自治水下机器人的自主启发式生物启发神经网络路径规划算法
针对复杂海流环境下自治水下机器人(autonomous underwater vehicle,AUV)的路径规划问题,本文在栅格地图的基础上给出了一种基于离散的生物启发神经网络(Glasius bio-inspired neural networks,GBNN)模型的新型自主启发式路径规划和安全避障算法,并考虑海流对路径规划的影响.首先建立GBNN模型,利用此模型表示AUV的工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;其次,根据神经网络中神经元的活性输出值分布情况并结合方向信度算法实现自主规划AUV的运动路径;最后根据矢量合成算法确定AUV实际的航行方向.障碍物环境和海流环境下仿真实验结果表明了生物启发模型在AUV水下环境中路径规划的有效性.
栅格地图、生物启发神经网络、运动规划、海流环境、避障
36
国家自然科学基金项目51575336,U170620065;国家重点研发计划项目2017YFC0306302;上海市科技创新行动计划项目16550720200
2019-05-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
183-191