论文部分内容阅读
路径规划是机器人导航系统中最重要的任务之一，如何寻找到一条从起点到终点的无碰路径是其研究重点。
本文利用BP网络对AUV路径规划进行研究。在总结已有路径规划方法的基础上，参考路径规划技术研究的最新成果，主要做了以下工作：
首先，针对AUV路径规划确定神经网络的输入层、隐含层和输出层层数及各层结点数。并针对BP网络初始权值对网络学习速度的影响，提出了利用K-L变换进行BP网络初始权值优化的方法并进行研究，仿真结果证明该方法可以大大缩短网络学习时间。
然后，描述了AUV系统模型的组成，以及与路径规划相关的硬件设备一声纳传感器、基线定位系统以及压力传感器等，为算法的实现构建了硬件平台。
最后，基于此硬件平台，对AUV的路径规划进行了研究。在完成了全局路径规划的基础上，基于声纳传感器的输出信号研究了存在障碍物的局部路径规划，并进一步探讨了海流因素对AUV路径规划的影响，仿真结果证明了本文方法的有效性。