为提高机器鱼的水下路径规划效率,更好地完成水下工作,提出一种基于改进双向快速搜索随机树(bidirectional rapidly-exploring random trees,Bi-RRT)算法的机器鱼路径规划方法。以研制的混合驱动机器鱼为研究对象,介绍其结构模型和运动...为提高机器鱼的水下路径规划效率,更好地完成水下工作,提出一种基于改进双向快速搜索随机树(bidirectional rapidly-exploring random trees,Bi-RRT)算法的机器鱼路径规划方法。以研制的混合驱动机器鱼为研究对象,介绍其结构模型和运动控制模式,为后续试验验证提供物理样机。针对Bi-RRT算法存在的采样随机、路径冗余、效率不高等问题,融合生长引导机制和连接强化机制改进Bi-RRT算法,加入生长引导机制,改善随机树生长随机、两树连接慢的问题;加入连接强化机制提高算法搜索速度。对搜索路径进行优化处理,通过剔除冗余节点、插入优化节点,改善路径质量,对路径进行平滑处理,使路径更适合机器鱼航行,实现机器鱼路径规划任务。仿真结果表明,与传统Bi-RRT算法及其他衍生快速搜索随机树(rapidly-exploring random tree,RRT)算法相比,改进的Bi-RRT算法相较于改进前节点数减少约50.8%,路径长度缩短约19%,搜索时间减少约65.3%。展开更多
文摘为提高机器鱼的水下路径规划效率,更好地完成水下工作,提出一种基于改进双向快速搜索随机树(bidirectional rapidly-exploring random trees,Bi-RRT)算法的机器鱼路径规划方法。以研制的混合驱动机器鱼为研究对象,介绍其结构模型和运动控制模式,为后续试验验证提供物理样机。针对Bi-RRT算法存在的采样随机、路径冗余、效率不高等问题,融合生长引导机制和连接强化机制改进Bi-RRT算法,加入生长引导机制,改善随机树生长随机、两树连接慢的问题;加入连接强化机制提高算法搜索速度。对搜索路径进行优化处理,通过剔除冗余节点、插入优化节点,改善路径质量,对路径进行平滑处理,使路径更适合机器鱼航行,实现机器鱼路径规划任务。仿真结果表明,与传统Bi-RRT算法及其他衍生快速搜索随机树(rapidly-exploring random tree,RRT)算法相比,改进的Bi-RRT算法相较于改进前节点数减少约50.8%,路径长度缩短约19%,搜索时间减少约65.3%。