基于进化势场模型的无人艇路径规划算法

基于改进人工势场法的无人船路径规划算法刘琨;张永辉;任佳【摘要】提出了一种改进的人工势场法,用指数函数代替二次函数构造势场函数,降低了势场强度的变化幅度,并在斥力势场函数中增加无人船与目标点的相对位置的一个因子,解决目标不可达问题;同时设置势场系数调整因子,引入2个判断条件确定无人船是否陷入局部最小值,在此基础上选择相应的势场系数,从而跳出局部极小值点.仿真结果证明了该方法的有效性.【期刊名称】《海南大学学报（自然科学版）》【年(卷),期】2016(034)002【总页数】6页(P99-104)【关键词】水面无人船;人工势场;局部极小值点;路径规划【作者】刘琨;张永辉;任佳【作者单位】海南大学信息科学技术学院,海南海口570228;海南大学信息科学技术学院,海南海口570228;海南大学信息科学技术学院,海南海口570228【正文语种】中文【中图分类】TP18水面无人船(Unmanned Surface Vehicle, USV)是一种能够在海洋环境下自主航行，并完成各种任务的水面运动平台[1]，集船舶设计、人工智能、信息处理和运动控制等专业技术为一体，研究内容涉及自动驾驶、自主避障、规划与导航和模式识别等多方面[2].水面无人船由于其灵活机动、造价低、环境适应能力强等优点，广泛应用于港口监控、水质采样、水文勘察和海事搜救，为海洋发展和航运发展提供了一种在危险情况下代替人工进行作业的安全途径[3].无人船在复杂环境下具备自主航行的能力，首先需要解决路径规划问题，即找出一条从出发点到目标点无人船安全航行路线.目前适用于无人船自主路径规划的方法有模拟退火算法[4]、人工势场法[5]和模拟逻辑算法等[6].其中，人工势场法相对于其他算法具有反应快速、计算简单以及实时性强等优点，对算法加以改进能在智能体路径规划任务中得到很好的应用，但是传统的人工势场法存在局部极小值问题，易造成无人船无法及时躲避障碍.因此，文献[7]提出一种带记忆功能的“沿边法”，通过沿着障碍物边缘行走来逃离局部最小值点，但会造成路径变长，不能实现最优路径；文献[8]采用沿等势线逃离和随机逃离结合的方法跳出局部最小值点，但随机性较高，缺乏全局指导性；文献[9]采用入侵杂草法产生最优子目的地，根据子目的地重新分配空间内的引力势，从而指引机器人摆脱局部最小值点，但过程较为繁琐；文献[10]利用人工势场法的规划结果作为先验知识，可提高算法的收敛速度，但容易出现早熟现象，且计算开销较大，导致解决局部最小值问题的效率降低.针对上述问题，笔者采用新的势场函数模型，通过动态调整势场函数系数，解决传统人工势场法中目标不可达和局部最小值问题.港口是水陆交通的集结点和枢纽，由于停靠的船舶以及来往船只较多，港口拥挤而复杂的环境使得无人船路径规划的难度加大.如图1所示，以中国南海某一港口为例，设定A处为起点，B处为终点，要完成从A点到B点的路径规划，采用传统人工势场法的算法过程以及遇到的问题如下.1) 无人船在A点受到的目标点的引力势场为Ua，通常引力势场的一般形式如下无人船在该点受到的引力Fa为引力势场的梯度，方向指向目标点，公式如下所示无人船在A点受到障碍物的斥力势场为Ur，公式如下相应的，无人船受到的斥力为斥力势场的负梯度，公式如下无人船受到的合力为F，公式如下2)无人船在合力的作用下，躲避障碍，朝着目标点移动，途径A点、B点、C点，行动路径如图1所示，当无人船进入D区域时，无人船、目标点和障碍物三者处于同一条直线上，且障碍物位于无人船与目标点之间，目标点对无人船的引力和障碍物对无人船的斥力的合力为零，无人船则陷入局部最小值点，在该局部小范围内反复移动而无法到达目的点.3)若在目标E点附近存在较大的障碍物，同时无人船也处于障碍物的影响范围内，当无人船向E点靠近时，受到的引力减小，同时也向障碍物靠近，则受到的斥力增大，引力相当于斥力来说很小，最终也导致无人船无法到达目标点.2.1 改进的势场函数从以下几个方面对传统人工势场法进行改进1) 将对无人船的受力分析改为受势场强度分析，使计算的复杂度降低，促进时效性；2) 大多数人工势场的斥力势场函数都是以无人船与障碍物的相对位置的倒数为自变量的二次函数，无人船小幅度地移动就能引起势场强度大幅度的变化，即斥力场强度变化较快.而在实际应用中，斥力场强度的数值变化过快会影响对运动路径的判断，因此对斥力常量m的选择要求较为苛刻，因此采用指数函数作为斥力势场函数，其表达式如下3)为了解决目标不可达的问题，引入目标点与无人船的相对位置，将原来的斥力场函数乘以一个因子(X-Xg)n，使得目标点位置的斥力为零.改进的斥力场函数为4)为了防止无人船陷入局部最小值的困境，动态调整斥力场系数.在计算下一步位置之前增加2个判断条件：①无人船未到达目标点(无人船与目标点的距离不为零)；②无人船连续3步移动的距离小于步长).满足以上2个条件则判断无人船陷入局部最小值点，然后增大引力势场系数或减小斥力势场系数，变化值为3n(0.1<n<0.3)，使得无人船朝目标点方向移动，并限制下一步移动方向与上一步移动方向的夹角在90°以内.2.2 改进的路径规划无人船船身均匀安装16个超声波探头，通过检测无人船与障碍的相对位置来确定合力势场，从而对无人船进行路径规划，即利用合力势场来确定无人船的运动方向.1) 超声波探头的角度2)超声波探头的位置3)超声波探头的引力场4)超声波探头的斥力场5)超声波探头的合力势场(6)无人船下一时刻的位置为设定无人船的航行范围为一大小为30 m×30 m的区域，在该区域随机布置多个障碍物并测得其位置坐标分别为(8,10)，(10,10)，(12,10)，(18,20)，(20,15)，(22,25)，(25,20)，设定无人船的初始位置X为(5,5)，目标点的位置Xg为(25,25)，引力场系数k=10-4，斥力势场系数m=1，步长为0.1 m，用Matlab进行仿真.在简单的环境中，当障碍物与目标点相邻时，使用传统人工势场法的无人船的行动路径如图2所示，无人船无法到达目标点；使用本文提出的改进的人工势场法，无人船的行动路径如图3所示，无人船能够躲避障碍物，并且也能准确地到达目的地.当无人船处于复杂环境中，即障碍物的数量增多，且位置改变时，障碍物的位置分别为(8,10)，(10,10)，(12,10)，(18,10)，(18,15)，(20,15)，(18,20)，(18,22)，(24,20)，(23,22)，采用传统人工势场法，仿真结果的无人船行动路径如图4所示.从图5显示的无人船的行动步数看出，无人船到达(16,18)坐标点后，开始停滞不前，在小范围内往复移动，此时无人船陷入了局部最小值点的困境.采用文献[7]提出的算法，仿真结果的无人船行动路径如图6所示，无人船沿着障碍物的边缘移动，跳出局部最小值点，图7的行动步数显示，经过372步，无人船最终达到目标点.采用本文提出的改进的人工势场法，通过合理布局超声波探头对无人船进行路径规划，并在无人船陷入局部最小值时及时对斥力势场系数进行调整，将原系数修改为0.5，使此刻障碍物对无人船的斥力减小，仿真结果的无人船行动路径如图8所示，无人船的移动步数如图9所示，经过337步，无人船到达目标点.通过实验可以看出，在复杂环境中，本文提出的改进的人工势场算法对障碍物有一定的规避能力.从规划的路径来看，无人船避开了所有障碍物，并且跳出了所遇到的局部最小值点，准确地到达目标点.通过比较图8与图6，图9与图7，本文算法的规划速度明显快于文献[7]的算法规划速度，且路径长度更短，更满足路径规划的实时性要求.针对传统的人工势场法存在的主要缺陷，即目标不可达和局部极小值点问题提出了一种改进算法，由于传统势场函数数值变化过快容易导致错误的路径规划，采用指数形式的势力场函数，并且增加无人船与目标点的相对位置的因子解决目标不可达的问题；采用合理布局超声波探头进行路径规划的方法，动态调整势力场系数，从而快速跳出局部最小值.仿真实验结果显示，采用本文算法在复杂环境中，无人船能躲避障碍，逃离局部最小值点，准确到达目标点，且路径平滑，满足USV实时路径规划的要求.。

基于进化势场模型的无人艇路径规划算法陈卓;茅云生;宋利飞;董早鹏;杨鑫;房新楠【摘要】人工势场法广泛地应用于无人艇的路径规划问题,但传统势场模型下所规划的路径并不具有最优性,无法满足无人艇的实际规划要求.针对此问题,文中提出了一种基于进化势场模型的无人艇路径规划算法.在势场模型中,引入势场路径评价方程和微分进化算法,以实现对势场模型的评估和优化;同时考虑到无人艇的最大转向角约束,提出平滑算法对势场路径进行二次优化.仿真结果验证了算法的有效性和可靠性.【期刊名称】《武汉理工大学学报（交通科学与工程版）》【年(卷),期】2019(043)001【总页数】6页(P113-117,124)【关键词】无人艇;路径规划;势场模型;微分进化算法;路径最优化;最大转向角约束【作者】陈卓;茅云生;宋利飞;董早鹏;杨鑫;房新楠【作者单位】武汉理工大学高性能船舶技术教育部重点实验室武汉 430063;武汉理工大学交通学院武汉 430063;武汉理工大学高性能船舶技术教育部重点实验室武汉 430063;武汉理工大学交通学院武汉 430063;武汉理工大学高性能船舶技术教育部重点实验室武汉 430063;武汉理工大学交通学院武汉 430063;武汉理工大学高性能船舶技术教育部重点实验室武汉 430063;武汉理工大学交通学院武汉430063;武汉理工大学高性能船舶技术教育部重点实验室武汉 430063;武汉理工大学交通学院武汉 430063;武汉理工大学高性能船舶技术教育部重点实验室武汉430063;武汉理工大学交通学院武汉 430063【正文语种】中文【中图分类】U664.820 引言水面无人艇(unmanned surface vehicle, USV)智能系统包括运动控制系统、传感器系统和通信系统，其中运动控制系统下的路径规划子系统则是无人艇实现自主航行的核心，在某种程度上代表了无人艇智能化水平的高低，同时也是无人艇安全航行和执行任务的基本保障[1-2]，因此，寻找一种合理高效的路径规划技术是无人艇研究的重要方向.人工势场法作为一种广泛使用的路径规划算法，具有模型简洁、计算快速、路径光滑等优点[3]，是水面无人艇最常用的路径规划技术之一.但是势场模型本身具有局限性，在实际应用时往往需要加以改进.操文芷等[4-6]针对传统势场法中无人艇易陷入局部最小点的问题，分别提出了基于不同逃脱策略的改进势场法；刘建等[7-8]将势场法与栅格模型进行了结合，使得路径安全且较短，但是路径不光滑；Li 等[9]提出了切向势场法，克服了路径的局部抖动问题.但是，以上这些方法都是基于传统势场模型，没有考虑无人艇路径的最优化问题和合理性问题，导致路径只在某方面较优，而且没有考虑无人艇的运动能力约束，因而无法满足无人艇的实际规划要求.微分进化算法(differential evolution algorithm，DE)是一种基于群体差异的启发式全局搜索算法，由Storn等[10-12]为求解Chebyshev多项式而提出.相比于传统的进化算法，DE算法具有模型简单、受控参数少、鲁棒性强的特点，近年来在优化计算等方面得到了广泛应用.本文将微分进化算法和人工势场模型进行结合，把DE算法的优化特性引入到传统势场模型中，提出了势场路径评价方程和基于进化策略的改进势场模型，实现了对势场路径的初步优化；并且在路径规划中考虑了以无人艇最大转向角为代表的无人艇运动能力约束，提出了平滑算法对局部路径进行二次优化.通过不同环境下的仿真试验对算法效果进行了验证.1 势场模型1.1 势场法路径规划原理路径规划问题可以描述为这样的数学模型：在给定空间内，寻找出一条连接起始点与目标点并且满足一定优化条件的无碰曲线.实现对环境中的障碍物的避碰以及对目标点的追踪是路径规划中的两个关键点，直接决定了路径规划的结果.人工势场法借鉴了物理学上的势场概念，将障碍物和目标点对无人艇运动轨迹的影响以虚拟势场的方式进行表征.在势场法中，目标点产生引力场，障碍物附近产生斥力场，环境中各点所受到的势场力与无人艇到各障碍物及目标点的距离有关，可由势场方程计算得到.无人艇在规划环境中沿着势场合力的方向从起始点向目标点运动，见图1.图1 势场法路径规划1.2 势场方程采用一个标准引力方程和带有可调参数的斥力方程作为基本模型.其中无人艇在每一位置处的运动方向由目标点的引力和障碍物的斥力的矢量和所决定，引力和斥力的大小与无人艇的位置相关.无人艇在环境中受到的引力为(1)式中：Fatt为目标点引力，方向由USV位置指向目标点；Dug为无人艇当前位置到目标点的欧式距离.同时，无人艇在障碍物附近会受到斥力作用，斥力方程为(2)式中：Frel为障碍物斥力，方向由障碍物位置指向无人艇；Duo为无人艇当前位置到障碍物的最小距离；Dinf为斥力影响半径，即无人艇在障碍物的影响范围内时，才会受到斥力，否则斥力为零；a和b为斥力场形状系数，改变这两个系数的取值可以构造不同的势场模型.在传统势场模型中，a和b是固定的，一般取1和2，这导致其无法适应于较为复杂的环境.本文采用DE算法对a和b进行了实值寻优，对于不同的规划环境，可以得到不同的最优势场系数，从而构造不同的势场方程.在确定势场系数后，可利用式(1)～(2)计算出无人艇在每一点处受到的势场合力及其方向：F=Fatt+∑Frel(3)A=∠F(4)式中：F为无人艇在势场中所受的引力和斥力之和；A为合力F的方向角，直接决定无人艇下一步长内的航行方向.2 基于进化势场模型的无人艇路径规划算法2.1 势场路径评价方程路径规划的目的是在充分考虑路径代价的基础上生成最优或满意路径，传统势场模型缺乏路径评价机制，虽然能生成一条路径，却未必最优.因此，文中提出了势场路径评价方程，用于评估不同势场模型下的路径性能.在无人艇路径规划中，避碰系数、长度系数和光滑度系数是需要考虑的三个主要因素.避碰系数是路径安全性的保障，长度系数和光滑度系数影响无人艇的航行效率.避碰系数由在斥力影响范围内的所有路径点到相应障碍物的距离之和表示，见图2.为环境中第i个障碍物；Dinf为障碍物的影响半径；Pj,…, Pj+m为落在该障碍物斥力圈内的路径点.图2 路径避碰系数路径的整体避碰系数为(5)式中：M为障碍物总数；m为该障碍物斥力影响范围内的路径点总数；d(Oi,Pj)为第i个障碍物Oi到第j个路径点Pj的最小距离.fa越大，表示路径整体到障碍物的距离越大，避碰程度越高，路径越安全.路径光滑度由路径上所有的相隔路径点之间的距离和来表示，见图3.其中Pi，Pi+1，Pi+2为三个连续的路径点，d为PiPi+2间的直线距离，由几何关系可知，d值越大，Pi，Pi+1，Pi+2三点所成的夹角越大，路径在该局部就越光滑.图3 路径光滑度系数路径的整体光滑度为(6)式中：N为路径点总数；d(Pi,Pi+2)为相隔路径点(Pi,Pi+2)之间的直线距离.fs越大，路径整体曲率变化越小，减少了不必要的转向次数，因而操纵系统越高效.路径长度由各相邻路径点之间的距离和来近似表示，路径的长度系数为fl=Nl(7)式中：N为路径点总数；l为无人艇运动步长.fl越小，路径总长度最短，无人艇执行任务过程中所消耗的源和时间就越少，效率越高.结合以上路径性能系数，本文构造了如下的势场路径评价方程.f=αfa+βfs-γfl(8)式中：α，β，γ对应系数的权重，满足α+β+γ=1.在应用时，可根据不同的规划要求为三个系数设置不同的权重.2.2 基于DE算法的进化势场模型DE算法采用了与遗传算法相似的的进化流程，但是在变异操作时使用了差分策略，即利用种群中个体的差分向量对个体实现扰动，实现个体变异.这种变异方式有效地利用了种群分布特征，提高了算法的搜索能力，弥补了遗传算法中变异方式的不足.DE算法采用实数编码方式，在实值参数寻优上具有优势，因此本文采用DE算法来对势场系数进行优化.步骤1 种群初始化选择势场形状参数a和b组成实数串：xi=(xi,1,xi,2)，作为种群中的“染色体”，xi,1,xi,2代表这个二维“染色体”上的基因.然后以随机方式产生初始种群：i=1,2,…,NP;j=1,2，…,D(9)式中：xi,j(0)为第0代的第i条“染色体”上的第j个“基因”；和分别为第j个“基因”分量的取值范围的上界和下界；NP为种群大小；D为染色体的维数，这里为2.步骤2 变异操作 DE算法利用差分策略来实现染色体变异：从种群中随机选取两个不同的个体，求出其向量差，将向量差按一定比例缩放后与待变异个体进行相加，即得到变异个体：vi(g+1)=xr1(g)+F·(xr2(g)-xr3(g)),i≠r1≠r2≠r3,(10)式中：F为缩放因子；xi(g)为第g代种群中的第i个个体；vi(g+1)为第g代个体xr1(g)变异后产生的中间体.步骤3 交叉操作对第g代种群{xi(g)}及其变异中间体{vi(g)}进行个体间的交叉操作：(11)式中：xi,j(g)为第g代种群中第i个个体上的第j个基因值；vi,j(g+1)为其对应的变异中间体上的等位基因值；CR为交叉概率，jrand为1，2，…,D的随机整数，j=jrand保证了变异中间体上至少有一个基因遗传到了下一代.在进化过程中，为保证解的有效性，需要判断个体中的各“基因”是否满足边界条件.如果不满足，则取为相应的边界值.步骤4 选择操作 DE算法采用贪婪算法来选择下一代种群的个体.(12)式中：适应度函数f取为势场路径评价方程，即以每个个体所对应的势场路径的整体性能来评价该个体的适应度.适应度值越大，该个体上的信息被遗传到下一代的可能性越大.通过DE算法对势场形状系数进行优化后，可以得到无人艇在环境下的最优势场系数，再次利用势场法原理即可获得其对应的势场路径.2.3 基于最大转向角的路径平滑处理对于常规的机器人，在势场中通过势场方程计算出势场合力，就可以确定机器人每一步的前进方向，从而确定整条路径.但是无人艇的路径规划问题不同于一般机器人的路径规划，由于无人艇航行环境的特殊性和自身运动能力的约束，单纯的势场模型所规划的路径不一定能满足实际需要.因此在确定无人艇实际路径时，需要将这些约束考虑进来.最大转向角是无人艇运动能力的重要指标，它限定了所规划的每一路径段的最大转弯范围.假定已知当前路径点Pi和在该路径点的航行方向无人艇的最大转向角为φ，步长为l，则下一路径点Pi+2只能限制在RR角度为2φ的弧形AB上，见图4.图4 无人艇相邻步长内的最大转向角由图4中几何关系，可求得两步长间的最大转向角为(13)式中：路径步长l在势场法中设定；最小回转半径R可由无人艇的回转实验测得. 基于进化势场模型所产生的路径在避碰系数、光滑度和长度等性能上得到了改善，但是由于势场法本身的局限性，无人艇的最大转向角约束无法被兼顾，因而可能会出现局部路径转角过大、出现多余弧度的问题，无法保证所规划路径的合理性和可行性.为此提出了基于无人艇最大转向角的简单平滑算法来对势场路径进行二次优化.算法的思路是：从初始点开始，到最后一个路径点为止，依次从路径中取出三个连续路径点Pi、Pi+1和Pi+2，并判断该三点所形成的角度φ是否满足最大转向角要求.如果夹角φ大于最大转向角φ，则删除中间路径点Pi+1，并更新路径，直到路径上的所有点都满足最大转向角约束，见图5.图5 基于无人艇最大转向角的路径平滑算法2.4 算法流程图基于进化势场模型的无人艇路径规划算法分别从势场模型层面和路径点层面实现了对无人艇路径的优化.在势场模型层面，在给定环境条件的前提下，以势场路径评价方程的形式评估不同势场模型下的路径，并使用DE算对势场模型系数进行进化寻优，以得到势场模型下的最优路径；考虑到势场模型本身的局限性，对势场路径的局部路径点进行二次平滑处理，以使其满足无人艇的最大转向角要求.算法的具体流程图见图6.图6 基于进化势场模型的无人艇路径规划算法流程图3 仿真实验及结果分析图7为基于传统势场模型和进化势场模型所得到的路径.两图中环境信息完全相同，环境参数设置如下：无人艇从航行起始点(0，0)驶向任务目标点(10，10)，其中，障碍物半径robs和影响半径Dinf均取0.5，无人艇运动步长l设为0.2，两步长内最大转向角φ=30°.表1为此相同环境下基于这两种势场模型的无人艇路径的性能对比.图7 基于传统势场模型和进化势场模型的无人艇路径规划从仿真结果可以看出，基于进化势场模型的无人艇路径规划算法所得到的路径在整体性能上明显优于基于传统势场模型所得到的路径.在路径长度上，基于进化势场模型的路径长度为14.319 7，相比于传统势场模型，缩短了约9.75%；在操纵性方面，传统势场模型的路径在经过平滑算法处理后，仍需要以较大角度转舵5次来实现对障碍物的避碰，而基于进化势场模型的路径只进行了两次舵角微调就有效完成了避碰，而且路径平滑前后的差别不大，这表明了在势场模型层面对路径进行优化的有效性.表1 基于传统势场模型与进化势场模型的无人艇路径性能对比模型势场形状系数(a,b)路径长度转向次数是否避碰传统势场模型(1,2)15.866 4大转舵5次是进化势场模型(4.498,262 2)14.319 7小转舵2次是同时，为了验证本文算法在实际环境下的适应性，对复杂海事环境下的无人艇路径规划也进行了仿真.仿真结果见图8.图中的障碍物分布是基于真实海事地图的模拟，其中海岛以多个圆形的组合体来近似表示.从仿真结果可以看到，在复杂海事环境下，采用本文算法后的无人艇能够有效地避开各个岛型障碍，到达目标点，而且路径长度较短.图9为该路径下无人艇航向角改变量随运动步长数变化的曲线图，由图9可知，无人艇的整体航向角改变很小，稳定在-10°～15°；在第5步、35步及40步附近，出现了较大的航向改变，但是也远小于无人艇的最大转向角φ=30°，这表明路径在操纵性和跟随性方面也能很好地满足无人艇的实际运动要求.图8 复杂海事环境下基于进化势场模型的无人艇路径规划图9 无人艇单位步长内的航向角改变量4 结束语无人艇的路径规划问题是无人艇领域最基本的问题之一，针对传统势场模型在路径最优性上的不足，文中提出了一种基于进化势场模型的无人艇路径规划算法.通过在势场模型中引入DE算法和路径平滑算法，分别从模型层面和路径点层面实现了对路径的优化，有效地提升了无人艇的航行效率.仿真结果表明，本文算法继承了势场法计算简单、路径安全可靠的优点，同时兼顾了无人艇对路径的优化性要求和无人艇的运动约束条件，所规划出的路径短且平滑，很好地满足了无人艇的实际规划要求.参考文献【相关文献】[1] 吴博,文元桥,吴贝,等.水面无人艇避碰方法回顾与展望[J].武汉理工大学学报(交通科学与工程版),2016,40(3):456-461.[2] 陈华,张新宇,姜长锋,等.水面无人艇路径规划研究综述[J].世界海运,2015,38(11):30-33.[3] 张殿富,刘福.基于人工势场法的路径规划方法研究及展望[J].计算机工程与科学,2013,35(6):88-95.[4] 操文芷.基于电子海图和航海雷达的无人水面艇路径规划研究[D].大连：大连海事大学,2017.[5] 陈超,耿沛文,张新慈.基于改进人工势场法的水面无人艇路径规划研究[J].船舶工程,2015(9):72-75.[6] 刘琨,张永辉,任佳.基于改进人工势场法的无人船路径规划算法[J].海南大学学报(自然科学版),2016(2)：55-59.[7] 刘建.水面无人艇路径规划技术的研究[D].镇江：江苏科技大学,2014.[8] 朱曼.基于环境势场的海事无人艇巡航路径规划研究[D].武汉：武汉理工大学,2015.[9] LI G, YAMASHITA A, ASAMA H, et al. An efficient improved artificial potential field based regression search method for robot path planning[C].International Conference on Mechatronics and Automation, New York, 2012.[10] STORN R, PRICE K. Differential Evolution-a simple and efficient heuristic for global optimization over continuous spaces[J]. Journal of Global Optimization, 1997,11(4):341-359.[11] 徐小强，盛磊.基于STM32的无人艇航迹控制器的设计与实现[J].武汉理工大学学报(交通科学与工程版)，2018，42(4)：626-630.[12] 韩鑫，徐海祥，余文曌，等.基于过渡圆弧半径求解方法的无人艇循迹控制研究[J].武汉理工大学学报(交通科学与工程版)，2018，42(4)：783-787.。

基于优化人工势场法的无人艇局部路径规划摘要：无人艇航线计划可分为全球航线计划和局部航线计划。

对于已知障碍的全球路径规划，国内外研究人员进行了大量研究。

无人机在海上航行时最危险的是与动态障碍物的碰撞。

基于此，本文章对无人艇航行控制技术和传统人工势场法在无人艇航行控制中的应用进行介绍，并对针对人工势场法的局限性提出了优化方法，，以供专业人员参考。

关键词：人工势场法；无人艇；局部路径规划引言近年来，水面无人艇以其体积小、机动性强、功能多样等优势被广泛应用于环境监测、水底测绘、军事应用等领域。

无人艇在复杂水域自主航行作业，安全可靠的路径规划是其航行控制的重要环节之一，也是其实现自主航行的基础。

无人艇路径规划主要是依据已知水域环境及无人艇实时航行状态，确定一条能使无人艇安全、快速、节能地到达目的地的路径一、无人水面艇无人水面艇（UnmannedSurfaceVessel，USV）是一种智能自主的海洋探测和监测设备，将在水文测量和监测、海洋测量、海洋养护、敌对探测等领域发挥重要作用。

它拥有先进的能源系统、控制系统、传感器系统、综合收集和监测海洋环境信息的通信系统以及可执行多种战争和非战争军事任务，如侦察、反潜、反水雷以及巡逻等作战任务，在无人作战系统占有重要位置，因此倍受世界各国的重视。

二、人工势场法人工势场法路径规划是由Oussama Khatib博士提出的一种虚拟力法。

它的基本思想是把无人艇运动的环境变成一个抽象的引力场，在那里，目标点为潜艇产生“引力”，物体朝这个方向移动。

障碍物对无人艇产生“斥力”，以避免与物体碰撞。

引力和排斥力共同作用于无人艇，以绕过障碍物到达目的地。

人工势场法的本质是一种控制方法，其轨进并非像其他规划算法一样，而是由实时的控制量产生的。

三、基于优化人工势场法的无人艇局部路径规划（一）通信组网技术通信组网技术主要解决无人战场中多平台接入的信息交互问题。

无人平台的通信方案有单点对单点、单点对多点、多点对多点。

2020.17科学技术创新基于人工势场法的无人船航迹规划研究现状分析陈会伟陈玉杰冯飞（青岛黄海学院智能制造学院，山东青岛266427）1概述随着经济的发展，海水养殖业规模和速度都在不断增加，而渔业养殖环境的实时监控、合理调控成为产业发展所必须面对的重要问题。

无人船是一种新型的水上检测平台，其以小型船舶为基础，集定位、导航与控制设备于一体，可搭载多种检测传感器，以自主的方式完成相关水质检测。

由于海洋环境的复杂性（包括树干、浅滩、漂浮障碍物、无人船拖曳系统遇到的水中障碍物等），无人船在巡检过程中可能会遇到各种各样的危险，所以路径规划是无人船航行过程的重要环节。

规划出一条避障能力强，尽可能少消耗能量，航行距离尽可能短的路径，对无人船检测海水养殖环境具有重要意义，对海水养殖环境的进一步控制有着重要的理论价值。

无人船路径规划目前已有众多算法应用，常见的有基于粒子群的优化算法、蚁群优化类算法，随着神经网络的发展，神经网络在路径规划中得到了广泛的医用，在众多算法中，人工势场法具有较大的优势，因为其结构简单、反应快速。

2基于人工势场法的无人船航迹规划人工势场法是Khatib 于1986年提出的，是运用物理学的认识论来描述人类思维的方法，基本思想是将无人船在空间的运动看作是在一虚拟势场中的受力运动，目标点位置构造引力场对无人船产生吸引力，障碍物位置构造斥力场对无人船产生排斥力，无人船在两个力共同作用下朝着目标点运动，实现无碰撞的路径。

2.1传统人工势场法模型无人船在虚拟势场运动过程中，斥力场随着无人船与障碍物的接近而增大，引力场随着无人船与目标点的远离而增大，这样，既可保持无人船对目标点的跟踪，又可以避免对障碍物的碰撞。

因此，人工势场法的关键是引力势场函数和斥力势场函数的构造。

2.1.1引力势场函数引力势场函数是关于距离的概念，与目标点位置有关。

假设Xc 表示无人船在运动过程中的任意位置坐标，Xg 表示目标点的位置坐标，则引力势场函数是：（1）式中，k att 表示引力常数量；表示无人船坐标到目标点坐标的距离。

摘要无人艇作为新式探索海洋的工具，在智能应用方面的相关研究得到了广泛的关注，无人艇自主导航技术是其实现智能化的关键。

随着人工智能特别是强化学习的快速发展为无人艇路径规划问题的解决提供了新方向。

本文通过对强化学习进行改进，将其应用于无人艇全局路径规划问题中，并通过将其与局部路径规划算法结合，保证无人艇在有效躲避障碍物、顺利到达目标点的同时，规划出一条最优路径。

主要的研究工作如下。

首先，通过对无人艇发展现状、全局路径规划算法和局部路径规划算法的研究，明确课题研究背景和意义。

对本文的无人艇数学模型进行建模并介绍了无人艇避障基本理论。

其次，针对无人艇全局路径规划，提出了改进的Q学习路径规划算法。

针对Q学ε-随机策略参数ε的方法，通习算法探索利用不平衡的问题，提出了动态调整greedy过考虑成功率使得算法可以根据学习的不同阶段动态调整探索因子ε，从而满足不同学习阶段对于探索和利用的平衡问题。

采用shaping思想，根据已知信息建立势场模型，使目标点势场值最大，障碍物势场值为零，远离障碍物、靠近目标点的状态具有较大势场值，将势场差值作为回报函数的附加奖励，加快算法的收敛速度。

然后，针对海域面积广、障碍物形状不固定等诸多不确定因素，利用Q表进行学习的Q学习算法会出现计算量剧增、维数爆炸的情况，提出了将深度Q网络应用于无人艇路径规划问题中。

使用神经网络代替Q表，解决了当状态动作对过多时的Q表过大，占用过多内存的情况，同时通过对神经网络的训练使得算法具备了一定的泛化能力，增强了对环境的适应性。

采用基于优先级采样的方式可以有效区分不同样本的重要程度。

采用另一个与计算Q值的神经网络相同结构的神经网络作为计算目标Q值的目标网络，加快算法学习过程。

在紧急避障状态下，基于启发知识选择动作进行避障，可以为神经网络的训练提供更多避障数据，提高学习效率。

通过将该算法与RRT算法对比，证明深度Q网络在处理无人艇路径规划问题上的合理性。

专利名称：一种无人艇的路径规划和布放调度方法专利类型：发明专利
发明人：苏厚胜,杨杰,余明晖,张海涛,耿涛
申请号：CN201810950279.8
申请日：20180820
公开号：CN108983789A
公开日：
20181211
专利内容由知识产权出版社提供
摘要：本发明涉及无人艇调度方案领域，具体涉及一种无人艇的路径规划和布放调度方法，包括以下步骤：S1，利用A星算法计算出每个无人艇停放点到出站点的最短无碰撞路径；S2，对最短无碰撞路径进行更优化处理，并提取关键信息点；S3，利用人工势场法得到符合无人艇动力学模型的最优路径；S4，利用粒子群算法进行计算所有无人艇的最优布放方案；S5，采用固定数量无人艇同时出发，当预期即将发生碰撞时根据优先级选择继续行驶或者等待。

本发明能够确保各个无人艇在行驶中避免碰撞；对于无人艇数目没有具体限制，抗干扰能力强，自适应能力强。

申请人：广东华中科技大学工业技术研究院
地址：523000 广东省东莞市松山湖科技产业园区科技九路1号
国籍：CN
代理机构：东莞卓为知识产权代理事务所(普通合伙)
代理人：梁年顺
更多信息请下载全文后查看。

基于智能算法的船舶路径规划研究随着航运业的快速发展，船舶路径规划已成为航道交通管理的一项重要技术和工作。

然而，如何有效地规划航线仍是一个亟待解决的问题。

因为传统的船舶路径规划方法无法应对变化多端的航路环境和船舶的日益复杂的特性。

基于智能算法的船舶路径规划技术应运而生。

本文将重点探讨该技术。

首先，本文将解释船舶路径规划的意义和难度，然后分别介绍智能算法、船舶路径规划的应用和如何将智能算法用于船舶路径规划。

最后，本文将总结该技术的优缺点，并展望未来的发展方向。

一、船舶路径规划的意义和难度船舶路径规划是指在海事固定应用中，用计算机进行航行计划的确定，包括航线、风险因素、速度、到达时间和航线变化等。

从本质上讲，船舶路径规划是一种多要素、多目标的决策过程。

它的目的是使船舶在给定的时间内尽可能地安全到达目的地，并尽量减少能源消耗和运营成本。

因此，优化船舶路径规划将会带来巨大的经济效益。

然而，在船舶路径规划中考虑的因素非常多，例如海敌、气象条件、水深、航道流速等多种环境因素和航线长度、侧移量、载重、速度限制等多样化的船舶因素。

船舶路径规划需要综合考虑这些因素，使得船舶在保证安全的前提下，最大程度地优化经济效益，从而开始惊人的路径规划难度。

二、智能算法的介绍智能算法是人工智能的一种重要形式，它模拟了人类的思维模式，具有自我学习、自我适应和自我调整的能力。

目前，智能算法已经广泛应用于信息处理、过程控制、复杂系统优化等领域。

那么智能算法在船舶路径规划中的应用是什么呢？智能算法的应用程序包括优化、分类、预测、模式识别等，选择合适的算法能够使得船舶路径规划变得快速、准确和智能。

三、智能算法在船舶路径规划中的应用(a) 遗传算法遗传算法是一种基于自然选择和遗传进化的全局优化算法。

基本步骤是选择，交叉和变异。

船舶路径规划中，可以通过遗传算法来优化目标函数，即减少并最小化路径上的能源消耗、时间负责等代价；也可以用遗传算法来提高路径安全性，最小化发生碰撞或者风险事故的概率。

一种内河海事无人艇路径规划算法设计与仿真吴博;文元桥;肖长诗【摘要】In order to solve the problem of path-planning for inland maritime unmanned surface vessel, a traversal algorithm based on inland electronic chart is presented. The grids method in the algorithm is selected to choose navigation area based on the layered inland electronic chart, using global path planning and local path planning method to find approximate navigable path. The Voronoi diagram is selected to establish the navigation path set for dynamic objects or obstacles which can be regarded as particles. Bezier curves and quadratic programming mathematical methods are used to optimize the path of the navigable which is the public area of navigation area(or minor hinders navigation area)and the navigation path set. Matlab based simula-tions demonstrate that when the obstacle position coordinates or destination location coordinates can generate approximate navi-gable path. Generating different approximate navigable path can be optimized for optimal safety navigable path, so the construct-ing environment model and the use of the path planning algorithm are available and effective.%为了解决内河海事无人艇路径规划问题，提出了一种基于电子江图的路径遍历算法。

摘要: A*( A-star) 算法是无人船全局路径规划中常用的算法之一，但是其规划的路径是不平滑、局部最优解的问题困扰着研究人员。

针对该问题提出一种基于 A*算法改进的路径规划算法。

该算法在栅格化的二维环境模型上扩大节点搜索邻域至 24 和 48 邻域，在更大的优化空间内得到全局最优解，且路径更加平滑。

仿真实验结果表明，该算法在路径最短的基础上能够提高拐点的平滑度和路径的安全性。

引言无人船( unmanned surface vessel，USV) 是一种无人操作的水面船。

它凭借自主性、低风险性和环境适应能力强等特点，具有很高的军用和民用等应用前景，其主要功能是代替人执行一些特殊的、对人有危险的任务。

路径规划研究内容是在给定的环境下生成一条安全、合理的路径。

根据给定场景的不同，可分为全局路径规划和局部路径规划。

前者是从开始到一个完整的端到端路径，是这段路径中局部规划的总和; 而后者则是根据运动过程中实时变化的环境进行实时规划。

这两者关系是可以相互转换的，如局部算法可以看做很短一段路径内的全局规划，同理，全局规划也是如此。

现在常用的全局规划算法包括可栅格法和视图法等; 而局部路径规划算法包括人工势场法和遗传算法等。

上述这些都是启发式类算法，在目前的路径规划算法研究中，多数算法都是基于启发式思想实现的，包括蚁群算法和粒子群算法等。

遗传算法是利用迭代求解最优路径，但是实现较为复杂，且运算效率很低; 蚁群算法是一种进化算法，优点是可以并行实现，但是在参数设置方面需要丰富的经验。

人工势场法是一种基于长“场”的算法，当障碍物距离目标点太近时，易形成“死区”，在实际中难以应用。

A*算法在 1969 年被提出，因其运算效率远高于当时主流的Dijkstra 算法而得到了广泛的关注。

学者们将它应用于路径规划当中，发现其效率和结果完成度远高于其他算法，之后 A*算法便被使用在路径规划方面。

而在之后的研究中，很多研究者都对其进行了改进，也取得了显著的成果。

基于优化人工势场法的无人艇局部路径规划
李家林;张建强;李春来
【期刊名称】《舰船科学技术》
【年(卷),期】2022(44)16
【摘要】为了解决传统人工势场法在无人艇局部路径规划中容易陷入局部极小点、目标不可达以及无人艇航行过程中的安全问题,对传统的人工势场法进行了优化。

通过引入一阈值解决了无人艇路径规划过程中因引力过大而与障碍物相撞的问题;
提出模糊远近界点的概念解决了目标不可达问题;结合模拟退火算法,解决了局部最小值问题。

当无人艇陷入局部最小点时,利用Metropolis准则以一定的概率跳出局部最小点。

经过Matlab仿真结果表明,改进后的人工势场法可以帮助无人艇在多
障碍物环境中安全到达目标点。

【总页数】5页(P69-73)
【作者】李家林;张建强;李春来
【作者单位】海军工程大学兵器工程学院
【正文语种】中文
【中图分类】TP242
【相关文献】
1.基于改进人工势场法的无人驾驶车辆局部路径规划的研究
2.多约束条件下基于稀疏迭代势场法的无人艇局部避碰方法
3.基于改进人工势场的无人艇动态路径规划
仿真4.利用人工势场法实现无人艇二维路径规划5.基于势场法的无人车局部动态避障路径规划算法
因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进A__算法的水面无人船全局路径规划小论文标题：基于改进A*算法的水面无人船全局路径规划摘要：水面无人船全局路径规划是无人船自主导航技术中的重要内容，对于提高无人船的路径规划和避碰能力非常关键。

本论文主要针对传统A*算法存在的问题进行改进，提出了一种基于改进A*算法的水面无人船全局路径规划方法。

通过引入启发式函数和避碰策略，提高了路径规划的效果和避碰能力。

实验结果表明，该方法能够有效地规划船只的全局路径。

1.引言无人船自主导航技术已经在水面交通、海洋资源开发等领域得到广泛应用。

全局路径规划作为无人船导航的核心任务之一，直接影响着无人船的路径规划效果和避碰能力。

2.改进A*算法2.1传统A*算法传统A*算法是一种常用的算法，通过评估节点的代价函数，寻找到当前节点周围最佳的下一个节点，从而实现路径规划。

然而，传统A*算法在水面无人船全局路径规划中存在一些问题，主要体现在以下两个方面：2.1.1启发式函数不准确传统A*算法的启发式函数只考虑了地图中各节点之间的曼哈顿距离或欧式距离，无法考虑到水体流速、水流方向等实际导航因素，导致路径规划结果不准确。

2.1.2缺乏避碰策略传统A*算法没有合理的避碰策略，当存在障碍物时，很可能引发碰撞事故。

2.2基于改进A*算法的水面无人船全局路径规划方法为了解决传统A*算法存在的问题，本论文提出了一种改进A*算法。

具体改进内容如下：2.2.1引入启发式函数为了提高路径规划的准确性，引入了更加准确的启发式函数。

启发式函数基于水体流速、水流方向以及设定的目标节点，综合考虑了更多实际导航因素，使得路径规划更加贴近实际导航情况。

2.2.2设计避碰策略为了保证无人船能够避免障碍物，设计了一套避碰策略。

当传统A*算法到一些节点时，会判断当前节点是否与障碍物发生碰撞的风险，如果存在碰撞风险，则选择其他最佳节点。

通过避碰策略，可以有效降低碰撞事故的发生率。

3.实验结果与分析通过在实际水域进行路径规划实验，评估了改进A*算法的性能。