[发明专利]一种基于改进动态最优互惠避碰机制的无人水面艇实时避碰方法

说明书

本发明提供一种基于改进动态最优互惠避碰机制的无人水面艇实时避碰方法，包括：构建无人艇运动学模型，并结合复杂海面环境构建运动约束条件；根据海上会遇规则遵守判断、碰撞可能性判断、意识并采取避碰手段判断等参数建立评价函数，并结合权重影响避碰责任划分；采用动态最优互惠避碰算法选择理想机动速度代价函数，在期望速度的基础上加入当前速度和当前角度代价，减少速度变化带来的抖振及损耗。本发明设计了一种面向复杂海面情况下的海上会遇规则判断体系，并将其应用于避碰权重选择。并进一步构建了新型最优速度代价函数，加入当前速度与当前角度两个评价标准，以减少算法带来的抖振和不必要的损耗，从而实现无人水面艇的高效、快速避障。

技术领域

本发明涉及无人艇技术领域，具体而言，尤其涉及一种基于改进动态最优互惠避碰机制的无人水面艇实时避碰方法。

背景技术

近年来，无人艇(Unmanned Surface Vehicles)以安全性高、成本低、可控性强等优势，被广泛应用于气候变化、环境监测、水文测绘等科学领域；此外在商业和军事等领域对水面无人船舶领域也有较大的需求。然而，由于USV的诸多问题，例如复杂的海洋环境对控制稳定性的挑战，未知环境下的实时避障，部分海域存在的通信中断及信号屏蔽、干扰等，这些使得高性能、高速度的USV仍处于实践阶段，人们大多只能对USV进行半自动控制而不是完全自主控制。由此可见，为了最大限度达到自主控制目标，减少人为干预，亟需对无人水面船舶做进一步的研究。

无人艇自主航行的核心是航行控制，它分为制导、导航与控制三部分。目前控制方面已有许多先进的控制系统设计方案，而对规划领域的研究相对较少，路径规划可以划分为全局路径规划和局部路径规划，而避碰属于其中的局部路径规划范畴。目前应用于无人艇领域的避碰算法主要有人工势场法、动态窗口法、向量场直方图法、速度障碍法、蚁群算法等仿生学算法、神经网络等智能算法。具体说来，人工势场法因其原理简单、实时性好而被广泛应用，然而，由于该算法本身的缺陷，极易陷入局部极小，并且当斥力引力相同时将导致USV停滞不前；动态窗口法符合模型的动力学约束且不易陷入局部最优，该方法的缺点为运算量大，实时性较差；向量场直方图法通过计算运动速度与方向，在一定区域通过设立向量场描述空间状态，达到避障的目的，缺点为易陷入局部最优，且只能改变速度大小而无法改变速度方向；蚁群算法等相关算法作为基于群体智能的方法，不仅可以作为全局路径规划方法，亦可作用于局部路径规划；目前使用较多的还有新兴的人工智能算法诸如神经网络算法、深度强化学习算法等，但它们都要受到泛化性限制且需要提前进行训练的限制；速度障碍法作为一种传统的几何方法因其运算速度快、不易陷入局部最优、适应性强等特点被广泛应用于各种避障环境，本专利同样运用改进的速度障碍法对无人艇实施避障规划。

速度障碍法最早由Fiorini由1998年提出，并成功应用于各个领域，近年来，针对速度障碍法(Velocity Obstacle)的一些不足，陆续提出了线性速度障碍法(LinearVelocity Obstacle)、非线性速度障碍法(Non-linear Velocity Obstacle)、概率速度障碍法(Probabilistic Velocity Obstacle)、互惠速度障碍法(Reciprocal VelocityObstacles)、基于椭圆的速度障碍法(Ellipse-based Velocity Obstacles)、联合障碍避碰(Combine Collision Avoid)、最优互惠避碰(Optimal Reciprocal CollisionAvoidance)、不确定非线性速度障碍法(Uncertainty Non-Linear Velocity Obstacles)等算法，速度障碍法大体分为线性与非线性两种算法，其中非线性算法需要对轨迹进行预测，其避障准度与精度与轨迹预测准确程度有直接关系，但是在实际中很难通过获取其他障碍的精确信息进行轨迹预测，故本专利采用的是线性算法中基于改进的最优互惠避碰算法。