载人潜水器路径规划技术是载人潜水器研究领域中非常重要的一部分,同时也是导航和无人驾驶技术中重要的一部分。该技术的发展对减少潜航员工作量,提高航行效率有着重要的意义。蚁群算法作为一种生物仿生算法,因其具有灵活、易于其他算法结合等优点,被国内外许多学者用以解决水下机器人和载人潜水器的路径规划问题。然而,传统蚁群算法在解决路径规划问题时存在一些缺点和不足,故本文针对其存在的部分问题提出了解决方案,具体内容如下:(1)提出了“使用蚁群优化算法构建‘路径延伸块’,并在此范围内进行二次寻径”的思路,构造并使用离散函数对信息素残留因子、信息素挥发因子等参数进行动态调整。仿真结果表明,相比于传统蚁群算法,改进后的寻径方法所需迭代次数少、耗时短,受概率影响小且稳定性更好。(2)提出了一种基于蚁群优化算法的增加实时感知的路径规划方法,使用类似于人工势场法中“斥力”的定量计算方法来衡量某路径点周围障碍物的“密集程度”,在蚁群算法的概率选择环节引入对路径点周围障碍物的密集程度以及路径的转向行为的感知,解决了传统蚁群算所寻路径靠近障碍物,非必要转向多的问题。(3)提出了一种载人潜水器多因素质量最优路径规划方法。该方法对影响路径质量的主要因素进行定量计算,定义了多因素路径质量最优评价函数,在蚁群算法的信息素更新环节使用该评价函数的函数值取代路径长度,参与信息素的更新。使用该路径规划方法寻得的路径驾驶难度小、路径安全性高且航行能耗低,更符合载人潜水器的实际驾驶需求。