10.3969/j.issn.1008-0570.2007.23.097
基于前视声纳信息的AUV局部路径规划研究
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.
AUV、前视声纳、Q-learning、BP神经网络、人工势场、局部路径规划
23
TP181(自动化基础理论)
黑龙江省博士后科研启动基金L13H_Z05098
2007-12-10(万方平台首次上网日期,不代表论文的发表时间)
共3页
243-245