[发明专利]一种基于神经网络的全覆盖路径规划方法

说明书

本发明公开了一种基于神经网络的全覆盖路径规划方法，包括：利用前置声纳模型探测AUV周围的环境信息,构建三维水下栅格地图；将环境信息映射到生物启发神经网络模型上，并在与栅格地图的未覆盖栅格对应的神经元中引入激励输入信号，计算每个神经元的活性输出值；根据每个神经元的活性输出值和方向向导函数为AUV的探测任务规划全覆盖路径；当AUV进入死区后，利用网络重置法快速逃离死区；如果遇见不规则的障碍物，利用模块法优化全覆盖路径；最后判断是否对探测目标完成全覆盖，如果完成，结束探测任务；否则，重复上述步骤。本发明采用生物启发神经网络和模板化路径规划相结合的方式，有效减少了重复覆盖问题，达到路径优化效果。

技术领域

本发明涉及水下机器人导航控制领域，具体涉及一种基于神经网络的全覆盖路径规划方法。

背景技术

自治水下机器人AUV(Autonomous Underwater Vehicle)的路径规划(PathPlanning)，是指机器人利用已知环境信息或者根据自身传感器对水下环境进行感知，自行规划出一条高效、安全、无碰的航行路线，以支持对水下目标区域的探索，或者执行相关作业使命；可见路径规划是AUV技术的核心研究内容之一。但由于海洋深处的工作环境往往是恶劣、复杂和难以预测的，同时AUV自身感知的局限性，因此AUV水下路径规划比地面移动机器人及空中飞行器的路径规划更加复杂困难，更具挑战性。

对AUV来说，由于水下环境复杂、多变、难以预测，其研究成果仍然较少，研究主要集中在模板匹配、地图构建和人工智能路径规划研究上；对于路径选择模板匹配AUV路径规划，无论是早期的简单案例路径规划方法，还是最近研究的自适应样本方法，都存在环境动态变化时，路径选择模板匹配失败的问题；地图构建虽然可以通过在线更新栅格数据来适应水下环境的动态变化，但是由于水下环境干扰频繁，同时AUV传感器资源有限，使水下地图构建的可靠性问题一直未得到有效解决，致使路径选择模板匹配失败、路径规划重复覆盖。

发明内容

本发明所要解决的技术问题是现有路径规划技术存在路径选择模板匹配失败、重复覆盖的问题。

为了解决上述技术问题，本发明所采用的技术方案是提供一种基于神经网络的全覆盖路径规划方法，包括以下步骤：

步骤S10、利用前置声纳模型探测AUV周围的环境信息,动态构建三维水下栅格地图；

步骤S20、将探测到的环境信息映射到生物启发神经网络模型上，并在与栅格地图的未覆盖栅格对应的神经元中引入激励输入信号，计算出每个神经元的活性输出值；

步骤S30、根据生物启发神经网络模型的每个神经元的活性输出值和方向向导函数为AUV的探测任务规划全覆盖路径；

步骤S40、判断当AUV是否进入死区，如果是，执行步骤S50；否则，执行步骤S60；

步骤S50、利用网络重置法快速逃离死区；

步骤S60、判断是否遇见不规则的障碍物，如果是，执行步骤S70；否则，执行步骤S80；

步骤S70、利用模块法优化全覆盖路径；

步骤S80、判断是否对探测目标完成全覆盖，如果完成，结束探测任务；否则，执行步骤S10。

在上述方法中，所述前置声纳模型将声纳采集的环境信息转换成栅格地图中每个栅格的信度分配值，得到了每个栅格的信度分配值，并根据指定的栅格状态判别规则，判断出每个栅格的状态，动态构建水下栅格地图。

在上述方法中，根据被测障碍物与AUV之间的距离r与声波辐射半径量程R的大小关系，需要两个不同声纳的信度函数进行信度函数分配值的计算；

当R-d≤r≤R+d时，称该探测区间为第一区间Ⅰ，该区间的信度函数分配值为：