| 【中文题名】 | 某型AUV全局路径规划技术研究 |
| 【英文题名】 | The Research on Global Path Planning of Autonomous Underwater Vehicle |
| 【学科专业】 | 船舶与海洋结构物设计制造 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-21 |
| 【中关键词】 | 智能水下机器人,全局路径规划,改进型遗传算法,栅格模型,分层模型, |
| 【英关键词】 | autonomous underwater vehicle,global path planning,modified genetic algorithms,grid environmental model,hierarchical model, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
智能水下机器人(AUV)研究领域中的一个重要问题是全局路径规划，它的目标是在已知障碍物的环境中寻找一条从起始位置到达目标位置的无碰最短路径。遗传算法是一种模拟生物进化原理的优化算法，而改进型遗传算法针对遗传算法易陷入局部最优的不足，在标准遗传算法基础上加入了三个新的操作——复原、重构和录优。使改进后的遗传算法收敛于全局最优。本论文的主要内容就是研究改进型遗传算法应用于智能水下机器人的全局路径规划中的问题。
在论文中，介绍了智能水下机器人的发展概况和全局路径规划的研究背景及意义、解决全局路径规划的各种方法、遗传算法的原理、概念以及特点。然后在标准遗传算法路径规划方法的基础上，引入了改进型遗传算法，并进行了二维和三维全局路径规划的研究，其中，用栅格模型来构造二维环境，同时采用改进了的遗传算子进行规划；用分层模型来构造三维环境，利用自适应概率计算公式计算遗传算子的概率。最后在水下机器人仿真系统中进行了联调仿真验证，验证了算法的有效性，并进行了算法性能分析，在相同的工作环境和条件下，比较分析了标准遗传算法和改进遗传算法的规划结果，证明了改进遗传算法是更加有效的一种算法。 |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-8 |
|
第1章 绪论 |
8-14 |
|
1.1 引言 |
8 |
|
1.2 水下机器人的发展现状和研究动态 |
8-11 |
|
1.3 本课题的研究背景和意义 |
11-12 |
|
1.4 本论文的主要工作 |
12-14 |
|
第2章 全局路径规划研究概况 |
14-30 |
|
2.1 路径规划概述 |
14-17 |
|
2.1.1 路径规划的定义 |
14-15 |
|
2.1.2 路径规划问题的分类 |
15-17 |
|
2.1.3 路径规划问题的实现 |
17 |
|
2.2 全局路径规划方法 |
17-27 |
|
2.2.1 传统路径规划方法 |
17-24 |
|
2.2.2 智能路径规划方法 |
24-27 |
|
2.3 搜索策略 |
27-28 |
|
2.4 本章小结 |
28-30 |
|
第3章 基于改进遗传算法的二维路径规划 |
30-48 |
|
3.1 引言 |
30 |
|
3.2 改进型遗传算法 |
30-34 |
|
3.3 环境模型的坐标系 |
34-35 |
|
3.4 基于改进型遗传算法的二维路径规划 |
35-47 |
|
3.4.1 离散空间下机器人路径规划的遗传算法 |
35-38 |
|
3.4.2 栅格环境下用改进的遗传算法实现全局路径规划 |
38-47 |
|
3.5 本章小结 |
47-48 |
|
第4章 基于改进遗传算法的三维路径规划 |
48-72 |
|
4.1 引言 |
48-49 |
|
4.2 算法概述 |
49-62 |
|
4.2.1 区域模型 |
50-56 |
|
4.2.2 搜索算法—改进遗传算法的实现 |
56-62 |
|
4.3 仿真结果 |
62-66 |
|
4.4 算法性能分析 |
66-71 |
|
4.5 本章小结 |
71-72 |
|
结论 |
72-74 |
|
参考文献 |
74-78 |
|
攻读硕士学位期间发表的论文及取得的科研成果 |
78-79 |
|
致谢 |
79 |
|
| 【DOI】 | LunWen.ID:2.2008.388815 |
