论文部分内容阅读
由于多水下机器人(Multiple Autonomous Underwater Vehicles/MAUV)系统具有空间分布性、作业高效性、灵活性和鲁棒性等方面优势，在近几十年的海洋开发过程中，其应用变得愈加广泛。在水下动态复杂多变的作业环境中，路径规划对于多水下机器人完成任务作业是不可或缺的。多水下机器人的作业不仅需要考虑单个水下机器人的自主性，还需要合适的成员协作策略，为路径规划带来了很大的困难。 针对水下传感器数据信息采集使命任务，本文对多水下机器人路径规划方法进行了研究。为了提高多水下机器人自主性和自适应能力，提出了一种基于行为的多水下机器人路径规划方法。方法的核心是基于行为的多目标路径规划(Multiple Objective Path Planning/MOPP)模型，具体包括3种不同的基本行为、基本行为对应的行为目标函数和行为融合全局目标函数。3种基本行为分别定义为，节能行为、安全行为和成员间协同行为;然后利用环函数建立与3种基本行为对应的行为目标函数，并将决策空间离散化，从而保证行为目标函数计算的高效性;在行为融合即全局目标函数建立过程，使用有序加权平均算子，根据外界实时环境变化，来为各个行为目标函数赋予权重系数，从而增强该路径规划方法对不同复杂环境的适应性。 最后，本文在MATLAB环境下，针对不同水下环境，对基于MOPP模型的路径规划方法进行仿真计算，并将结果与未使用有序加权平均算子的方法进行比较。最终结果表明，本文所提多水下机器人路径规划方法中所定义的3种行为能够满足数据信息采集使命任务的要求，方法可以动态实时调整行为融合的权重系数，从而满足路径规划方法对水下环境和水下机器人自身状态的适应性。