基于前视声纳信息的AUV局部路径规划研究

摘要：

针对水下环境的不确定性,建立了前视声纳的视域模型.主要采用强化学习的方法对自治水下机器人(AUV)进行控制和决策,综合Q学习算法、BP神经网络法、人工势场法对AUV进行局部路径规划.在AUV与环境的试错交互中,借助于来自成功与失败经验的奖励和惩罚值,不断改进水下机器人的自治能力.并设计了AUV局部路径规划器,实现AUV在不确定环境下的避障任务.半实物仿真证明了算法的可行性与可靠性.

关键词：AUV、前视声纳、Q-learning、BP神经网络、人工势场、局部路径规划

所属期刊栏目：23

分类号：TP181(自动化基础理论)

资助基金：黑龙江省博士后科研启动基金L13H_Z05098

在线出版日期：2007-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：243-245