[发明专利]一种基于GRU网络的UUV实时避碰规划方法

摘要

本发明公开了一种基于GRU网络的UUV实时避碰规划方法，属于水下航行器避障领域。本发明包括：将UUV布放在起始位置；仿真声纳开始获取UUV当前位置的环境信息；将仿真声纳获取的环境信息输入到GRU网络，获得下一时刻UUV转艏及速度的调整指令；UUV执行运动指令，到达下一路径点；判断UUV是否到达目标点，若是则避碰规划器停止工作。本发明利用GRU强大的拟合长时间序列的能力，解决了UUV实时避碰规划的问题，克服了现有的实时避碰规划方法存在环境模型的精度与规划的实时性之间的矛盾，实现了一个简单、高效、易于实现的端到端的实时避碰规划器。

主权项

1.一种基于GRU网络的UUV实时避碰规划方法，其特征在于，包括以下步骤：步骤一 构建全局坐标系和局部坐标系，建立声纳仿真模型；全局坐标系采用北东坐标系，地图左下角为原点，正北方向为X轴，正东方向为Y轴；局部坐标系原点选在UUV重心处，X轴取在UUV纵向剖面内，指向UUV艏端，Y轴与纵剖面垂直，指向UUV右舷；二维多波束声纳仿真模型水平开角为120°，最大探测半径为120m，共80个波束，波束角为1.5°，每个波束上探测噪声为±1％；步骤二 设计用于实时避碰规划的GRU网络；所设计的GRU网络为端对端模型，可以直接根据传感器探测信息得出规划结果，该网络模型包含四层，分别为输入层、隐藏层、中间层以及输出层；步骤三 构建数据集；数据集包括训练集和测试集，分别用于神经网络的训练阶段和测试阶段；构建训练集时，在全局坐标系中生成若干组随机地图及实时路径，并在每个路径节点采集声纳信息，所采集的信息为训练样本，将实时路径中UUV艏向调整的角度(转艏)及速度作为训练标签；构建测试集时，在全局坐标系中生成若干组随机地图及实时路径，并在每个路径节点采集声纳信息，所采集的信息为测试样本，将实时路径中UUV转艏及速度作为测试标签；步骤四 利用训练集中数据训练GRU网络，得到基于GRU网络的实时避碰规划器；将训练数据中的声纳信息作为输入数据，将训练集中相对应的标签作为输出数据，对GRU网络进行训练，从而获得基于GRU网络的实时避碰规划器；损失函数为均方差函数；在训练过程中，采用小批量梯度下降误差反向传播算法优化GRU网络的权值；步骤五 将声纳探测信息及目标点信息输入至基于GRU网络的避碰规划器，获得UUV下一时刻的转艏及速度的调整指令。