多水下機(jī)器人協(xié)同信息采集路徑規(guī)劃方法研究.pdf

1、由于多水下機(jī)器人(Multiple Autonomous Underwater Vehicles/MAUV)系統(tǒng)具有空間分布性、作業(yè)高效性、靈活性和魯棒性等方面優(yōu)勢，在近幾十年的海洋開發(fā)過程中，其應(yīng)用變得愈加廣泛。在水下動態(tài)復(fù)雜多變的作業(yè)環(huán)境中，路徑規(guī)劃對于多水下機(jī)器人完成任務(wù)作業(yè)是不可或缺的。多水下機(jī)器人的作業(yè)不僅需要考慮單個水下機(jī)器人的自主性，還需要合適的成員協(xié)作策略，為路徑規(guī)劃帶來了很大的困難。
　　針對水下傳感器數(shù)據(jù)信息采

2、集使命任務(wù)，本文對多水下機(jī)器人路徑規(guī)劃方法進(jìn)行了研究。為了提高多水下機(jī)器人自主性和自適應(yīng)能力，提出了一種基于行為的多水下機(jī)器人路徑規(guī)劃方法。方法的核心是基于行為的多目標(biāo)路徑規(guī)劃(Multiple Objective Path Planning/MOPP)模型，具體包括3種不同的基本行為、基本行為對應(yīng)的行為目標(biāo)函數(shù)和行為融合全局目標(biāo)函數(shù)。3種基本行為分別定義為，節(jié)能行為、安全行為和成員間協(xié)同行為;然后利用環(huán)函數(shù)建立與3種基本行為對應(yīng)的行為

3、目標(biāo)函數(shù)，并將決策空間離散化，從而保證行為目標(biāo)函數(shù)計算的高效性;在行為融合即全局目標(biāo)函數(shù)建立過程，使用有序加權(quán)平均算子，根據(jù)外界實時環(huán)境變化，來為各個行為目標(biāo)函數(shù)賦予權(quán)重系數(shù)，從而增強(qiáng)該路徑規(guī)劃方法對不同復(fù)雜環(huán)境的適應(yīng)性。
　　最后，本文在MATLAB環(huán)境下，針對不同水下環(huán)境，對基于MOPP模型的路徑規(guī)劃方法進(jìn)行仿真計算，并將結(jié)果與未使用有序加權(quán)平均算子的方法進(jìn)行比較。最終結(jié)果表明，本文所提多水下機(jī)器人路徑規(guī)劃方法中所定義的3種行