｎｅｓｔａｔｅｃｏｎｔｒｏｌｅｑｕａｔｉｏｎｐｌａｎｅｉｓｃｏｎｓｔｒｕｃｔｅｄ，ｗｈｉｃｈｒｅｌａｔｉｖｅｖｅｌｏｃｉｔｙｉｎｏｆ‘＇ＲＥＭＵＳ’’ｉｎｔｗｏ—ｄｉｍｅｎｓｉｏｎｓｅａｐｅｒｐｅｎｄｉｃｕｌａｒｃｏｎｔａｉｎｓｆｌｏｗｆａｃｔｏｒ．Ｔｈｅｅｓｔａｔｅｖａｒｉａｂｌｅｓｉｎｃｌｕｄｅｏｆｐｉｔｃｈ，ｐｉｔｃｈｐｅｒｐｅｎｄｉｃｕｌａｒｉｔｙ，ａｎｇｕｌａｒｖｅｌｏｃｉｔｙａｎｇｌｅａｎｄｄｅｐｔｈ．Ｌｙａｐｕｎｏｖｔｗｏｑｕａｄｒａｔｉｃｆｏｒｍｏｐｔｉｍｉｚａｔｉｏｎｆｅｅｄｂａｃｋｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｒｎｉｓｃｈｏｓｅｎａｎｄｆｏｒｗａｒｄ·ｌｏｏｋｓｏｎａｒｓｉｍｕｌａｔｉｏｎｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｍｏｆｏｂｓｔａｃｌｅｆｏｒｍａｔｉｏｎｏｆｓｅａｂｏｔｔｏｍｉｓｄｅｓｉｇｎｅｄ．Ｔｈｅｒｅａｌｔｉｍｅｒｅａｌａｖｏｉｄａｎｃｅｃｏｎｔａｉｎｓｔｉｍｅｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｔｈｅｒｅａｌａｌｇｏｒｉｔｈｍａｎｄｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｍ，ｗｈｉｃｈａｌｅｂｏｔｈｄｅｓｉｇｎｅｄｉｎｄｉｓｃｒｅｔｅｔｉｍｅ．Ｉｎｔｉｍｅｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅａｌｇｏｒｉｔｈｍ，ｔｈｅｄｅｐｔｈｉｎｐｕｔｏｆｎｅｘｔｍｏｍｅｎｔｉｓｃａｌｃｕｌａｔｅｄｂｙｓｅａｆｏｒｗａｒｄ－ｌｏｏｋｓｏｎａｒｓｉｍｕｌａｔｉｏｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｒｅｉｓｎｏｂｏｔｔｏｍｉｎｅｖｅｒｙｄｉｓｃｒｅｔｅｔｉｍｅｓｔｅｐ．Ｉｆａｂｏｖｅｓｅａｏｂｓｔａｃｌｅ，ｔｈｅｄｅｐｔｈｉｎｐｕｔｉｓｓｅｔｓｅｔａｌｏｎｇａｓｂｏｔｔｏｍ３ｍ．ｉｆｔｈｅｒｅａｒｅａｓｓｕｒｅｓｏｂｓｔａｃｌｅｓ，ｔｈｅｄｅｐｔｈｉｎｐｕｔｈａｓｂｅｅｎｍｉｎｉｍｕｍｄｉｓｔａｎｃｅｗｉｔｈｏｂｓｔａｃｌｅｈｅｉｇｈｔｗｈｉｃｈｉｓ３ｔｈｅｂｅｔｗｅｅｎＡＵＶａｎｄｏｂｓｔａｃｌｅｍ．Ｉｎｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｍ，ｔｈｅｅｓｔａｔｅｖａｒｉａｂｌｅｓｏｆｔｈｅｆｏｒｗａｒｄｍｏｍｅｎｔａｒｅｕｓｅｄ弱ｔｈｅｉｎｉｔｉａｌｅｓｔａｔｅｖａｒｉａｂｌｅｓｏｆｎｅｘｔｍｏｍｅｎｔ，ａｎｄｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｆｅｅｄｂａｃｋｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｍｒｅｓｐｏｎｄｓｔｈｅｄｅｐｔｈｉｎｐｕｔ．Ｓｏｔｈｅｅｓｔａｔｅｖａｒｉａｂｌｅｓｏｆａｌｌｓｉｍｕｌａｔｉｏｎｔｉｍｅｗｉｌｌｂｅａｃｑｕｉｒｅｄ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｒｅｅｄｅｐｔｈｉｎｐｕｔｄｉｆｆｅｒｅｎｔｆｏｒｍｓ，ｔｈｅｓｉｍｕｌａｔｉｏｎｓａｒｅｄｏｎｅｆｏｒｒｅｃｔａｎｇｌｅａｎｄａｂｎｏｒｍｉｔｙａｖｏｉｄａｎｃｅｏｂｓｔａｃｌｅｓｉｎｒｅｓｕｌｔｓａｒｅｓｅａｆｌｏｗ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｏｂｓｔａｃｌｅｄｉｆｆｅｒｅｎｔｆｏｒｄｉｆｆｅｒｅｎｔｄｅｐｔｈｉｎｐｕｔｆｏｒｍｓ；ｔｈｅｄｅｐｔｈｉｎｐｕｔｉｓｃｈｏｓｅｎｓｕｉｔａｂｌｙｆｏｒａｂｎｏｒｍｉｔｙｏｂｓｔａｃｌｅｓ，ａｎｄｔｈｅｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅａｎｄｒｅａｌｔｉｍｅｃｏｎｔｒｏｌｆｏｒｏｒｒｅｓｕｌｔｉｓｓａｔｉｓｆｙｉｎｇ．ｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅａｒｅｉｎｔｅｇｒａｔｅｄ．ＩｆＬａＳｔ，ｐａｔｈｐｌａｎｎｉｎｇｔｈｅｒｅｉｓｎｏｎｅｗｏｂｓｔａｃｌｅｔｈｅｈｅｉｇｈｔｏｆｎｅｗｏｂｓｔａｃｌｅｉｓｌｅｓｓｔｈａｎｔｈｅｋｎｏｗｎｏｂｓｔａｃｌｅｉｎｐａｔｈｐｌａｎｎｉｎｇ，ＡＵＶｗｉｌｌｔｒａｃｋｔｈｅｐｌａｎｎｉｎｇｐａｔｈ，ｔｈａｔｉｓｔｈｅｐａｔｈｐｌａｎｎｉｎｇｄｅｐｔｈｉｓＩＶ内蒙古大学硕士论文ｕｓｅｄａｓｄｅｐｔｈｉｎｐｕｔ，ａｎｄｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｆｅｅｄｂａｃｋｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｍｗｉｌｌｒｅｓｐｏｎｄｓｔｈｅｄｅｐｔｈｉｎｐｕｔ．Ｉｆｔｈｅｒｅｉｓａｎｅｗｏｂｓｔａｃｌｅａｎｄｉｔｓｈｅｉｇｈｔｉｓｍｏｒｅｔｈａｎｔｈｅｋｎｏｗｎｏｂｓｔａｃｌｅｉｎｐａｔｈｐｌａｎｎｉｎｇ，ｔｈｅｒｅａｌｔｉｍｅｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｍｏｆｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｗｉｌｌｓｔａｒｔｓ．Ａｆｔｅｒｔｈｅｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅ，ＡＵＶｓｔｉｌｌｓｔａｒｔｔｏｔｒａｃｔｔｈｅｐｌａｎｎｉｎｇｐａｔｈ．Ｆｒｏｍｆｏｕｒｓｉｍｕｌａｔｉｏｎｓ，ｗｅｃａｎｉｎｆｅｒｔｈａｔｔｈｅｓａｆｅｔｙｏｆＡＵＶＣａｎｂｅａｓｓｕｒｅｄｂｙｔｈｅａｌｇｏｒｉｔｈｍｉｎｔｅｇｒａｔｅｄｂｙｐａｔｈｐｌａｎｎｉｎｇａｎｄｒｅａｌｔｉｍｅｃｏｎｔｒｏｌｆｏｒｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｉｎｔｈｅｃｏｎｄｉｔｉｏｎｏｆｕｎｃｅｒｔａｉｎｅｎｖｉｒｏｎｍｅｎｔ．ＫＥＹＷＯＲＤＳ：ａｕｔｏｎｏｍｏｕｓｕｎｄｅｒｗａｔｅｒｖｅｈｉｃｌｅ，ｐａｔｈｐｌａｎｎｉｎｇ，ｒｅａｌｔｉｍｅｃｏｎｔｒｏｌｏｆＶ内蒙古大学硕士论文独创性声明本人声明：所呈交的学位论文是本人在导师的指导下进行的研究工作及取得的研究成果。除本文已经注明引用的内容外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得内蒙古大学及其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确地说明并表示了谢意。学位论文作者签名：』垒！垒才指导教师签名：Ｅｔ期：塑堡么：２在学期间研究成果使用承诺书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：内蒙古大学有权将学位论文的全部内容或部分保留并向国家有关机构、部门送交学位论文的复印件和磁盘，允许编入有关数据库进行检索，也可以采用影印、缩印或其他复制手段保存、汇编学位论文。为保护学院和导师的知识产权，作者在学期间取得的研究成果属于内蒙古大学。作者今后使用涉及在学期间主要研究内容或研究成果，须征得内蒙古大学就读期间导师的同意：若用于发表论文，版权单位必须署名为内蒙古大学方可投稿或公开发表。学位论文作者签名：ｚ坌！垒互指导教师签名：日期：内蒙古大学硕士论文引言古希腊海洋学家狄末斯托克曾预言”谁控制了海洋，谁就控制了一切¨。海洋的总面积为３．６ｘ１０‘平方公里，是陆地面积的２．５倍，是人类生存环境的重要组成部分，并且蕴含着各种丰富的自然资源。海洋能源、资源的开发与利用、海气相互作用、海洋环境与生态的研究是人类维持自身的生存与发展，拓展生存空间，充分利用地球上这块资源丰富的宝地的最为切实可行的途径。海洋研究与开发，需要获取大范围、精确的海洋环境数据，需要进行海底勘探、取样分析和水下施工等。要完成上述任务，需要一系列的海洋开发支撑技术，包括深海探测、深潜、海洋遥感、海洋导航等。各种水下无人探测仪器，也随之蓬勃发展。其中，ＡＵＶ（ＡｕｔｏｎｏｍｏｕｓＵｎｄｅｒｗａｔｅｒＶｅｈｉｃｌｅ，无入水下自主航行器）一直扮演着重要的角色，在海洋监测、海洋科学研究、海底制图、海底电缆铺设等方面展露身影．近几年，以反恐为主题的项目不断增加。沿海国家已经把港口安全纳入反恐领域的重要议题，也使得ＡＵＶ的应用成为未来海军发展的一个新方向．美国海军在２００５年颁布了其海军“无人潜航器总体规划＂，其中涵盖了无人潜航器的九个优先可执行任务，包括反水雷、反潜、海洋学等等，很大程度上促进ＡＵＶ的发展。ＡＵＶ不同于陆地运动平台，海底地形的复杂性和海洋因素的不确定性，给ＡＵＶ的控制和安全问题带来了困难。海底地形起伏、珊瑚礁高度变化和失事沉船等障碍物使得ＡＵＶ的躲避碰撞问题尤为突出。现阶段ＡＵＶ的避碰问题，主要有两个方面的研究，一是ＡＵＶ的路径规划，是运动学问题，是指如何根据已知障碍物信息对Ａ１Ⅳ运动路径进行最优化；国内外经过多年发展，大致有五种路径规划方法：人工势场法、Ｄ＊／Ａ＊算法、遗传算法、模糊避碰方法和神经网络方法。二是在ＡＵＶ的实际避碰中，考虑ＡＵＶ的水动力性能，把避碰问题看成是一个动力学问题，对ＡＵＶ进行建模，对于出现的未知障碍物，根据实时传感器信息对ＡＵＶ进行轨迹调整，是一种接近技术层面研究方向，可以称之为实时避碰。国内ｐⅣＶ起步于２０世纪９０年代，在避碰问题，尤其是路径规划方面开展了很内蒙古大学硕士论文多工作。其中比较突出的是哈尔滨工程大学动力与核能工程学院，利用专家系统、遗传算法、模糊控制、智能决策和部分可观马氏决策等方法（１】．嘲，在ＡＵＶ环境模型建立和静态、动态路径规划及避碰仿真方面取得了很好的效果。另外，中国科学院沈阳自动化研究所、哈尔滨工业大学和西北工业大学等单位，在路径规划方面也做了很多工作，在很大程度上为ＡＵＶ实际避碰提供了理论依据和实际应用的参考。而在国外，ＡＵＶ工作大约开始于２０世纪５０年代。在避碰算法方面，与国内重点发展路径规划算法不同，国外多数工作涉及ＡＵＶ实时避碰控制技术，起初很多工作只涉及水平面内的避碰控制［６１０３。在这些工作中，ＡＵＶ沿着一条特定的轨迹，当障碍物出现时，自动改变路径，躲避障碍物，然后回到初始规划路径上。近些年来比较突出的工作是针对伍兹霍尔海洋研究所研制的ＡＵＶ“ＲＥＭＵＳ”，从水平和垂直平面内，利用滑动模块控制，引入障碍物风险评价函数或从节省能量方面，设计避碰算法［８１１９］。无论对于ＡＬｌＹ的仿真和工程实现，路径规划和实时避碰控制这两方面内容都是不可缺少的。然而结合这两个方面内容的工作并不多，本文研究正是出于这个目的，在这两方面研究工作基础上，增加了第三部分内容：在追踪路径规划的基础上，对于新的未知障碍物实现实时避碰控制。路径规划是利用分层遗传算法得到的；实时避碰控制仿真模型采用了伍兹霍尔海洋研究所为美国海军研究生院设计的ＡＵＶ“ＲＥＭＵＳ＂，该ＡＵＶ带有侧面扫描声呐，能够获得下方和侧面的信息。在本文的仿真工作中，增加了前置声呐探测系统。文章主要内容如下：第一章主要介绍ＡＵＶ的分类、现状和在海洋研究开发与军事活动中的应用，介绍了路径规划和实时避碰控制研究现状。第二章建立环境模型，利用分层遗传算法，给出规划路径。第三章建立二维垂直平面内“ＲＥＭＵＳ＂状态控制方程，利用基于李亚普诺夫二次型最优化控制算法和前视声呐仿真海底信息，设计实时避碰控制算法。对不同海流情况下矩形和不规则障碍物进行了避碰仿真。第四章追踪分层遗传算法得到的规划路径，并在规划路径附近增加一些新的未知障碍物，利用该实时避碰控制算法给出仿真结果及分析。第五章是结论，总结全文结论，指出论文的不足之处和对将来研究工作的展望。２内蒙古大学硕士论文第一章＾ＵＶ介绍ＡＵＶ是一种预编程或依据实时传感器信息控制，并能够搭载多种传感器执行任务的无入水下自主航行器。现阶段ＡＵＶ工作模式大致是ＡＵＶ按预先编制的程序运行，并利用相关实时传感器信息不断修正ＡＵＶ轨迹，最后完成任务。ＡＵＶ的推进系统、姿态调整和各种传感器运行都是由其装载的微处理器控制。另外，有些情况下ＡＵＶ可以由外界利用声通讯设备加以跟踪和控制。但一般来说，ＡＵＶ的特点主要是指能够实现完全“自主”，不需要外界干扰而完成任务。受电池限制，ＡＵＶ续航能力一般在８．５０小时，运行速度变化范围为０．５．２．５ｍ／ｓ。ＡＵＶ搭载的传感器主要有ＣＴＤ（温度、盐度、深度传感器）、姿态传感器、多波束声呐或扫描声呐等传感器。另外，根据不同任务可以搭载磁力计、数字照相机和光学后向散射仪等传感器。这些传感器采集的数据将自动存储，任务结束后可下载利用。由于ＡＵＶ摆脱了缆绳束缚，使得近些年来各国竞相发展。当今世界各国如美国、英国、法国、意大利、俄罗斯、日本及瑞典等国，都已开发出许多类型ＡＵＶ，而且各自具有一定的技术优势，它们的身影出现在海洋科学研究、海洋开发和军事应用等领域．１．１ＡＵＶ应用情况１．１．１ＡＩ．ｒＶ的发展历史提到ＡＵＶ的起源，可以追溯到１９世纪鱼雷的研制和开发。现在所指的ＡＵＶ，其发展大致始于２０世纪６０年代，美国华盛顿大学应用物理实验室开发的一个水下自推进航行器，可以通过声学信号控制或设定在一定深度区间内自动上升下潜【ｌＯｌ。２０世纪８０年代阶段，ＡＵＶ被看作是“自治的ＲＯＶ（ＲｅｍｏｔｅｌｙＯｐｅｒａｔｅｄＶｅｈｉｃｌｅｓ，遥控潜器）＂．到了９０年代，ＡＵＶ有了很大的发展，可以称为真正意义上的“自主”，已经内景古大学硕士论文出现了２００多种不同类型ＡＵＶ，世界上几乎每一所大学的机器人和海洋学部门都涉足过这方面的工作。２１世纪，已经有很多商业化的ＡＵＶ，比如挪威康斯堡新拉德公司“Ｈｕｇｉｎ”系列（图１．１）．美国伍兹霍尔海洋研究所设计、海德罗伊德公司生产的“ＲＥＭＵＳ”（图ｌ２）等产品。国内Ａｕｖ研究起步于２０世纪９０年代．研究单位包括中科院沈阳自动化研究所和哈尔滨工程大学等单位．代表产品有“探索者”、“ＣＲ－０１”和“ＣＲ－０２”等等。田ＩＩ押威康斯堡·新拉德公司研制的“［１ｕｇｉｎＩＩ。田１．２伍圣霍术设计的“ＲＥｈｑＪＳ４ＦｉｇｌｌＨｕｇｈｌＩＩｏｆＮｏｒｗａｙＫｏｎｇｓｂｅｒｇＳｌｍｍｄＣｏＦｉｇ１．２ＲＥＭＵＳｏｆＷｏｏ＿ｄａＨｏｌｅＩ．Ｉ．２ＡＵＶ在海洋研究中的应用ＡＵＶ以其无缆、无人和自主等特点，在海洋研究中得到了广泛应用．作为水下载体，ＡＵＶ可以搭载许多类型用于海洋研究的传感器．包括ｃＴＤ（温度、深度和盐度传感器）、ＡＤＣＰ（声学多普勒剖面测流仪）、磁力计、水下照相机、荧光计、散射计和浊度计等等。海洋研究工作人员利用这些传感器数据，用于海洋基本要素分布、海底地壳变迁和海底矿藏、热液等研究。图ｌ３是美国伍兹霍尔海洋研究所研制的ＡＵＶ“ＡｕｔｏｎｏｍｏｕｓＢｅｎｔｈｉｃＥｘｐｌｏｒｅｒ（ＡＢＥ）”，最大下潜深度达４５００米，从１９９６年下水应用至今．已完成２００多次下潜任务，平均每次水下航行距离达１６千米，被用于对深海海底热渍活动区域和海底火山区域的定位、绘图和照相等科学研究。另外，地质学家利用“ＡＢＥ”海底磁力数据去理解地壳的演化【ｌ“。图Ｉ４是＿２００２年在北纬０。４８。西经８６。１３７附近区域的热液活动区域温度异常图，该“ＡＢＥ”航次由ＮＯＡＡＯＥ项目和伍兹霍尔海洋研究所支持．“ＡＢＥ”按预先设置在海底之上约４０ｍ运行【１“。内蒙古大学硕士论文‘…，■‘ｋ～，圉１Ｆｉ９１ｌ■［ｊ■【＝■●＝】■＝］■【】【带虻贮Ｅ一３伍营霍尔海洋研究所设计的。＾Ｂｒ３“ＡＢＥ＇ｏｆＷｏｏｄｓＨｏｌｅＦｉｇ图１４热液活动Ｅ域温度异常围４Ｔｈｅｔｅｍｐｅｒａｎａｅａｎｏｍａｌｌｅｓｏｆｈｙｄｒｏｔｈｅｒｍａｌｖｃｍｓｉｔｅｓ１．１．３ＡＵＶ在海洋开发中的应用现阶段促进ＡＵＶ研制的一个很重要的原因是对海底进行勘察构图以及海底探矿和海底铺设电缆等应用需求。下面给出ＡＵＶ在海洋开发中的三个Ａｕｖ应用例子。●“Ｈｕｇｉｎ“系列１９９８年６月，挪威海军研究中心利用ＡＵＶ“ＨｕｇｉｎＩＩ”给出带有珊瑚礁区域的海底图㈣，见图１５。其对海底构图是利用ＨｕｇｉｎＩＩ搭载的多波束回波仪（ＭＢＥ）来实现。Ｉｔｕｇｉｎ见表１１。ＩＩ是挪威康斯堡·新拉德公司研制的Ｈｕ出系列产品之一，其系列产品图１５珊瑚礁区域的海底图Ｆｉ９１５Ａｍａｐｏｆａｎａｉｅａｗｉｔｈｃｏｒａｌｒｅｄｓ袁１１８ｕｇｉｎ系列产品Ｔａｂｌｅｌ１Ｈｕｇｉｎｓｅｒｉ嚣ｐｒｏｄｕｃｔｓＨｕｇｉｎ系列最大下潜探度（ｍ）续航能力（ｈｏｗ）电池内蒙古大学硕士论文ＨｕｇｍＨｕｇｉｎＩＩＩ６００）１０００６００３０００６镶锈电池３６镍氢电池２４６０Ｈｕｇｉｎ１０００ｆｆｕｇｌｎ３０００●环境补偿聚台物锂电池燃料电池“ＳＥＡＯＴＴＥＲＭＫ２”勘探海底２００５年．在意大利斯培西亚港口，德国海军部门研制的“ＳＥＡＯＴＴＥＲＭＫ２”（见圈１．６）进行了海试，国ｌ７是经过处理后的多波束声呐（ＭＢＥ）海底图㈣。田１．６ｓＢ＾０ＴＴＢＲ皿２外形圉Ｆ培１．６ＴｎｃｆｉｗＪｒａｄｏｎ０ｆＳＥＡＯＴＴＥＲＭＫ２田１．７船Ｅ海底圉ＦｉｇＩ７ＴｈｅｈｔｍｍａｐｏｆＭＢＥ●“Ｔｈｅｓｅｕｓ”海底铺缩在１９９１～１９９６年之间，作为加拿大防御研究中心和美国海军中心的联合项目“三角帆（Ｓｐｉｎｎａｋｅｒ）”项目的一部分，由ＩｓＥ（ｉｎｔｅｒｎａｔｉｏｎａｌＳｕｂｍａｒｉｎｅＥｎｇｉｎｅｅｒｉｎｇ）有限公司设计并完成了ＡＵＶ“Ｔｈｅｓｅｕ３’’。在１９９６年春天，在加拿大北部靠近北极圈，开始执行铺设海底电缆的任务‘啊｛阍。在这次任务中，在３～１０ｍ冰下５０～６００ｍ深水中，成功地铺设了两根１９０Ｋｍ长的锆装光学电缆。在整个项目中，共铺设Ｔ３６５ｈｎ，使得此次称为讫夸为止Ａｕｖ单次执行距离最长的典范Ⅱ１１㈣。铺设电缆时，“Ｔｈｅｓｅｕｓ”靠近海底２０～５０ｍ深度运行．随着其内部电缆的不断铺设，＾吖的重力不断减小，为了保持其平衡状态，设计了一个自动浮力补偿装置．内蒙古大学硕士论文目１．８。Ｔｈｅｓｅｕｓ”错日Ｆｉｇｌ８ＴｈｅｒｅｆｅｎｍｃｅｆｉｇｕｒｅｏｆＴｈｅｓｅｕｓ１．１．４ＡＵＶ在军事方面的应用随着无人化军事装备在近代战争中不断得到实战检验，Ａｕｖ以其自带电源、无缆自主、航程长、高机动性等特点，将会在侦查监视、情报收集、跟踪与预警、通信中继与导航、反水雷和智能武器方面发挥重要作用㈣。在２００３年伊拉克战争中，海德罗伊德公司生产的ＡＵＶ“ＲＥＭＵＳ”，被美国海军用于反水雷侦查口“。附录ｌ给出了近些年国外军方购置ＡｕＶ列表信息洲。特别是最近几年，军方研制和订购ＡＵＶ情况，十分突出。２００７年海德罗伊德公司获得英皇家海军价值５５０万英镑的合同，为其提供侦察ＡＵｖ“ＲＥＭＵＳ６００”，将于２００９年服役【丑】；２００７年澳太利亚海军向海德罗伊德公司订购多艘“ＲＥＭＵＳ６００”删等等。相信在不久的将来，ＡＵＶ将在现代军事舞台上发挥着更重要的作用。圈１９伊拉克战争中用于豆水雷侦圭的＾ｕｖ“Ｆ，咖ＪＳ‘Ｆｉｇｌ９‘＇ＲＥＭＵＳ’’啦ｃｄ船ｃｏｒｒｌ＿ｍｅｎｃｅｄｍｉｎｅｃｏ岫船ｍ龃ｓｕｒ∞ｉｎＩｒａｑｉｏｎｆｌｉｃｔ内蒙古大学硕士论文１．２ＡｔＮ的避碰研究现状从前面的介绍可以看出，ＡＵＶ的作业深度范围变化很大，从几十米到几千米不等。在运行区域，复杂的海底地形、起伏的珊瑚礁和沉船残骸等障碍物，将会严重影响到ＡＵＶ的安全。那么，ＡＵＶ如何躲避障碍物，成为所有ＡＵＶ面临的一个难题，称之为避碰问题，见示意图１．１０。具体来说，分为两部分：对于障碍物完全已知的情况下，给出一条初始化路径，即路径规划；对于障碍物完全未知的情况下，利用传感器获得实时未知障碍物信息，不断调整ＡＵＶ运动轨迹，躲避障碍物。图１．１０避碰示意图Ｆｉ９１．１０Ｔｈｅｓｋｅｔｃｈｏｆｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅ１．２．１路径规划现状分析路径规划是在已知障碍物信息的环境内，按照一定的评价标准，寻找一条从起始位置到达目标位置的无碰路径【２４】。路径规划，是ＡＵＶ首先需要解决的问题，是一个几何路径最优化问题。经过多年发展，大致有五种路径规划方法：人工势场法、Ｄ＊／Ａ＊算法、遗传算法、模糊避碰方法和神经网络方法。●人工势场法近些年来，人工势场理论是比较引入关注的阱】。这一理论是建立一个反映出ＡＵＶ周围空间结构的人工势场，利用障碍物的排斥势场使ＡＵＶ与之远离，而目标点的引力势场拉动ＡＵＶ与之靠近，目的是使通过空间路径最小化。但是人工势场存在一些缺陷，存在由于局部最小导致的陷阱区域（合力为零的点），在出现障碍物时会产生振荡，导致移动不稳定等问题。针对这些问题，文献【２６】对势场理论进行了改进，引入障碍物速度和加速度矢量，在一定程度上弥补了传统人工势场法的不足。·Ｄ·／Ａ·算法Ａ·算法是一种计算路径最小化比较成熟的方法，其思想是在区域网格中利用路内蒙古大学硕士论文径耗费最小来选择开启和关闭列表以寻求最小路径。Ｄ·算法和Ａ·本质是相同的，只有一点不同，就是Ｄ·算法没有启发式。这样使得Ｄ·算法在各个方向上平均搜索，以致在找到目标前通常会探索更大的区域，所以一般会比Ａ·更慢一些。相比Ａ·算法，Ｄ·算法的优点是当存在多终点时能够搜索最小路径【２７】。·遗传算法遗传算法是模拟生物在自然环境中的遗传和进化过程中形成的一种自适应全局优化概率搜索方法【２引。它最早由美国密执安大学的Ｈｏｌｌａｎｄ教授提出，起源于６０年代对自然和人工自适应系统的研究。７０年代ＤｅＪｏｎｇ基于遗传算法的思想在计算机上进行了大量的纯数值函数优化计算试验。在一系列研究工作的基础上，８０年代由Ｇｏｌｄｂｃｒｇ进行归纳总结，形成了遗传算法的基本框架。目前，基于遗传算法的路径规划主要是应用于二维平面规划问题，而且有时也可能产生非法路径。将遗传算法与已知的其它路径规划方法相结合来解决路径规划问题，取两者之所长，提高了路径规划问题的求解质量和求解效率。例如，遗传算法与栅格法相结合，采用栅格法对ＡＵＶ工作空间进行划分，用序号表示栅格，并以此序号作为编码值，用遗传算法对机器人路径规划进行研究【２９】。遗传算法还可以与凸区法结合，先用凸区法进行粗路径的搜索，再用遗传算法进行路径节点的调整，从而规划出机器人的行走路线。此外，遗传算法还可与人工势场、模糊理论等结合。●模糊局部避碰方法模糊集理论最先由Ｚａｄｅｈ在１９６５年提出，首次提出了模糊集合和模糊控制的理论，提出了用“隶属度”来定量描述事物模糊性的模糊集合理论，从而奠定了模糊数学的理论基础唧】。１９７４年英国工程师Ｅ．Ｈ．Ｍａｍｄａｎｉ首次把模糊集合理论用于锅炉和蒸汽机的控制并取得了良好的效果，为模糊控制理论在自动化应用领域打开了大门。许多学者将模糊集理论应用到机器人的避碰控制研究中，并取得了较好的效果．模糊局部避碰是一种仿人控制过程，规划器根据环境的模糊信息，利用人的经验形成一些判断规则，通过模糊集理论将这些规则转化为有效的规划输出【３１】。●神经网络方法神经网络是一种处理非线性问题的智能控制方法，是模拟人脑构造的模型，具有并行处理、联想记忆、容错性和知识分布存储等特点。在ＡＵＶ的路径规划研究中，神经网络也得到了应用【３２１。通常，利用神经网络进行局部规划包含几个要素：网络输入、网络输出以及代价函数。在关于神经网络局部规划的文献中，基本都是将按９内蒙古大学硕士论文照此原则构造的神经网络，用到几种典型的导航环境中进行学习，对这些典型模式进行记忆。另外，也有将模糊逻辑与神经网络结合起来，对归纳总结的规则采用神经网络对其记忆，这样即使输入值偏离学习样本，但只要输入模式接近某一学习样本的输入模式，其输出也就接近学习样本的输出模式。但是采用神经网络结合路径规划时，获取具有代表性的训练样本是该方法的难点１３３削。１．２．２实时避碰控制现状分析设计ＡＵＶ避碰系统，首先面临的问题是ＡＵＶ控制。当系统能够准确、快速地对ＡＵＶ进行操控，设计的避碰系统才能达到要求。而且ＡＵＶ建模方面，一般会存在几个问题：模型的不准确性（主要是因为缺乏水动力知识）、数学模型的复杂性、系统的运动学冗余、ＡＵＶ和操控器之间存在的干扰、传感器低带宽读取数据。出于上述原因，必须引入控制方法。ＡＵＶ搭载的各种传感器对其姿态也提出了各种不同的要求，如用于测量垂直剖面流的ＡＤＣＰ要求ＡＵＶ水平稳定，用于探测鱼群的双频声学设备和用于研究海气界面物质交换的二氧化碳传感器等设备都要求ＡＵＶ具有良好的稳定性。姿态控制是ＡＵＶ控制技术的关键问题之一。滑动模态、神经网络、模糊控制、Ｐ１Ｄ和反馈控制等多种方法【３５Ｈ３７１，已经在ＡＵＶ控制研究中得到应用。下面重点介绍一下ＡＵＶ实时避碰的发展。文献［３８】给出了ＡＵＶ“ＡＢＥ”利用高度计信息设计的避碰系统。该系统中，高度计被安置在ＡＵＶ前下方，能够获取ＡＵＶ下方和前方小范围的地形信息。当出现上升地形时，ＡＢＥ控制器操控平台快速上升，当越过障碍物后，缓慢下降。“Ｏｄｙｓｓｅｙ”ＡＵＶ也采用了相似的避碰方法１３９］，不同之处在于，其高度计信息能够被记录下来并计算海底坡度，随着海底坡度的增加，ＡＵＶ能够自动上升越过障碍物。对于坡度太大的情况，“Ｏｄｙｓｓｅｙ”能够减慢速度或调头而避开障碍物。文献【８】针对ＷｏｏｄｓＨｏｌｅ海洋研究所研制的ＡＵＶ“ＲＥＭＵＳ”，只考虑垂直平面运动，在滑动模块控制中引入一个风险评价函数，仿真运动ＡＵＶ的避碰过程。文献【９】是使用ＲＥＭＵＳ水动力参数，在给定障碍物具体形式的情况下，从控制角度，进行避碰算法研究。在做垂向避碰运动时，由于俯仰角增大而产生前端声呐探测盲点，导致运动路线成正弦摆动状而浪费能量，解决方法是引入一个海拔参数，是一种接近实用的技术路线。这种方法的挑战是在短程声呐反馈情况下，如何减少ＩＯ内蒙吉大学硕士论文改变运动状态。第二章ＡＵＶ路径规划路径规划没有考虑系统具体的动力学，从几何学实现路径优化，主要是对最优化算法的研究，是一个运动学问题。路径规划是ＡＵＶ避碰的核心问题之一，也是体现其感知、规划能力的一个指标。路径规划属于人工智能范畴，它与数学的很多分支也密切相关，如传统几何、拓扑学、代数几何、代数和组合数学中的一些工具都被应用于其中。遗传算法良好的自适应性和优化能力，使其在路径规划方面的应用变得很灵活［４０１１４１１，所以本文的路径规划方法采用遗传算法。２．１遗传算法介绍生物在自然界中的生存繁衍，显示出了其对自然环境的优异自适应能力。受其启发，人们致力于生物各种生存特征的机理研究和行为模拟，为人工自适应系统的设计和开发提供了广阔的前景。遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ，简称ＧＡｓ）就是这种生物行为的计算机模拟中令人瞩目的重要成果。基于对生物遗传和进化过程的计算机模拟，遗传算法使得各种人工系统具有优良的自适应能力和优化能力。遗传算法所借鉴的生物学基础是生物的遗传和进化，是从代表问题可能潜在解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码、格雷码编码、浮点数编码等方法。初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解。在每一代，根据问题域中个体的适应度大小挑选个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生代表新的解集的种群。这个过程将导致种群像自然进内蒙古大学硕士论文化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为问题近似最优化解。下面介绍一下遗传算法的三个基本操作：选择、交叉和变异。选择，是用来确定重组个体，以及被选个体将产生多少个子代个体。选择的挑选算法包括轮盘赌选择、随机遍历抽样和局部选择等等。交叉定义为结合来自父代交配种群中的信息产生新的个体。对于编码方式不同，交叉方法也不同。比如二进制交叉，其方法有单点交叉、多点交叉和均匀交叉等等。比如二进制单点交叉，０１０…１０ｌ１０…１０００１１０１···Ｏｌｌ０１···０１０１０，交叉结果为０１０…１００１…０１０１０１０１···０１１０···１０００１变异是子代基因按小概率扰动产生变化。比如二进制变异如下，０１０…ｌ垒１０…１０００１－－）０１０…１１１０…１０００１综上所述，对于一个实际最优化问题，首先需要将其表达为适合于遗传算法操作的形式，即进行遗传编码，然后要确定遗传算法搜索的依据，即适应度函数，最后进行选择、交叉和变异等操作。下面给出遗传算法的流程图，图２．１遗传算法流程图Ｆｉｇ２．ＩＴｈｅｆｌｏｗｃｈａｒｔｏｆＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ２．２基于分层遗传算法的路径规划１２内蒙古大学硕士论文２．２．１分层遗传算法对于一个问题，首先随机地生成ＮＸｎ个个体（套》２，ｎ＞２），然后将它们分成Ｎ个子种群，每个子种群包含ｎ个个体，对每个子种群独立地运行各自的遗传算法，子种群记为Ｇ饵（ｉｆｆｉｌ，２，…Ｎ），其实就是Ｎ个的图２．１系统独立运行。这Ｎ个遗传算法系统在设置遗传参数上有较大的差异，这样就可以为将来的高层遗传产生更多种类的优良模式。在每个子种群的遗传算法运行到一定代数后，将Ｎ个遗传算法的结果种群记录到二维数组Ｒ［１…Ｎ，ｌ…ｎ】中，Ｒ［ｉ，ｊ】（ｉ－１．”Ｎ，ｊ＝ｌ…ｎ）表示Ｇｒ４的结果子种群的第ｊ个个体。同时，将Ｎ个结果子种群的平均适应度记录到数组Ａ【ｉ】（１…Ｎ）中，Ａ【ｉ】表示Ｇ４的结果子种群平均适应度值。分层遗传算法与普通遗传算法的操作类似，也可以分成如下三个步骤：ａ．选择：根据平均适应度Ａ【ｉ】，对数组Ｒ［ｉｄ］代表的结果子种群进行选择操作，一些结果子种群由于它们的Ａ［ｉ】高而被复制，甚至复制多次；另一些结果子种群由于它们的种群平均适应度值低而被淘汰。ｂ．交叉：如果Ｒ［ｉ，１．”ｒｌ】和Ｒ［ｊ，ｌ…ｎ】被随机地匹配到一起，而且从位置ｘ进行交叉（１＜ｉｊ％Ｎ；ｌ≤ｘ≤ｎ－１），则Ｒ［ｉ，ｘ＋ｌ，…ｎ】和Ｒｔｊ，ｘ＋ｌ，…ｎ】相互交换相应的部分。这一步骤相当子交换Ｇｒ４和ＧＡ，中结果子种群的ｎ－ｘ个个体。ｃ。变异：以很小的概率将少量的随机生成的新个体替换Ｒ【ｌ…Ｎ，１．”ｎ】中随机抽取的个体。至此，得到了新的Ｎ个高适应度子种群Ｇ｜４（ｉ＿１，２，…Ｎ），这就是分层遗传算法的第一轮。然后Ｎ个子种群Ｇ珥（ｉ＝１＇２，－－－Ｎ）继续各自的遗传操作。在Ｎ个子种群Ｇ４再次各自运行到一定代数后，再次更新数组Ｒ［Ｉ…Ｎ，１．··ｎ】和Ａ［Ｉ…州，并开始高层遗传的第二轮运行。继续循环操作，直至得到满意的结果。上述改进的遗传算法，称为分层遗传算法。Ｎ个底层遗传算法中的每一个在经过一段时间后均可以获得位于个体上的一些特定位置的优良模式。通过高层遗传算法的操作，Ｇ４（ｉ＝１，２，－－－ｈｉ）可以获得包含不同种类的优良模式的新个体，从而为它们提１３内鼙古大学硕士论文供了更加平等的竞争机会。这种改进的遗传算法与并行或分布遗传算法相比，在上一层的个体交换上，它不需要人为地控制应变换什么样的个体，也不需要人为地指定处理器将传送出的个体送到哪一个处理器，或者从哪一个处理器接受个体。这样改进的遗传算法不但在每个处理器上运行者遗传算法，同时对个处理器不断生成的新种群进行着高一层的运算和控制ｆ４２】。２．２．２环境模型、遗传参数设置设计路径规划，首先应该设计环境模型。本文中，把环境模型设置成一个１６Ｘ１６的网格正方形，每个网格边长为１．其中一些网格中存在障碍物，有两种形式，仿真漂浮的障碍物，仿真沉船障碍物，分别见图２．２的左右图。路径规划，是要求给出一条从起点到终点但不能穿越障碍物的最优路径。对于仿真漂浮障碍物．起点和终点分别为左下角和右上角，而对于仿真沉船障碍物，起点和终点分别为左下角和右下角。假设沿ｘ方向是单调的，意味着沿ｘ方向不能后退。那么问题就简化为只编码方格高度值Ｙ．编码方式采用二进制，除了起点和终点，中间存在１４个网格点。因为１４＜２４．那么就可以利用４位二进制数编码每个格点的Ｙ值。一个个体就代表一条路径，由１４个４位二进制数组成，其长度为５６。适应度函数设定为一个大于最大值的数（本文设为２５６）减去个体值（路径长度）。当产生的路径穿过障碍物时，即路径点落在障碍物点上，把该处路径长度设成很大（２００），那么适应度将变得很小，经过遗传操作子的作用，该个体将被淘汰。圉２２设计环境模型和障碍斩（左囤为仿真漂浮障碍物，右圈井仿真沉船障碍轴）Ｆｉ９２．２Ｉｋｓｉｇｕｍｅｎｔｏｆｅｎｖｉｍｒ，ｍ曲ｔｍｏｄｅｌａｎｄｏｂ＊ｔａｃｌ＊（１ｅＲｆｉｇｕｒｅｎｐｒｃｓｃ山ｆｌｏａｔｔｉｇｔｔｒｅｒｅｐｒｅｓｅｎｔｉｗｒｅｃｋｏｂｓｔａｃｔｅ）ｏｂｓｔａｃｌｅ，ｆｉｇｈｔ内羹古大学研士论文其中，选择遗传算子采用按轮盘赌选择方法，适应度高的路径被选中的概率大，而适应度低的很可能被淘汰：交叉遗传算子采用随机配对．单点交叉方式，当随机交叉率小于设定的交叉率进行交叉，产生两条新的路径；变异遗传算子采用单点变异方式．当随机变异率小于设定的变异率，将产生新的路径。利用Ｃ语言编写分层遗传算法，首先随机地生成１０００个个体．然后将它们分成１０个子种群，每个子种群包含１００个个体，每个子种群独立地运行各自的遗传算法。为了增加子种群相互间差异，各子种群交叉率依次设为０．３，ＯＯ５５，０．６，Ｏ３５，Ｏ４，０４５，Ｏ５，６５．０．７．０．９；同样原因，变异率依次设为０００１。Ｏ００２，０００３，０００４，０００５，０００６，Ｏ００７，０００８，０００９，００１。底层遗传算法各自运动１００代之后，高层遗传算法开始运行。高层遗传算法的交叉率和变异率分别为０．６，Ｏ００１，１０个种群之间采用高层遗传算法，进行种群问选择、交叉和变异。上面是分层遗传算法的一次循环，为了得到最佳个体，继续进行分层遗传，共计１０次，对于漂浮障碍物，得到最佳个体为００１００１０００１０１０１１０１０００１０００１００１１０１０１０１０１０１１１１００１１０１１１１０１１１ｌ，那么可以知道最佳避碰路径各点的高度分别为２，４，５，６，８．８，９，１０．１０，１１，１２，１３．１４．１５，晟短路径直线距离为２２“；对于沉船障碍物，得到最佳个体为０００１００Ｉｌ０１０００１０００１０００１０００１０００１００００１ｌ００１００００１００１０００１００００１，那么可以知道最佳避碰路径各点的高度分别为１．２，２，３，４，４．４．４，４，４．３．２，１，１，最短路径直线距离为１８．３ｌ。考虑后面ＡＵＶ的实时避碰仿真设定为障碍物上方３ｍ，而本文的第五章内容是要将路径规划和实时避碰结合起来，所以在有障碍物区域规划路径是沿直角方式给出，而没有直接连接对角线。按照这种方式，对应两种障碍物形式，分别得到规划路径，见图２３和图２．４。围２３仿真漂浮障碍特的路径规划囤Ｆｉｇ２．３ｐａｔｈｐｌａｎｎｉｎｇｆｏｒｏｂｓｔａｃｌｅｏｆｆｌｏａｔＦｉｇ图２４仿真沉船障碍枷的路径规划囤２．４ｐａｔｈｐｌ锄ｉｎｇｆｏｒｏｂｓｔａｃｌｅｏｆ—ｃｋ内蒙古大学硕士论文２．３小结基于已知障碍物信息，本章给出了基于分层遗传算法的规划路径：（１）利用网格法表示环境模型和障碍物信息，采用二进制编码方格高度值，一个大数减去避碰最短路程作为遗传算法的适应度规则，设定了遗传操作子参数。（２）与普通遗传算法相比，分层遗传算法设置了１０个种群，每个子种群独立地运行各自的遗传算法，并且每个种群遗传参数设置有很大差异，意味着遍历参数，减少了人为不断选择调整遗传参数的过程。基于漂浮和沉船形式的障碍物，给出了规划路径。第三章ＡＵＶ实时避碰控制及仿真在上一章中，根据已知障碍物信息，给出了路径规划。然而，大多数情况下，我们并不能完全知道海底的障碍物情况，所以在本章中，将给出实时避碰方法，即从ＡＵＶ自身的物理外形和控制性能出发，考虑水下环境的不确定性，基于ＡＵＶ动力模型，根据实时传感器信息，不断调整ＡＵＶ避碰轨迹，使ＡＵＶ能够有效地躲避障碍物。３．１ＲＥＭＵＳ＂的二维建模３．１．１“ＲＥＭＵＳ一简介本文开展避碰仿真的模型是美国伍兹霍尔海洋研究所研制的ＡＬ，＇Ｖ“ＲｅｍｏｔｅＥｎｖｉｒｏｎｍｅｎｔａｌＭｏｎｉｔｏｒｉｎｇＵｎｉｔｓ”，缩写为“ＲＥＭＵＳ＂。从１９９７年“ＲＥＭＵＳ＂首次执行科学任务，至２００２年伍兹霍尔海洋研究所已经研制了大约２５套ＲＥＭＵＳ系统，大约有２０种不同型号，分别在九个大学、美国三个海军实验室、英国防御实验室和１６内羹古大学硕士论文美国海军三个分支机构用作科研或军用。自从２００１年开始，海德罗伊德公司引进“ＲＥＭＵＳ”技术进行批量生产，以最大深度为指标设计了三种型号：“ＲＥＭＵＳ１００”，“ＲＥＭＵＳ６００”，“ＲＥＭＵＳ６０００”。迄今为止，已销售了１５０个“ＲＥＭＵＳ”产品。许多国家军方购买了“ＲＥＭＵＳ”，具体情况见附录ｌ。一般来说，“ＲＥＭＵＳ”标准配置包括水下定位系统（长基线定位和短基线定位）、频率］２ｋＨｚ垂向的ＡＤＣＰ、频率６００ｋＨｚ或９００ｋＨｚ侧向扫描声呐，ＣＴＤ、声学ｍｏｄｅｍ、声学图像系统和水下摄影机。根据要求也可以搭载其他传感器，比如荧光计、散射计和前视声呐等传感器。“Ｐ匝ＭＵＳ”的尾部动力系统是直流电机驱动的三叶片螺旋推进器．控制翼是两对对称机翼。在“ＲＥＭＵＳ”工作之前，需要对其内部处理罂进行任务设定。入水之后．利用水下定位系统导航．独立地执行任务。由于各购买单位对搭载的传感器要求不一样，导致“ＲＥＭＵＳ”的外形及各种参数也不尽相同。本文工作采用的“ＲＥＭＵＳ”是美国海军研究生院所拥有的“ＲＥＭＵＳ１００”，外形见图３Ｉ，具体参数见附录２１９】。目３．ｉ伍盐霍尔研制的４ＲＥＭＵＳｌＦｉｇ３ｌＥＥＭＵ￥ｏｆＷｏｏｄｓＨｏｌｅ３．１．２二维垂直平面内建模本文工作是对“ＲＥＭＵＳ”进行二维垂直平面内避碰仿真，考虐ＡＵＶ的垂向运动和俯仰运动１９］．假设方程是建立在平衡态附近，即考虑Ａｕｖ以速度ｕ稳定前行，俯仰角度不大，零阶项彼此平衡．把常数项归入初始平衡状态中，仅考虑一阶项．椰ｔ—ｍＵｑ＝墨ｗ＋ｚ．ｔ＋乙ｇ＋乙口＋乙６（ｆ）（３－１）ｔ，０＝一ｚｏＷｓｉｎｅ＋Ｍｏｑ＋Ｍ。囊，＋Ｍ＿ｑ＋Ｍ冉＋Ｍ５８（０（３－２）内蒙古大学硕士论文其中ｚ０为垂向阻尼力系数，ｚ０为垂向附加质量系数，乙为转动阻尼力系数，乙为俯仰附加质量系数，乙为机翼升力系数，ｚＧ为重心位置，心为垂向阻尼力矩系数，蚝为附加质量力矩系数，鸩为转动阻尼力矩系数，坂为俯仰附加质量力矩系数，鸩为机翼升力力矩系数，Ｌ为俯仰转动惯量（见附录２），雌是ＡＵＶ相对于海流的垂向速度，ｇ是俯仰角速度，秒是俯仰角，万Ｏ）为水平机翼攻角。二维平面内，地球坐标系和ＡＵＶ本体坐标如下图表示，图３．２地球坐标系和本体坐标系Ｆｉｇ３．２ＧｌｏｂｌｅａｎｄＬｏｃａｌｃｏｏｒｄｉｎａｔｅｓ两个坐标中速度转化关系如下，阡瞄跏匀（３。，考虑存在海流，假设为稳定流，不分层，无梯度，流速为配，方向与惯性坐标系Ｘ方向夹角为ｑ。那么在本体坐标系中，二维垂直平面内，ＡＬｒＶ相对于海流的速度变成【．３１，蚱＝Ｕ＝Ⅳ一以ｃｏｓ妒一只），ｗ＝ｗ—Ｕ。ｓｉｎ（ｅ一幺），其中Ｕ大小为１．５ｍ／ｓ。那么式（３．３）中垂向关系就变成了，茹嚣ｃｏ们ｓ（００８－ｏ秒，））ｓｉｎＯ＋（ｗ，＋玩ｓｉｎ（Ｏ—ｅＯ）ｃｏｓｅ＝一（Ｕ＋以＋玩一（３－４）…。对于二维情况，有矽＝ｑ，结合垂向、俯仰运动方程（３．１）、（３－２）和式（３－４），得到如下方程组，，，以一ｍＵｑ＝（矿一动＋ｚ咋％＋２０以＋乙ｇ＋乙毒＋乙艿（ｆ）ｌ囊＝一ＺｏＷｓｉｎｅ＋Ｍ，．ｗ，七Ｍ－，ｔ七Ｍｑｑ＋Ｍｔｉｌ＋Ｍｓ８（ｔ）１３内蒙古大学硕士论文ｅ＝ｑ（３·５）三＝一（Ｕ＋以ｃｏｓ（ｅ一０１））ｓｉｎ０＋（ｗ，＋虬ｓｉｎ（Ｏ一只））ｃｏｓ９下面进一步简化方程，当汐比较小时，设状态量ｘ＝【雌，ｑ，ｅ，ｚ】’，依次对应垂直相对速度，俯仰角速度，俯仰角，深度。得到做‘＝Ｂｘ＋Ｃｕ形式的控制方程，蛩潍也‘一Ｍｏｏｌ亩２肾０曼０印鳓０一Ｉ坂％吃∥ｏＩｇＬＩ必Ｉ『嗣ＯＯｌＯＩ护ｌｌＩ伊ｌｌｒ。０００ｌＩ三Ｌ１０册砭瞄鼋）巾Ｊ０Ｌｏｊ司㈨）（，３＜、把附录２和附录３中“ＲＥＭＵＳ”参数代入上式，假设流场为零，可以得到标准状态控制方程圣＝Ａ．ｘ＋Ｂ－“如下斗一１．１２４８０．５７４４－－０．６４９８Ｉ３．９４６１—阻９５７８０ｌｌ荤三＋（３－７）ｌ０们刈叫川训．坼ｇ矽以叫翻ｚ０ｊ３．２实时避碰控制算法本节实时避碰控制算法是建立在离散时间系统中，在每个仿真离散时间节点，根据前视声呐信息，当没有障碍物的情况下，确保深度输入为海底之上３ｍ；当发现障碍物的情况下，ＡＵＶ的深度输入随障碍物高度提前变化，确保ＡＵＶ与障碍物之间最小距离为３ｍ，见示意图３．３，１９内蒙古大学硕士论文图３．３ＡＵＶ实时避碰控制示意图Ｆｉｇ３．３ＴｈｅｓｋｅｔｃｈｏｆＡＵＶ’ｓｒｅａｌｔｉｍｅｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅ具体来说，实时避碰控制包括两方面内容：实时避碰算法和控制算法。根据流程图３．４，在离散时间系统中，首先，根据前视声呐实时障碍物信息给出输入深度，即目标深度，对应流程图中实时避碰算法部分；“ＲＥＭＵＳ＂控制算法对深度输入进行响应，不断循环得到“ＲＥＭＵＳ”每个仿真时刻的四个状态量：垂直相对速度玑，俯仰角速度ｇ，俯仰角矽，深度Ｚ，对应流程图中控制算法。图３．４ＡＵＶ实时避碰控制流程图Ｆｉｇ３．４ＴｈｅｆｌｏｗｃｈａｒｔｏｆＡＵＶ＇ｓｒｅａｌｔｉｍｅｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅ３．２．１实时避碰算法●声呐仿真信息本文的声呐仿真信息采用前视声呐信息。目前，美国、法国、德国、挪威、英国、日本、加拿大等国家都有许多成熟的前视声呐投放市场。其中具有代表性的产品有，丹麦Ｒｅｓｏｎ公司生产的新一代数字多波束前视声呐Ｓｅａｂａｔ８１２５、Ｓｅａｈａｔ８１２８，挪威康斯堡·辛德拉公司研制的ＥＭ系列等等。一般使用在ＡＵＶ上的前视声呐具有如下参数：发射频率为２００ｋＨｚ左右，最大探测范围为１００ｍ－２００ｍ，探测张角为±６０。。在本文仿真中，没有过多考虑前置声呐仿真信息，认为前视声呐能够“看到一ＡＵＶ所在位置前方声呐探测范围窗口内的所有海底深度信息，包括障碍物后面内的海底信息，是一种“全能＂声呐，示意图见图３．５。内蒙古大学硕士论文图３．５前视声呐示意图Ｆｉｓ３．５Ｔｈｅｓｋｅｔｃｈｏｆｆｏｒｗａｒｄ－ｌｏｏｋｓｏｎａｒ海底仿真信息是水平间隔Ｏ．０１米的海底深度的离散值，预先写在一个文件里。前视声呐海底仿真信息是指声呐探测范围内的海底深度值，随着仿真进行，不断读取探测窗口内的海底深度值。对于实际声呐，因为声呐脉冲在海底和水面不同路径反射问题以及海洋环境的不确定性，其视野会小于探测范围，而且为了使ＡＵＶ不会在离障碍物很远的地方就调整轨迹而减少采集的有效数据，所以在不影响控制效果的前提下，尽量减小控制范围，提高效率，定义了一个声呐探测可控范围ＣＲ，作为声呐的“清晰视野”和最小控制距离。因为ＡＵＶ是以时间步长进行仿真的，所以需要对ＡＵＶ每一步进行水平定位，即远离起始点的距离。在实际中，有各种水下定位技术，比如长基线、短基线和超短基线水下定位等方法。本文中，对水下定位处理比较简单，因为只考虑二维情况，又假设ＡＵＶ静水速度恒定，所以只需把速度转换到地球坐标系中即可，然后根据仿真时间可以算出前行距离而定位ＡＵＶ。●深度输入形式本文的仿真是基于离散系统，在每一个时刻，实时避碰算法都会根据声呐仿真信息给出深度输入。ＡＵＶ初始状态设置为沿海底之上３ｍ前进，当没有障碍物出现时，深度输入为０，ＡＵＶ继续沿海底之上３ｍ前进：随着ＡＵＶ的运行，在ＣＲ内发现障碍物时，深度输入将发生改变。在本文仿真中，深度输入有三种形式：一次方形式（ｈ＋３ｐ（ＣＲ－Ｉ）／ＣＲ和三次方形式一（ｈ＋３）·（Ｄ３／ＣＲ３＋ｈ＋３，第三种是ＣＲ内最小海底深度之上３ｍ。其中，ｈ为矩形障碍物超过ＡＵＶ的高度，，为在声呐窗口ＣＲ内障碍物最高点所处位置与ＡＵＶ的水平距离，见图３．６。在后面的仿真中将对比这三种深度输入产生的避碰轨迹。２１内蒙古大学硕士论文图３．６声呐探测系统参数Ｆｉｇ３．６Ｔｈｅｃｈａｒａｃ＿ｔｅｒｓｏｆｓｏｎａｒｅｘｐｌｏｒｅｓｙｓｔｅｍ３．２．２控制算法在本小节中，将给出实时避碰控制的第二部分一控制算法。考虑上一节中给出的空间状态方程ｊ＝Ａ．ｘ＋Ｂ·”，控制算法采用基于李亚普诺夫二次型最优化反馈控制。考虑控制系统童＝Ａ·ｘ＋Ｂ·“（３．８）上式中石＝状态向量（１１维向量）０＝控制信号彳＝Ｙ／Ｘ／／维常数矩阵Ｂ＝ｎｘｌ维常数矩阵选取控制信号为：材＝一Ｋｘ（３．９）这意味着控制信号由瞬时状态确定，该方法称为状态反馈法，称ｌｘｎ维矩阵Ｋ为状态反馈增益矩阵。在下面的分析中，假设“不受约束。把（３．９）式代入（３．８）式，得到ｊ∞＝似一ＢｌＯｘ（ｔ）该方程的解为：（３．１０）内蒙古大学硕士论文工（ｆ）＝Ｐ‘一一能’‘ｘ（０）（３．１１）式中文０）是外部干扰引起的初始状态。系统的稳态响应和瞬态响应特性由矩阵Ａ—ＢＫ的特征值决定。如果矩阵Ｋ选择适当，则可使矩阵Ａ—ＢＫ构成一个渐近稳定矩阵，并且对所有的ｘ（Ｏ）≠０，当ｔ趋于无穷大时，都可使ｘ（ｆ）趋于０，称矩阵Ａ—ＢＫ的特征值为调节器极点。如果这些调节器极点均位于ｓ平面的左半平面，则ｆ趋于无穷大时，ｚ（ｆ）趋于０。图３．７反馈控制算法Ｆｉ９３．７ｆｅｅｄｂａｃｋｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｍ图３．７是反馈控制方法示意图，表征的系统方程为：童＝Ａ·ｘ＋Ｂ·“Ｊ，＝Ｃｘ＠眨）－■，材＝一Ｋ，ｘ＋五亭－ｆ＝ｒ－ｙ＝ｒ－Ｃｘ对应本文ＡＵＶ控制问题，ｘ＝［雌，ｇ，秒，ｚ】’，ｒ是深度输入，ｃ－【ｏｙ是深度输出，甜是机翼攻角。可以证明，通过定义一个五维误差向量ｅＯ），ｅ＝ＩＯｏ玎ｌｘ（，）一ｘ（ｏｏ）ＩＩＩｆＯ）一孝（ｏｏ）ｌ‰Ｂ）－表示状态量当前值与稳定值之差，那么上面系统方程可以变为：塑鍪查查堂堡圭鲨奎毒＝Ａｅ＋Ｂｕ。（３．１４）其中二＝匕习，雪＝嘲虬＝一恐（３·１５）其中七一【局一Ｋｄ，在本文中将利用李亚普诺夫二次型最优控制的性能指标而得到。下面介绍一下李亚普诺夫二次型最优控制ｍ】。在设计系统时，主要关心的是如何选择向量“（Ｄ，使给定的性能指标达到极小。可以证明，当二次型性能指标的积分限由零到无穷大时，如Ｊ＝ＳｏＬ（ｘ，ｕ）ｄｔ式中的三“口）是ｘ和”的二次型函数或厄米特函数，将得到线性控制律，即“＝一Ｋｘ因此，基于二次型性能指标的最优控制系统设计归结为确定Ｋ值，对于图３．７来说，需要确定Ｋ和置。采用二次型最优控制方法的一个优点是除了系统不可控的情况外，所设计的系统将是稳定的。在设计二次型性能指标为极小的控制系统时，需要解黎卡提方程。因为该方程是非线性的，很难得到准确解，可以利用ｍａｆｌａｂ求解该方程，得到最优反馈增益矩阵Ｘ。考虑由（３．１２）描述的系统，性能指标设为：－，＝ｒ（Ｐ‘Ｑｅ＋ｕ，’Ｒｕ．）ｄｔ式中，Ｑ为正定（或正半定）厄米特或实对称矩阵，又为正定厄米特或实对称矩阵。为了得到快速响应，在本文中，设定Ｑ＝［ＩＯＯ０００ｏｏｏ０；０１０００；００１００；０００ｌ０；０ｌ】，Ｒ＝【０．０１］，对于无流场情况下，可以求得，Ｋ＝［－２９．４１２０—１５．１２４７－６２．８２８６２８．０８４９］，五＝１０．因为在工程实际中控制系统是采用离散时间系统，接下来，把上面的连续时间系统转化为离散时间系统。根据图３．７，固定采用周期，利用ｍａｔｌａｂ编写数值计算程序，设计实现控制算法。首先，把连续时间状态空间标准控制方程（３．７）转化为离内蒙古大学硕士论文ｆ，ｏ．９８８９０．００５７０．０００２ｏ、ｆ，一ｏ．ｏｏ鳓ｚｃ七＋－，＝Ｉ。０．．００。３０９２１。。．９．。９０。５一。．，００７：卜ｃ七，＋－０．０４２Ｉ万１０．００９９—０．０００１—０．０１９７１Ｊ１０Ｊ３．３实时避碰控制仿真按照３．４流程图，在离散时间系统中，利用ｍａｔｌａｂ编写实时避碰控制程序，提前设置一个海底障碍物仿真信息，存储在一个文件中；随着仿真开始，避碰算法在每个时间节点都会读取ＣＲ内的海底障碍物信息，计算得到深度输入，然后利用最优化反馈控制，得到ＡＵＶ四个状态量，以上一时刻的状态量作为下一时刻的初始状态量，不断循环，得到仿真时间内ＡＵＶ所有状态量。下面将对在不同海流情况下矩形障碍物、不规则多障碍物情况下做避碰仿真。３．３．１矩形障碍物避碰仿真（１）无海流对于矩形障碍物，深度输入为一次方形式，不存在海流情况下，探测范围为３０ｍ，ＣＲ为１５ｍ，仿真时间为１００秒，仿真结果见图３．８，结果显示ＡＵＶ与障碍物的最小距离为１．７４ｍ。ＡＵＶ的长度约为１．４ｍ，在该控制参数下，ＡＵＶ存在一定危险．内蒙古大学硕士论文图３．８一次方形式深度输入的避碰轨迹Ｆｉｇ３．８Ｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｔｒａｃｔｆｏｒｌｉｎｅａｒｄｅｐｔｈｉｎｐｕｔｒｅｆｅｒｅｎｃｅｖａｌｕｅ当探测范围为５０ｍ，ＣＲ为３０ｍ，ＡＵＶ与障碍物的最小距离为２．３６ｍ。如果探测为１００ｍ，ＣＲ为４５ｍ，最小距离为２．５８ｍ。因为声呐探测范围有限，不能无限制的增加其探测范围，而且从上述结果也可以看出，仅仅增大探测范围和ＣＲ，并不是解决避碰问题的有效途径。从上面的仿真结果和讨论可知，避碰仿真结果不理想。因为一次方形式深度参考输入变化缓慢，其产生的避碰轨迹不能达到ＡＵＶ的避碰要求。下面深度输入分别是一次方形式和三次方形式时，声呐探测范围仍为１００ｍ，ＣＲ仍为４５ｍ，ＡＵＶ避碰轨迹仿真图见图３．９。从图中可以看出，三次方形式比一次方形式的轨迹仿真曲线更加远离障碍物，通过计算表明ＡＵＶ与障碍物的最小距离为３ｍ。从图３．１０中可以看出深度输入设置为三次方形式时，机翼攻角和ＡＵｖ俯仰角比一次方形式的攻角和俯仰角要大一倍，而且曲线变化也要快。攻角的快速变化和角度变化增大，这些对于ＡＵＶ的能源都是考验，但是这与ＡＵＶ的安全相比，这些还是可以容忍的。ｄｍｔａｘ：ｅ（哪图３．９一次方形式和三次方形式深度输入的避碰轨迹对比图Ｆｉｇ３．９Ｔｈｅｃｏｎｔｒａｓｔｏｆｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｔｒａｃｔｆｏｒｌｉｎｅａｒａｎｄｃｕｂｉｃｄｅｐｔｈｉｎｐｕｔｒｅｆｅｒｅｎｃｅｖａｌｕｅ内蒙古大学硕士论文ａ曩帕‘ｎ１）ｃｉｓｔＥｎｊ锕１）困３．１０一次方形式和三次方形式的ＡＵＶ俯仰角和机翼攻角变化对比图Ｆｉｇ３．１０ＴｈｅｃｏｎｔｒａｓｔｏｆＡＵＶ’ｓｐｉｃｔｈａｎｄｆｉｎ＇ｓａｎｇｌｅｆｏｒｌｉｎｅａｒａｎｄｃｕｂｉｃ（２）存在海流在３．１节中定义了流速为％，与地球坐标系Ｘ方向夹角为Ｏｌ。下面对比不同海流下，避碰轨迹曲线，攻角和俯仰角的变化。ｉ．海流方向与Ｘ方向相同（鼠＝０）仿真时间为８０秒，深度输入设为三次方形式，ｃＲ为４５ｍ，配分别为－０．５，０，０．５ｍ／ｓ时，轨迹仿真图见图３．１１。图３．１ｌ不同海流速度下ＡＵＶ避碰轨迹对比Ｆｉｇ３．１１ＴｈｅｃｏｎｔｒａｓｔｏｆＡＵＶ’Ｓｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｔｒａｃｔｗｈｅｎｔｈｅｃｕｒｒｅｎｔｖｅｌｏｃｉｔｙｉｓｄｉｆｆｅｒｅｎｔ图中ａ，ｂ，ｃ曲线分别对应水流速度ｕｏ＝．０．５，０，０．５轨迹线，可以看出，当水流变化时，避碰轨迹线并没有太大变化；图中的箭头处，表示该轨迹线的终点，虽然仿真时间相同，但ＡＵＶ运行距离是不同的，具体来说，对于ａ曲线（阢＝－０．５）比ｂ曲线（阢＝０）运动距离要短，由此也可以估计，当能源一定情况下，不同海流下ＡＩⅣ最大航程。内蒙古大学硕士论文图３·１２不同海流速度下ＡＵＶ俯仰角和机翼攻角对比Ｆｉｇ３．１２ＴｈｅｃｏｎｔｒａｓｔｏｆＡＵＶ’ｓｐｉｃｔｈａｎｄｆｉｎ＇ｓａｎｇｌｅｗｈｅｎｔｈｅｃｕｒｒｅｎｔｖｅｌｏｃｉｔｙｉｓｄｉｆｆｅｒｅｎｔ图３．１２中给出了对应不同海流速度下，俯仰角和攻角的变化图。虽然不同海流曲线变化不大，但是也可以看出，对于ｕｏ＝－０．５，０，０．５ｍ／ｓ时，俯仰角最大值从大到小变化，攻角绝对值最大值变化亦然。ｉｉ．固定流速改变流向对于矩形障碍物，仿真时间为８０秒，深度输入设为三次方形式，ＣＲ为４５ｍ，流场为稳定流。流速固定为Ｏ．５ｍ／ｓ，流向从１００到９００间隔２００变化，发现避碰轨迹基本一致，而俯仰角和攻角却有很大区别。从图３．１３可以看出，随流向不断增大，俯仰角最大值和攻角绝对值最大值也随之增大。图３．１３不同海流方向下ＡＵＶ俯仰角和机翼攻角对比Ｆｉｇｉｉｉ．３．１３ＴｈｅｃｏｎｔｒａｓｔｏｆＡＵＶ’ｓｐｉｃｔｈａｎｄｆｉｎ’ｓａｎｇｌｅｗｈｅｎｔｈｅｃｕｒｒｅｎｔｄｉｒｅｃｔｉｏｎｉｓｄｉｆｆｅｒｅｎｔ海流方向与Ｘ方向不同对于矩形障碍物，仿真时间为８０秒，，深度输入设为三次方形式，ｃＲ为４５ｍ流场为稳定流，流向为２００。从控制方程（３－６）中可以看出，因为涉及到流向的项为余弦函数，所以流向的正负并不会改变控制效果。对于海流来说，只有当流速不为零时，流向才有意义，所以在这部分仿真设定流速分别为Ｏ．５，一０．５，避碰轨迹图见图３．１４。内蒙古大学硕士论文图３．１４不同海流．ｉ圭度下ＡＵＶ避碰轨逋对比Ｆｉｇ３．１４ＴｈｅｃｏｎｔｒａｓｔｏｆＡＵＶ’Ｓｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｔｒａｃｔｗｈｅｎｔｈｅｃｕｒｒｅｎｔｖｅｌｏｃｉｔｙｉｓｄｉｆｆｅｒｅｎｔ图３．１５不同海流速度下＾ｌＪ、『俯仰角和机翼攻角对比Ｆｉｇ３．１５ＴｈｅｃｏｎｔｒａｓｔｏｆＡＵＶ’Ｓｐｉｃｔｈａｎｄｆｉｎ’Ｓａｎｇｌｅｗｈｅｎｔｈｅｃｕｒｒｅｎｔｖｅｌｏｃｉｔｙｉｓｄｉｆｆｅｒｅｎｔ可以从图３．１５中看出，对于相同海底障碍物信息，在Ｕｃ＝－０．５和Ｕｃ＝０．５两种海流下，ＡＵＶ的俯仰角和机翼攻角变化曲线有很大区别。从图３．１６和图３．１７可以看出，流速从－０．５ｍ／ｓ到０．５ｍ／ｓ变化时，俯仰角的最大值不断减小，攻角绝对值最大值也是不断减小。ａ盯日嚏Ⅵ出踅ｉｌｙ（ｒ—磅图３．１６Ｆｉｇ３．１６ａ嘣垤Ｉ∞咐吲§）图３．１７机翼攻角最大值随海流速度的变化Ｆｉｇ３．１７ｗｉｔｈＡＵＶ俯仰角最大值随海流速度的变化ＴｈｅｍａｘＡＵＶ’ｓｖｅｌｏｃｉｔｙｐｉｃｔｈｃｈａｎｇｅａｌｏｎｇｗｉｔｈＴｈｅｍａｘｆｉｎ’Ｓａｎｇｌｅｃｈａｎｇｅａｌｏｎｇｃｕｒｒｅｎｔｃｕｒｒｅｎｔｖｅｌｏｃｉｔｙ３．３．２不规则多障碍物情况下实时避碰仿真上面的讨论是基于障碍物为简单的矩形情况，然而水下地形并非如此规则，而且随着声呐的发展，其分辨率越来越高，获取的海底信息也随之更加丰富，所以仿内蒙古大学硕士论文真中，仅仅利用三次方深度输入形式不足以解决问题，从图３．１８中也可以看出这一点，图中障碍物为缓坡度形式，曲线ｃｕｂｉｃ表示三次方深度输入形式避碰轨迹，曲线ａ表示深度输入设定为声呐探测范围（ＣＲ）内最小海底深度之上３ｍ，可以看出曲线ａ的避碰效果比较好。但是如果障碍物形式是矩形（见图３．１９），曲线ａ响应将变得很陡。那么，深度输入选择哪种形式，取决于声呐判断障碍物为何种形式，类矩形，还是类缓坡度形式，这需要对声呐仿真信息做进一步的设置，本文工作将不讨论这方面内容。在这里，对于不规则多障碍物情况，深度输入设置为声呐探测范围（ｃＲ）内最小海底深度之上３ｍ。图３．１８缓坡障碍物的两种深度输入形式避碰轨迹对比Ｆｉｇ３．１８Ｔｈｅｃｏｎｔｒａｓｔｏｆｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｔｒａｃｔｏｆｓｌｏｗｓｌｏｐｅｏｂｓｔａｃｌｅｆｏｒｔｗｏｉｎｐｕｔｓｆｏｒｍｏｆｄｅｐｔｈａｓｔｍ《ｎｌ图３．１９矩形障碍物的两种深度输入形式避碰轨迹对比Ｆｉｇ３．１９Ｔｈｅｃｏｎｔｒａｓｔｏｆｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｔｒａｃｔｏｆｒｅｃｔａｎｇｌｅｏｂｓｔａｃｌｅｆｏｒｔｗｏｉｎｐｕｔｓｆｏｒｍｏｆｄｅｐｔｈ设定仿真时间为３００秒，深度输入设置为声呐探测范围（ＣＲ）内最小海底深度之上３ｍ，流场为稳定流，方向为２００，流速为０．５ｍ／ｓ，ＣＲ为４５米，得到避碰轨迹曲线图３．２０。对应ＡＵＶ俯仰角和机翼攻角变化，如图３．２１．图３．２０多障碍物下ＡＵＶ避碰轨迹Ｆｉｇ３．２０ＴｈｅＡＵＶｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｔｒａｃｔｆｏｒｍａｎｙｏｂｓｔａｃｌｅｓ３０内蒙古大学硕士论文图３．２１多障碍物下ＡＵＶ俯仰角和机翼攻角的变化Ｆｉｇ３．２１ＴｈｅＡＵＶ’ｓｐｉｔｃｈａｎｄｆｉｎａｎｇｌｅｆｏｒｍａｎｙｏｂｓｔａｃｌｅｓ图３．２２多障碍物下ＡＵＶ避碰轨迹Ｆｉｇ３．２２ＴｈｅＡＵＶｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｔｒａｃｔｆｏｒｍａｎｙｏｂｓｔａｃｌｅｓ图３．２３多障碍物下ＡＵＶ俯仰角和机翼攻角的变化Ｆｉｇ３．２３ＴｈｅＡＷ’Ｓｐｉｔｃｈａｎｄｆ．ｍａｎｇｌｅｆｏｒｍａｎｙｏｂｓｔａｃｌｅｓ图３．２３是对应图３．２２中障碍物信息的俯仰角和攻角变化图，可以看到对于障碍物高度变化大的情况，俯仰角和攻角也变化比较大。３．４小结·针对本文研究对象“ＲＥＭＵＳ一，建立垂向运动和俯仰运动方程，在坐标转换方程中引入海流项，得到二维垂直平面内关于四个状态量的控制方程。●从实时避碰算法和控制算法两个方面，设计实时避碰控制算法。在离散时间系统中，实时避碰算法给出的深度输入有三种形式：一次方、三次方两种形式，ＣＲ内最小海底深度之上３ｍ。控制算法是基于李亚普诺夫二次型最优化控制的反馈控制内蒙古大学硕士论文方法，根据３．７流程图，设定二次型性能指标，通过解黎卡提方程，得到最优反馈增益系数。接下来，把建模得到的连续时间状态方程转化为离散时间状态方程，得到上一时刻状态量与下一时刻状态量之间的关系，建立深度输入与深度输出之间的关系。●对于矩形障碍物，采用一次方深度输入时，避碰结果并不理想，而三次方深度输入能够满足ＡＵＶ与海底之间３ｍ安全距离的要求。三次方深度输入的机翼攻角和ＡＵＶ俯仰角比一次方的攻角和俯仰角要大一倍，而且曲线变化也要快。对于不同海流的情况下，避碰轨迹变化不大，这是因为反馈控制中，使用了李亚普诺夫二次型最优化控制，能够使深度输出和输入差值最小。然而ＡＵＶ的俯仰角和机翼攻角却有较大变化：当流速固定为０．５ｍ／ｓ，随流向不断增大，俯仰角和攻角的变化范围也随之增大；当儡＂－２０。，配从－Ｏ．５向Ｏ．５变化，随海流速度的增大，俯仰角最大值和攻角绝对值最大值都不断减小。·对比第二种和第三种深度输入形式的避碰轨迹效果，对于不规则多障碍物形式，可以得到结论：为了达到比较好的避碰效果，必须通过声呐信息判断障碍物是类矩形还是缓坡度型。在本文中，对于不规则多障碍物形式，深度输入简单地设定为ＣＲ内最小海底深度之上３ｍ，发现可以达到避碰效果。第四章结合路径规划的实时避碰控制对于已知障碍物情况，在第二章中给出了路径规划；对于未知障碍物，在第三章中给出了实时避碰控制算法；在本章中将结合这两方面内容，在追踪规划路径的避碰中，增加新的未知障碍物，利用多障碍物情况的实时避碰控制算法，达到避碰的目的，具体流程见图４．１。在声呐ＣＲ（４５ｍ）内，没有新的障碍物出现或障碍物高度小于原来路径规划中的已知障碍物时，ＡＵＶ追踪规划路径；当出现新的障碍物且其高度大于路径规划中的已知障碍物时，采用３．２节中的实时避碰控制算法，避开障碍物后，ＡＵＶ重新追踪原来的规划路径。具体算法如下，把原有的路径规划的已知障碍物即海底以上３ｍ设置成一个文件，再设置一个新障碍物信息文件，在离散系统中，随着仿真开始，避碰算法在每个时刻都会读取ＣＲ内的海底信息和新障碍物信息，内蒙古大学硕士论文通过比较两种信息，当对应的新障碍物高度小于或等于原来海底高度时，深度输入设置为路径规划深度值，即追踪规划路径；当对应的新障碍物高度高于原来海底高度时，深度输入变为不规则多障碍物情况下的深度输＾形式。然后利用最优化反馈控制，得到ＡＵＶ四个状态董．在离散时间系统中不断循环，得蓟仿真时问内ＡＵＶ所有状态量回—铝搿：多／≮｛亟｝．一Ｙｔ三一、富Ｈｎ“Ｈ—－围４１避碰流程圉Ｆｉｇ４１Ｔｈｅｆｌｏｗｃｈａａｏｆｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅ４．１避碰仿真５ｉ，咽内蒙古太学硕士论文Ｆｉ９４．２０ｂａａｃｌｅＡｖｏｉｄａｎｃｅ口ａｃｔａｌｏｎｇｗｉｔｈｐａｔｈｐｌａｎｎｉｎｇ下面给出了利用ｍａｔｌａｂ编写的避碰算法可视化程序窗口，见图４３。图４４ａ是在声呐ＣＲ窗口内没有发现新的障碍物时，ＡＵＶ追踪规划路径，随着ＡＵＶ的不断前进，当在ＣＲ内发现新的障碍物－原有障碍物“变高”（红色部分）时．前置声呐实时避碰控制算法将启动，从图中可以看出能够有效避开“变高”的障碍物。下面在原来的障碍物条件中，增加一个低于规划路径超过３ｍ的障碍物，从仿真图４４ｂ中可以看出，避碰曲线没有发生变化，这是因为ＡＵＶ与障碍物距离超过３ｍ安全距离，系统将不会启动实时避碰控制算法，ＡＵＶ仍保持追踪规划路径。图４４ｃ是表示当规划路径上出现障碍物时的避碰路径变化情况，可以看出ＡＵＶ能够有效的避开障碍物，然后回来规划路径上。圈４３避碰算法可视化窗口Ｆｉ９４３Ｖｉｅｗｗｉｎｄｏｗｏｆｏｂｓｔａｃｌｅａｖｏｉｄ—ａｌｇｏｒｉｔｈｍ８●々々Ｈ口４一＝赫一～～～ａ内蒙古大学硕士论文Ｅ１！ｊ１１．ｊ十～ｔ。品茹””””ｂ．《。Ⅱ。三—嚣。”““。图４４出现新障珥物情巩下的避碰轨迹Ｆｉｇ４．４０ｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｔｒａｃｔｆｏｒｎｅｗｏｂｓｔａｃｌｅ４．２小结把规划路径和实时控制算法结合起来，设计了基于部分己知障碍物的避碰算法。在追踪规划路径的同时，在规划的避碰路径附近增加一些新的障碍物，实时避碰控制算法能够根据障碍物情况自动调整轨迹避开障碍物，然后回到规划路径上。通过四种仿真情况，可以看出结合路径规划的实时避碰控制算法，对于周围障碍物信息不完全清楚的情况下．能够保证ＡＵＶ的安全。第五章结论内蒙古大学硕士论文本文工作的核心是研究ＡＵＶ如何躲避障碍物问题，涉及的内容有路径规划、ＡＵＶ实时避碰控制和结合路径规划的实时避碰控制。●路径规划在路径规划方面，本文在常规遗传算法的基础上，利用分层遗传算法，并利用网格法表示环境变量和障碍物信息，给出规划路径。环境变量是一个正方形，利用网格形式给出，正方形被分成１６＇１６的网格中，在其中一些网格中存在障碍物，把正方形的两个项点作为起点和终点，做路径规划。障碍物设计了两种形式：仿真漂浮物和仿真沉船。编码方式采用二进制，利用４位二进制编码Ｙ值，除了起点和终点，中间存在１４个网格。一个个体就代表一条路径，由１４个４位二进制数组成，其长度为５６。适应度函数设定为一个大于最大值的数（本文设为２５６）减去个体值（路径长度）。当产生的路径穿过障碍物时，即路径点落在障碍物点上，把该处路径长度设成很大（２００），那么适应度将变得很小，经过遗传操作子的作用，该个体将被淘汰。其中，选择遗传算子采用轮盘赌选择法；交叉遗传算子采用随机配对，单点交叉方式：变异遗传算子采用单点变异方式。利用Ｃ语言编分层遗传算法，首先随机地生成１０００个个体，然后将它们分成ｌＯ个子种群，每个子种群包含１００个个体，对每个子种群独立地运行各自的遗传算法。ｌＯ个底层遗传算法系统在设置遗传参数上有较大的差异，这样就可以为将来的高层遗传产生更多种类的优良模式。底层遗传算法各自运动１００代之后，高层遗传算法开始运行，进行种群间选择、交叉和变异。上面是分层遗传算法的一次循环，为了得到最佳个体，继续进行分层遗传，共计１０次。分别对仿真漂浮物和沉船障碍物，进行了路径规划，避碰规定路径在有障碍物区域沿直角方式给出。与普通遗传算法相比，分层遗传算法设置了很多个种群，每个子种群独立地运行各自的遗传算法，并且每个种群遗传参数设置有很大差异，意味着遍历参数，最终找到最佳个体，减少了人为不断选择调整遗传参数的过程。·ＡＵＶ实时避碰控制针对本文研究对象“ＲＥＭＵＳ”，考虑垂向运动和俯仰运动，并在地球坐标系和本体坐标系的转化关系中引入海流效应，建立垂直平面内动力学方程，得到二维垂直平面内关于四个状态量的控制方程，其中状态量分别为垂直相对速度Ⅵ，俯仰角速度ｇ，俯仰角ｐ，深度ｚ。与以往对“ＲＥＭＵＳ”二维建模不同，在状态控制方程内蒙古大学硕士论文中引入了海流流速和方向，从而可以模拟不同海流情况下，ＡＵＶ运行状态。．本文的仿真是基于离散系统，在每一个时刻，避碰算法都会根据声呐仿真信息给出深度输入。ＡＵＶ初始状态设置为沿海底之上３ｍ前进，当没有障碍物出现时，深度输入为零，ＡＵＶ继续沿海底之上３ｍ前进；随着ＡＵＶ的运行，在ＣＲ内发现障碍物时，深度输入将发生改变，共有三种形式。本文ＡＵＶ控制是基于李亚普诺夫二次型最优化控制的反馈控制方法。接下来，把建模得到的连续时间状态方程转化为离散时间状态方程。固定采样周期０。０１秒，得到上一时刻状态量与下一时刻状态量之间的关系，建立完整的深度输入与深度输出之间的关系。国外关于“ＲＥＭＵＳ”控制的相关研究工作，一般是基于滑模控制，解状态微分方程，求解不同时刻ＡＵＶ姿态，而本文的工作是用基于李亚普诺夫二次型最优控制，把连续时间系统转化为离散时间系统，初始化ＡＵＶ参数，以采样周期为差分步长，在每个仿真时间节点，给定一个深度输入，－，并且把上一刻状态量作为下一时刻初始条件，控制系统对深度输入进行响应，不断循环，这样将得到任意仿真时刻的ＡＵＶ的四个状态量，包括深度输出量。与解微分方程相比，本文方法容易实现，而且李亚普诺夫二次型最优控制使ＡＵＶ在不同海流情况下，能够有效追踪规划路径。在仿真中，对于矩形障碍物，对比了一次方和三次方深度输入，发现三次方深度输入能够满足平台距障碍物３ｍ安全距离的要求。三次方深度输入的机翼攻角和ＡＵＶ俯仰角比一次方形式输入的攻角和俯仰角要大一倍，而且曲线变化也要快。不同海流的情况下，避碰轨迹变化不大，这是因为反馈控制中，使用了李亚普诺夫二次型最优化控制，能够有效地对深度输入进行响应。然而ＡＵＶ的俯仰角和机翼攻角却有较大变化：当流速固定为０．５ｍ／ｓ，随流向不断增大，俯仰角最大值和攻角绝对值最大值也随之增大；当ａｍ＝２０。，玑从．０．５向０．５变化，随海流速度的增大，俯仰角最大值和攻角绝对值最大值都不断减小。对于不规则障碍物，深度输入选择哪种形式，取决于声呐判断障碍物为何种形式，类矩形，还是类缓坡度形式，这需要对声呐仿真信息做进一步的设置，本文工作将不讨论这方面内容。在这里，对于不规则多障碍物情况，深度输入设置为声呐探测范围（ｃＲ）内最小海底深度之上３ｍ。·结合路径规划的实时避碰控制在第四章中，把规划路径和实时避碰控制两方面结合起来。从仿真结果可以内蒙古大学硕士论文看出，实时避碰控制能够很好地追踪规划路径。在原有的障碍物中，增加了三种形式，随着ＡＵＶ的不断前进，当该障碍物进入声呐探测范围ＣＲ时，实时避碰控制算法将启动，从图中可以看出能够有效避开“变高＂的障碍物；当在原来的障碍物中，增加一个离规划路径距离超过３ｍ的障碍物，从仿真结果中可以看出，避碰曲线没有发生变化；当规划路径上出现障碍物时，可以看出ＡＵＶ能够有效的避开障碍物，然后回来规划路径上。从上面的仿真结果中，可以看出，在规划的避碰路径附近增加一些新的障碍物，实时避碰控制算法能够根据障碍物情况自动调整轨迹避开障碍物，然后回到规划路径上。对于周围障碍物信息不完全清楚的情况下，实时避碰控制算法能够使得ＡＵＶ能够有效地躲避未知障碍物，从而保证ＡＵＶ的安全性。本文还存在一些不足之处，主要有两点：一是在模型中引入的海流作用，但是作用项和海流方向与地球坐标系横轴之间夹角的正负无关，这需要进一步讨论；二是在避碰控制仿真中，没有具体考虑前视声呐实际信息，对于不规则障碍物，深度输入选择哪种形式，取决于声呐判断障碍物为何种形式，类矩形，还是类缓坡度形式，在本文中没有做进一步的讨论，也没有考虑比较短的仿真时间步长对于实际机械控制的可行性。对于ＡＵＶ的三维控制和水下定位，也是ＡＵＶ避碰工作的难点，希望这些内容在下一步工作中展开。内蒙古大学硕士论文参考文献【１］褚刚秀，边信黔，汪伟．＾ＵＶ在未知环境下的基于专家系统三维实时路径规划，应用科技，２００３，３０（１０），４６－４８［２］吴楚成，边信黔．一种基于遗传算法的ＡＵｖ动目标避碰规划的方法，应用科技，２００５，３２（ｓ），４３－４５［３］任洪亮，李莉，边信黔．基于模糊航向制导的ＡＵＶ航迹控制方法研究，应用科技，２００４，３１（１２）。４３－４５［４］秦政，边信黔，赵德会．ＡＵｙ自主控制全局模型及智能决策算法研究，２００７，２４（１），１６２—１６６【５］洪晔，边信黔．基于部分可观马氏决策的ＡＩｎ，全局路径规划，２００７，２４（６），１４６－１４９【６】ＬｙｎｎＲ．Ｆｏｄｒｅａ．ＯｂｓｔａｃｌｅＡｖｏｉｄａｎｃｅＣｏｎｔｒｏｌｆｏｒｔｈｅＲ日汛，ＳＡｕｔｏｎｏｍｏｕｓＵｎｄｅｒｗａｔｅｒＶｅｈｉｃｌｅ，ＵＳＡ，ＮａｖａｌＰｏｓｔｇｒａｄｕａｔｅＳｃｈｏｏｌ，２００２【７】Ｋａｍｏｎ，ＩａｎｄＲｉｖｌｉｎ，Ｅ．Ｓ删ｙ－ｂａｓｅｄｍｏｔｉｏｎｐｌａｎｎｉｎｇｗｉｔｈｇｌｏｂａｌｐｒｏｏｆｓ，ＩＥＥＥＴｒａｎｓａｃｔｉｏｎ０１１ＲｏｂｏｔｉｃｓａｎｄＡｕｔｏｍａｔｉｏｎ，１９９７，１３（６），８１４·８２２【８】ＨｅａｌｅｙＡ，Ｌｉ既ｔａｒｄＤ．ＭｕｌｔｉｖａｒｉａｂｌｅＳｌｉｄｉｎｇＭｏｄｅＣｏｎｔｒｏｌｆｏｒＡｕｔｏｎｏｍｏｕｓＤｉｖｉｎｇａｎｄＳｔｅｅｒｉｎｇｏｆＵｎｍａｎｎｅｄＵｎｄｅｒｗａｔｅｒⅥＩｌｌｉｄｅｓ，ＩＥＥＥＪｏｕｒｎａｌｏｆＯｃｅａｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，１９９３，１８（３），３２７－３３９ＲＥＭＵＳＡｕｔｏｎｏｍｏｕｓＵｎｄｅｒｗａｔｅｒＶｅｈｉｄｅ，【９】９ＣｈｒｉｓｔｏｐｈｅｒＤ．Ｃｈｕｈｒａｎ．ＯｂｓｔａｃｌｅＡｖｏｉｄａｎｃｅＣｏｎｔｒｏｌｆｏｒｔｈｅＵ眠ＮａｖａｌＰｏｓｔｇｒａｄｕａｔｅＳｃｈｏｏｌ，２００３【１０】Ｅｗａｒｔ，Ｔ．Ｅ．ＯｂｓｏｒｖａｔｉｏｎｓＥｄｍｂｕｒｇｇ１９７６ｆｒｏｍＳｔｒａｉｇｈｔＬｉｎｅＩｓｏｂａｒｉｃＲｕｎｓｏｆＳＰＵＲＶ，Ｊｏ诚ＯｃｅａｎｏｇｒａｐｈｙＡｓｓｅｍｂｌｙ，【ｌＩ】ｈｔｔｐ＇Ｊ／ｗｗｗ．ｗｈｏｉ．ｅｄｕ／ｐａｇｅ。ｄｏ？ｐｉｄ＝８４５８【１２】ＤａｎａＩ乙Ｙｏｅｒｇｅｒ，ＡｌｂｅｒｔＭ．ＢｒａｄｌｅｙＡｕｔｏｎｏｍｏｕｓａｎｄＭｉｃｈａｅｌＪａｋｕｂａ，ｅｔｃ．Ｍｉｄ－ＯｃｅａｎＲｉｄｇｅＥｘｐｌｏｒａｔｉｏｎｗｉｔｈａｎＵｎｄｅｒｗａｔｅｒＶｅｈｉｃｌｅ，Ｏｃｅａｎｏｇｒａｐｈｙ，２００７，２０（４）。５２．６ｌ【１３】ｈｔｔｐＪ／ｗｗｗ．ｔｏｕｃｈｂｆｉｅｆｍｇｓ．ｃｏｍ／ｐｄｆ／９５１／ｋｏｎｇｓｂｅｒｇ＿ｔｅｅｈ．ｐｄｆ【１４】ＭｉｋａｅｌＢｌｉｋｓｔｅｄＬａｒｓｅｎ．ＨｉｇｈＰｅｒｆｏｒｍａｎｃｅＤｏｐｐｌｅｒ－ＩｎｅｒｔｉａｌＮａｖｉｇａｔｉｏｎ—ＥｘｐｅｒｉｍｅｎｔａｌＲｅｓｕｌｔｓ，ＩｎｐｒｏｃｅｅｄｉｎｇｓｏｆＩＥＥＥＯｃｅａｎｓ，２０００，２，１４４９·１４５６［１５】Ｂｕｔｌｅｒ，Ｂ．ａｎｄＢｌａｃｋ，Ｍ．ＴｈｅＴｈｅｓｅｕｓＡｕｔｏｎｏｍｏｕｓＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ１０ｔｈＩｎｔｏｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍＵｎｄｅｒｗａｔｅｒＶｅｈｉｃｌｅ－ＴｗｏＳｕｃｃｅｓｓｆｕｌＭｉｓｓｉｏｎｓ，ＩｎｏｎＵｎｍａｎｎｅｄＵｎｔｅｔｈｅｒｅｄＳｕｂｍｅｒｓｉｂｌｅＴｅｃｈｎｏｌｏｇｙ，ＡｕｔｏｎｏｍｏｕｓＵｎｄｅｒｓｅａＳｙｓｔｅｎ碜．Ｉｎｓｔｉｔｕｔｅ，１９９７，１２－２２【１６】Ｂｕｔｌｅｒ，Ｂ．，Ｖｅｔ＇ｒａｌｌ，１Ｌ．ＡＰｒｅｃｉｓｉｏｎＨｙｂｒｉｄＩｎｅｒｔｉａｌ／ＡｃｏｕｓｔｉｃＮａｖｉｇａｔｉｏｎＳｙｓｔｅｍｆｏｒａＬｏｎｇ－ＲａｎｇｅＡｕｔｏｎｏｍｏｕｓＵｎｄｅｒｗａｔｅｒＶｅｈｉｃｌｅ，ＩｎＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ５４ｔｈＡｎｎｕａｌＭｅｅｔｉｎｇｏｆｔｈｅＩｎｓｔｉｔｕｔｅｏｆＮａｖｉｇａｔｉｏｎ，１９９８，５６１－５７２３９内蒙古大学硕士论文【１７］Ｆ盯ｇｕ∞Ｉｌ’Ｊ．，Ｐｏｐｅ，Ａ．，Ｂｕｔｌｅｒ，Ｂ．，Ｖｅｒｒａｌｌ，＆ＴｈｅｓｅｕｓＴｅｃｈｎｏｌｏｇｙＭａｇａｚｉｎｅ，１９９９，６５·７０ＡＵＶ－ＴｗｏＲｅｃｏｒｄＢｒｅａｋｉｎｇＭｉｓｓｉｏｎｓ，Ｓｅａ【１８】Ｖｅｒｒａｌｌ，＆ａｎｄＢｕｔｌｅｒ，Ｂ．ＴｅｓｔｉｎｇｔｈｅＷａｔｅｒｓ－Ｔｅｄｍｏｌｏｇｉ懿ＣｏｎｖｅｒｇｅｔｏＬａｙＡｒｃｔｉｃＣａｂｌｅ，ＧＰＳＷｏｒｌｄＭａｇａｚｉｎｅ，１９９９，２２－３３，．［１９］李开生，王文友．军用无人潜器的发展及其关键技术，鱼雷技术，２００４，１２（１）。６－８【２０】ｈｔｔｐ：／／ｗｗｗ．ｅｕｒｅｌｔａｌｅｒｔ．ｏｒｇ／ｐｕｂ＿ｒｅｌｅａｓｅｓｒ２００３－０６／ｏｏｎｒ－ｍｍａ０６３００３．ｐｈｐ［２１】ＣｌｉｆｆＦｕｎｎｅｌｌ．Ｊａｎｅ’Ｓｕｎｄｅｒｗａｔｅｒｔｅｃｈｎｏｌｏｇｙ（２００６－２００７），Ｊａｎｅ’３Ｉｎｆｏｒｍａｔｉｏｎ【２２】ｈｔｔｐ＂ｌ／ｍｉｌｉｔａｒｙ．ｐｅｏｐｌｅ．ｃｏｍ．ｃｎ／ＧＢ／５２９３４，６７８５７，６２０ｌｌ８２．ｈｔｍｌ【２３】ｈｔｔｐ＂Ｊ／ｍｉｌ．ｎｅｗｓ．ｓｏｈｕ．ｃｏｍ／２００７０４２４／ｎ２４９６６７０４６．ｓｈｔｍｌ［２４】蒋新松．未来机器人技术的发展，机器人技术与应用。１９９７，５６（２），２—５［２５】Ｏ．Ｋｈａｔｉｂ．Ｒｅａｌｔｉｍｅｏｂｓｔａｃｌｅａｖｏｉｄａｎｃｅｆｏｒｍａｎｉｐｕｌａｔｏｒｓａｎｄｍｏｂｉｌｅｒｏｂｏｔｓ，ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＧｒｏｕｐＲｏｂｏｔｉｃｓＲｅｓｅａｒｃｈ，１９８６，５（１），９０－９８［２６】张棋，杨宜民．基于改进人工势场法的足球机器人避碰控制，机器人，２４（１），２００２．１２－１５【２７］Ｈｗａｎｇ，Ｙｏｎｇ．ＧｒｏｓｓＭｏｔｉｏｎＰｌａｎｎｉＩｌ州Ｓｕｒｖｅｙ，ＡＣＭＣｏｍｐｕｔｉｎｇＳｕｒｖｅｙｓ，１９９２，２４（３）［２５】周明，孙树栋。遗传算法原理及应用，北京，国防工业出版社，１９９６，１３．１５［２９］郝燕玲，张京娟．基于遗传算法的ＡＵＶ－－－维海底路径规划，中国工程科学，２００３，５（１１），５６－６０【３０］诸静等．模糊控制原理和应用．机械工业出版社，２００５【３ｌ】张汝波，顾国昌等．水下智能机器人模糊局部规划器设计，机器人，１９９６，１８（３）［３２】段群杰，张铭钧，张菁．基于模糊神经网络的水下机器人局部路径规划方法，２００１，ｌ，“．５９【３３】陈华志，谢存禧，曾德怀．基于神经网络的移动机器人路径规划算法的仿真，华南理工大学学报（自然科学版），２００３，６，５６—５９【３４］．张明路，彭商贤，曹作良等用于移动机器人避障的人工神经网络和模糊逻辑控制技术，中国机械工程．１９９７，２，２１－２４［３５】Ｃａｍｐａ，ＱＳｈａｒｍａ，Ｍ．Ｃａｌｉｓｅ，Ａ．Ｊ．，ｅｃｔ．Ｎｅｕｒａｌｔｏｎｅｔｗｏｒｋａｕｇｍｅｎｔａｔｉｏｎｏｆｌｉｎｅａｒｃｏｎｔｒｏｌｌｅｒｓｗｉｔｈａｐｐｌｉｃａｔｉｏｎｕｎｄｅｒｗａｔｅｒｖｅｈｉｃｌｅｓ，ＡｍｅＴｉｃａｎＣｏｎｔｒｏｌＣｏｎｆｅｒｅｎｃｅ，２０００，Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２０００，ｌ（６）＇７５－７９【３６】Ｉｎｎｏｃｅｎｔｉ，Ｍ．，Ｃａｍｐａ，ＧＲｏｂｕｓｔｃｏｎｔｒｏｌｏｆｕｎｄｅｒｗａｔｅｒｖｅｈｉｃｌｅｓ：ｓｌｉｄｉｎｇｍｏｄｅＶＳＬＭＩｓｙｎｔｈｅｓｉｓＡｍｅｒｉｃａｎＣｏｎｔｒｏｌＣｏｎｆｅｒｅｎｃｅ，１９９９，５，３４２２·３４２６【３７】ＴｉｍｏｔｈｙＰｒｅｓｔｅｒｏ．ＶｅｒｉｆｉｃａｔｉｏｎｏｆａＳｉｘ－ＤｅｇｒｅｅｏｆＦｒｅｅｄｏｍＳｉｍｕｌａｔｉｏｎＭｏｄｅｌｆｏｒｔｈｅＲＥＭＵＳＡｕｔｏｎｏｍｏｕｓＵｎｄｅｒｗａｔｅｒＶｅｈｉｃｌｅ，ＵＳＡ，ｗｏｏｄｓｈｏｌｅＯｃｅａｎｏｇｒａｐｈｉｃｉｎｓｔｉｔｕｔｉｏｎ，２００１内蒙古大学硕士论文【３８】Ｓｍｇｈ，Ｈａｎｕｒｎａｎｔ，ｃｔａ１．ＳｏｎａｒＭａｐｐｉｎｇｗｉｔｈｔｈｅＡｕｔｏｎｏｍｏｕｓＢｅｎｔｈｉｃＥｘｐｌｏｒｅｒ（ＡＢＥ），ＮｉｎｔｈＩｎｔｅｒｎａｔｉｏｎａｌｓｙｍｐｏｓｉｕｍｏｎＵｎｍａｎｎｅｄＵｎｔｅｔｈｃｒｏｄＳｕｂｍｅｒｓｉｂｌｅＴｅｃｈｎｏｌｏｇｙ，１９９５，３６７—３７５【３９】Ｂｅｎｎｅｔ，ＡｎｄｒｅｗＩｎｔｅｒｎａｔｉｏｎａｌＡ．ｅｔａ１．ＢｏｔｔｏｍＦｏｌｌｏｗｉｎｇｆｏｒＳｕｒｖｅｙ－ＣｌａｓｓＡｕｔｏｎｏｍｏｕｓＵｎｄｅｒｗａｍｒＶｅｈｉｃｌｅｓ，ＮｉｎｔｈｏｎＳｙｍｐｏｓｉｕｍＵｎｍａｒｍｃｄＵｎｔｅｔｈｅｒｅｄＳｕｂｍｅｒｓｉｂｌｅＴｅｃｈｎｏｌｏｇｙ，１９９５，３２７－３３６［４０】张巧荣，张斌．遗传算法在水下机器人路径规划中的应用，机器人技术，２００６，２２（１１－２），２４０－２４３【４ｌ】顾国昌，付岩，刘海波．基于遗传模拟退火算法的水下机器人路径规划，哈尔滨工程大学学报，２００５，２６（１），８４－８７［４２］王小平，曹立明．遗传算法．理论、应用与软件实现，西安，西安交通大学出版社，２００２：４－９。６８－６９［４３】尚游．海洋环境下多水下机器人全局路径规划及避碰策略研究，哈尔滨，哈尔滨工程大学，１９９９【Ｊ４４】卢伯英，于海勋等译．现代控制工程，第三版，北京：电子工业出版社，２０００，７３９．７４１，７９５．７９８４１内蒙古大学硕士论文附录１国外军方购置ＡＵＶ列表时间１９９５１９９７１９９８２０００之前２０００之前２０００之前１９９９．２００５２０００２００Ｉ２００１２００２２００３２００３２００３２００３２００３２００３２００４２００４２００４２００４２００４２００４２００５２００５２００５２００５２∞５设备ＮⅣⅡ己ＳＬＮ麟ＭａｒｌｉｎＯｃｅａｎＥｘｐｌｏｒｅｒＲＥＭＵＳＣＥＴＵＳＨＳｅａｈＯｍＡＵＶ６２ＦＲＥＭＵＳＳＡＭＳＲＥＭＵＳＲＥＭＵＳＲＥＭＵＳＲＥＭＵＳＧａｙｉａＭａｒｉｄａｎ６００（Ｍ６３）ｈ１强娶ｐｌＲＥＭＵＳＩｔＥＭＵＳＲＥＭＵＳＨＵＧＩＮ１００ＧａｖｉａＣＥＴＵＳⅡＲＥＭＵＳＲＥＭＵＳＨＵＧＩＮＭ喂ＡＬＩＳＴＥＲＢｌｕｅｆｉｎｉ－２１（ＳＰＡｔＹＶ）生产商ＮｏｒｔｈｒｏｐＧｒｕｍｍａｎＢｏｅｉｎｇＢＡＥＳＹＳＴＥＭＳＦｌｏｒｉｄａＡｔｌａｎｔｉｃＵＷｏｏｄｓＨｏｌｅＬｏｃｋｈｅｅｄＭａｒｔｉｎＡＲＬＰｅｎｎｓｙｌｖａｎｉａＳａａｂＢｏｆｏｒｓＨｙｄｒｏｉｄＷｏｏｄｓＨｏｌｅＨｙｄｒｏｉｄＨｙｄｒｏｉｄＨｙｄｒｏｉｄＨｙｄｒｏｉｄＨａｆｉｎｙｎｄＭａｒｉｄａｎＬｏｃｋｈｅｅｄＭａｒｔｉｎＨｙｄｒｏｉｄＨｙｄｒｏｉｄＨｙｄｒｏｉｄＫｏｎｇｓｂｅｒｇＨａｆｍｙｎｄＬｏｃｋｈｅｅｄＭａｒｔｉｎＨｙｄｒｏｉｄＨｙｄｒｏｉｄＫｏｎｇｓｂｅｒｇＥｒａＢｌｕｅｆｉｎＲｏｂｏｔｉｃｓ４２国家数目美国２美国２英国ｌ美国２美国７美国３美国３瑞典ｌ美国２美国ｌ美国６美国１６美国２美国ｌ冰岛ｌ德国ｌ美国ｌ美国２美国２美国２挪威ｌ冰岛１０美国２美国１美国１０挪威ｌ法国ｌ美国２购买用户美国海军美国海军英国ＱｉｎｅｔｉＱＮＡＴＯ水下研究中心美国海军美国ＳＰＡＷＡＲ美国ＮＡＶＯＣＥＡＮｏ瑞典海军美国海军美国ＮＡＶＯＣＥＡＮＯ美国海军美国海军Ｑｉｎ萌Ｑ德国海军美国ＳＰＡＷＡＲＷＴＤ７１（德国海军）美国海军美国海军荷兰皇家海军新加坡海军挪威皇家海军美国Ｓ黝撇美国ＳＰＡＷＡＲ比利时海军英国皇家海军挪威皇家海军法国海军美国海军（ＬＣＳ）主体直径主体长度重力浮力重心坐标最大深度限制速度范围续航能力内蒙古大学硕士论文附录２ＲＥＭＵＳ外形参数０．１９１ｍ１．３８６ｍ２９９Ｎ３０８Ｎ（Ｏ，０，０．０１９６）ｍｌＯＯｍ０．５节～５．６节２０ｄ＇，时（３节），９／Ｊ，时（５节）４３内蒙古大学硕士论文附录３ＲＥＭＵＳ水动力参数物理量垂向阻尼力系数垂向附加质量系数俯仰转动阻尼力系数俯仰附加质量系数机翼升力系数重心位置垂向阻尼力矩系数垂向附加质量力矩系数俯仰转动阻尼力矩系数俯仰附加质量力矩系数机翼升力力矩系数俯仰转动惯量鸫乙乙乙乙乙乙蚝蚝鸠坞鸩‘效值一６．６６ｅ＋ｌ培／ｓ－３．５５ｅ＋１ｋｇ一９．６７ｅ０堙·ｍ／ｓ·１．９３ｅ０ｋｇ·ｍ．５．０６ｅ＋ｌｋｇ·ｍ／ｓ２１．９６ｅ．２ｍ３．０７ｅ１ｋｇ·ｍ／ｓ－１．９３ｅ０ｋｇ·ｍ．６．８７ｅ０堙·ｍ２／ｓ－４．８８ｅ０ｋｇ·ｍ２．３．４６ｅ＋ｌ培·ｍ２／ｓ２３．４５ｅ０堙·ｍ２内蒙古大学硕士论文致谢首先，我衷心地感谢我的两位导师，李前忠教授和张杰研究员。在内大，是李老师把我引入了科学的殿堂，他的平易近人和严谨治学，使我一生受益匪浅。在海洋一所，张老师的学识渊博和思想活跃，深深地激励着我，就像人生中的一盏明灯，指引着我在科学的道路上不断进步。在此，再次感谢两位导师，感谢他们为我的成长付出的巨大心血。感谢内蒙古大学理论生物物理实验室的老师和同学在学习和生活中给予的帮助。由衷感谢海洋一所遥感室王岩峰研究员两年来对我的细心指导和帮助。感谢海洋一所丁永耀总工程师对论文提出的宝贵意见和帮助。感谢遥感室官晟老师和王常颖同学在学习和生活中给予的帮助。感谢遥感室所有老师和同学两年来对我的关心和帮助。感谢青岛大学高军伟老师在论文控制方面给予的指导和帮助。感谢内蒙古大学物理系和数学系的老师对我的培养。感谢我的家人和女朋友，一直默默地关心和支持我。４５内蒙古大学硕士论文攻读学位期间发表的学术论文金久才，张杰，官晟等．单神经元自适应ＰＩＤ在水下拖曳控制系统中的应用，青岛大学学报（工程技术版），２００７，２２（２），５６－６ｌ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 本账号发布文档来源于互联网和个人收集，仅用于技术分享交流，版权为原作者所有。如果侵犯了您的知识版权，请提出指正，我们将立即删除相关资料。免费格式转换请发豆丁站内信。

网易博客http://turui.blog.163.com/腾讯微博http://t.qq.com/turuizx新浪微博http://weibo.com/hiyoho直接联系QQ2218108823

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 swU89iO2zbnk7izlufhRR1Dnnf1jEpdK8CxiB2kC6M8UZsuV