复杂海洋环境下面向目标搜索任务的AUV路径规划方法研究

The target search mission using autonomous underwater vehicles (AUV) in complex ocean environment has some difficulties such as the inaccessibility of region decomposition, the complex feature of sonar measurement, the interference of ocean current, and the dense distribution of obstacles. With the demand of high efficiency and voyage safety, this project studies the AUV path planning theory and method. First, the sea region is modeled in order to extract some high-value subregions quantitatively and then allocate them to AUVs. Second, combining the sonar detection probability model attached with the complex measurement feature, the project proposes the self-adaptive spiral coverage strategy for a static target, as well as the long-term model predictive control strategy for a moving target. Hence the method of searching path planning based on the maximum reward is established. Third, the guidance vector field is introduced as the obstacle-avoiding path replanning approach with the consideration of path quality and calculation efficiency, and the AUV can hence avoid obstacles safely when searching target. This project will provide an efficient and safe path planning method for the target search mission using AUVs in complex ocean environment, and will theoretically and technically support the study of the cooperative control and optimized decision of autonomous unmanned systems.

本项目以复杂海洋环境下自主式水下航行器（AUV）搜索目标为任务背景，着重考虑了任务区域分解困难、声呐测量特性复杂、洋流干扰、障碍物分布密集等任务难点以及高效性、安全性等任务需求，开展AUV路径规划理论与方法研究。首先，对任务海域进行建模及处理，量化提取高价值子区域并分配给各AUV；然后，结合具有复杂测量特性的侧扫声呐探测概率模型，提出面向海洋静态目标的自适应螺旋线覆盖策略、面向海洋动态目标的长时域模型预测控制策略，建立基于最大收益的AUV搜索路径规划方法；最后，兼顾路径质量与计算效率，建立基于导引向量场的AUV避障路径重规划方法，引导AUV在搜索目标的同时安全躲避各类障碍。本项目将为复杂海洋环境下的目标搜索任务提供一种高效安全的AUV路径规划方法，并可为自主无人系统的协同控制与优化决策领域研究提供理论参考和技术支持。

如何在复杂海洋环境下利用AUV执行目标搜索任务，是具有挑战性的研究工作，现阶段已有的路径规划方法在搜索高效性与避障安全性方面有待提升，且缺乏系统性研究。本项目考虑了复杂海洋环境特点与多AUV协同搜索作业难点，依次解决了任务海域建模与处理、AUV搜索路径规划、以及AUV避障路径重规划等核心问题。（1）根据任务区域的先验离散数据集合，利用基于高斯核函数的Parzen窗理论建立了水下目标概率图；提出了基于自适应高斯混合模型的任务区域特征提取方法，量化提取若干个高价值子区域；提出了基于改进最小一致性理论的高价值子区域排序方法，并利用双向协商策略快速制定了任务分配与重分配策略。（2）考虑终端时间约束,建立了基于自适应螺旋线的海洋静态目标搜索方法；本项目提出的层次化策略还用于解决了非广域静态目标搜索问题；建立了基于生物启发神经网络的海洋静态目标搜索方法，通过引入未来预期收益，增强了算法的全局优化能力；研究了一种引入大范围预期收益的长时域模型预测控制方法，以解决动态目标搜索问题，有效避免了局部最优。（3）提出了基于导引向量场的AUV避障路径重规划方法，用于引导AUV躲避圆球、圆锥、圆锥、长方体等标准类型障碍物；结合强化学习、模糊控制等方法，对避障路径进行有限时域推演与调整；利用带偏差最小一致性理论，解决了面向不规则障碍物的AUV避障路径规划问题。上述算法均进行了仿真实验，经验证有效提高了目标搜索效率,保证了航行安全。依托本项目，负责人以第一作者或通讯作者发表SCI论文15篇，以第一发明人授权国家发明专利8项，授权软件著作权2项。通过本项目研究，建立了一套成体系的多AUV协同目标搜索方法，为未来海试与应用提供了坚实的理论参考与技术支撑。

内容获取失败，请点击重试