离岸网箱养殖已成为未来海水养殖产业的主要发展趋势。但是离岸网箱养殖区覆盖范围广且远离岸边,在进行海水取样检测等管理工作时仅仅依靠传统的人工方式难以满足现代化大规模养殖的需求。针对这一问题,提出借助自主式水下潜器(AUV,Autonomous Underwater Vehicle)协助离岸网箱养殖区管理,通过配备水质检测传感器和无线通信系统,实现定时自主巡航监测。本课题主要研究AUV路径规划算法,具体研究内容和创新工作如下:1、对离岸网箱养殖区进行需求分析后建立TSP(Traveling Salesman Problem)模型,设置巡航点并制定了分类巡航策略,将求解网箱养殖区的最短巡航路径问题等效为求解TSP问题。分析了蚁群算法存在的不足,并对其初始信息素匮乏和易于陷入局部最优的问题进行改进。通过对检测数据的识别和分类,提出基于历史数据的分类巡航策略,结合改进的蚁群算法对模拟的网箱养殖区巡航环境进行仿真,求出最短巡航路径,并与改进前的蚁群算法进行对比,验证了算法的有效性。2、采用改进的A*算法完成AUV在养殖区的静态路径规划。通过坐标转换和栅格法对离岸网箱养殖区进行环境建模,并用传统A*算法仿真,针对传统A*算法存在的路径转折点过多、总转折角度过大、路径并非最优的问题,采用扩展邻域A*算法和二次平滑处理的方式进行改进,仿真验证了改进后的A*算法路径更短更平滑。3、采用改进的人工势场法解决AUV的动态路径规划问题。概述了人工势场法的原理并建立势场模型,分析了传统人工势场法存在的诸多局限性,通过改进斥力势场函数和“随机角度偏移法”解决了传统人工势场法目标不可达、无法逃脱局部极小点和不适应避障运动障碍物的问题,仿真验证了改进后的人工势场法更适合动态路径规划。