三维水下环境中的多AUV围捕路径规划算法

受到三维水下环境覆盖范围广和水下机器人(AUV)能源有限等现实条件的制约,单个AUV往往很难完成作业规模较大的水下任务,故提出一种基于位置分配和Glasius生物启发神经网络(GBNN)的围捕占位路径规划算法,来解决三维水下环境中的多AUV围捕路径规划问题。首先,根据围捕AUV到达逃逸AUV的围捕总距离最短原则分配围捕点,确保围捕AUV与围捕点均衡分配并避免路径冲突;接着,各围捕AUV根据所分配的围捕点,利用改进的生物启发神经网络的目标引导与自适应避障功能,规划各个围捕AUV到达逃逸AUV周围围捕点的路径,完成围捕任务。仿真实验验证所提算法能够在三维水下静态障碍物环境中完成高效的协作围捕任务。

一种新型多AUV水下围捕路径规划算法

针对二维水下环境下的多水下机器人(Autonomous Underwater Vehicle,AUV)协作围捕问题,提出一种基于改进生物启发神经网络和位置分配的围捕策略。首先对二维水下环境进行栅格地图的构建;然后多个围捕AUV之间相互合作,提出利用"位置分配"策略合理分配逃逸目标AUV周围的围捕占位点给围捕AUV;最后利用改进的Glasius生物启发神经网络算法来完成围捕AUV到达围捕点的路径规划任务,捕获逃逸目标AUV,完成协作围捕任务。与传统生物启发神经网络动态分配围捕策略相比,二维水下静态障碍物环境下的仿真验证了上述协作围捕算法能够在水下障碍物的工作空间中高效完成围捕任务。