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

针对传统人工势场法容易陷入局部最小值点的问题以及采用栅格法离散化环境建模后,无法规划任意角度路径的缺陷,提出一种基于稀疏点约束的改进迭代势场算法。首先建立了安全距离模型和一种更加简单的势函数(与起点、终点的距离函数),然后利用二分搜索的思想和稀疏约束方法找到稀疏点,从而在栅格地图中规划出一条任意角度的最短安全路径。之后针对无人艇高速航行时对动态障碍物避碰这一问题,尤其是航行过程中需要满足国际海上避碰规则公约这一难点。在无人艇避碰的同时考虑海事规则以及运动学约束,让无人艇能够实时规划出一条最优路径。仿真分析和实船试验均验证了本文所提方法的有效性,且表明稀疏迭代势场法的运行效率比传统迭代势场算法提高14倍。

基于超短基线水声定位的USV/UUV协同导航方法

针对无人水下航行器(UUV)与无人水面艇(USV)协同作业时水下导航性能受惯导设备(INS)影响较大的问题,提出了一种基于超短基线水声定位(USBL)的USV/UUV协同导航方法。首先,以USV 上的高精度INS 和GNSS组合后的导航结果作为基准,利用USBL 测量得到的USV和UUV相对位置和姿态,再结合UUV的INS误差方程,建立了INS/GNSS/USBL/INS 滤波的状态方程和观测方程,实现了多源导航信息的融合,有效提升了UUV水下导航精度。其次,针对USV 和UUV航行过程中USBL因存在信号盲区带来的两者无法通信、定位导致协同导航不稳定的问题,采用基于视线法的PID控制方法实时改变USV的航向和航速,保证了USV、UUV航行过程中两者始终处于水声信号有效的通信、定位距离和角度范围内。仿真和海上实验结果表明,UUV在与USV协同导航后的位置误差小于10 m;USV和UUV 航行过程中,相对距离和角度保持在设定的USBL有效通信定位距离和角度范围内,距离误差小于15 m,角度变化小于1°,提出的方法可以使USV和UUV同导航更稳定、连续。

无人艇航行规则及运动学约束下的改进RRT轨迹规划方法

现有的RRT算法没有考虑无人艇的运动特性,难以解决无人艇轨迹规划问题,也没有基于无人艇航行规则来考虑无人艇的动态避碰。针对上述问题,在无人艇航行规则及运动学约束下,提出了改进的双层RRT动态轨迹规划方法。在第一层框架中,改进了探索点及步长选择策略,并结合国际海上避碰规则公约与最短会遇时间建立最优位置窗口来构造四向扩展随机树,从而可以在考虑海事规则的前提下快速搜索出联通路径。在第二层框架中,考虑到无人艇的运动学约束,将上一层的联通路径点作为分段启发点,然后结合速度运动模型来限制无人艇的拐角与转弯半径,并基于速度运动模型得到的弧长计算出每一个节点的代价值,最终在动态障碍物环境中得到一条可行平滑轨迹。仿真与实船实验均验证了该改进算法的有效性,实验表明该改进算法可以有效地解决传统RRT算法离障碍物过近、路径不平滑、不符合无人艇运动学与无人艇航行规则等问题。其中,轨迹转折数目为0,与障碍物最近距离是传统RRT算法的两倍以上,最大转折角度指标远好于传统RRT算法。

无人水面艇自主导航技术

作为无人水面艇的关键技术之一,自主导航技术决定着无人水面艇自主航行能力的高低。结合无人水面艇在实际航行和作业过程中自主导航所面临的问题,对无人水面艇组合导航及完好性监测技术、协同导航技术、路径规划技术和环境感知技术目前的现状、不足和发展趋势进行了总结和分析。为了更加精确、可靠地进行安全导航定位,即插即用全源导航是无人水面艇可采用的一种导航方式,并在此基础上开展了组合导航完好性监测工作。多目标规划综合最优及基于分层策略的自适应路径规划方法是解决动态时变环境下路径规划问题的有效途径。深度学习、数据挖掘、信息融合等人工智能技术将在提高环境感知信息的本质特征表述、充分挖掘多元异构数据间的有效信息,以及构建信息全面、立体、可靠的三维环境模型方面发挥主导性作用。

蛟龙将入海当无人水面艇爱(“AI”)上人工智能(2)

来自AI的礼物三:万“舟”一心所谓万“舟”一心,是指多船协同智能,即多艘USV、USV和母船、USV与人之间的高度协同工作,共同完成某一项任务。通过协作与协调机制,实现类似于自然界生物的群体行为。例如,通过多船协同智能,能够使无人水面船艇群实现“蜂群”作战。

蛟龙将入海/当无人水面艇爱(“AI”)上人工智能

人工智能(Artificial Intelligence,AI)是20世纪中期产生并正在迅速发展的新兴学科,它从各个方面特别是思维方面模拟人的活动。在经历了以“基于规则的专家系统”为焦点的第一次热潮和以“机器学习”为特征的第二次热潮后,人工智能技术得到了爆炸式的发展,在机器视觉、图像识别、搜索技术、语音交互等相关领域都取得了很大的进展。