1.一种考虑海洋环境的水下机器人多任务点路径规划方法,其特征在于:该方法包括以下步骤:S1:根据栅格法进行地图构建,同时根据洋流情况构建洋流函数;
S2:根据确定好的栅格,从而确定路径规划的评价体系,使用步骤S1的洋流函数完成能耗构建,再接着平滑度构建,线性加权形成相应的适应度函数,具体方法包括:采用由路径长度Lp和能耗Ep和路径平滑度Mp这三个指标组成的多目标函数Sp,采用线性求和的适应度函数,并改进信息素更新规则:Sp=k1Lp+k2Ep+k3Mp
式中,k1为路径长度的权重因子,k2为能耗的权重因子,k3为路径平滑度的权重因子;
式中,n为总的节点数目,pi为路径p上的第i个节点;pi+1为路径p上的第i+1个节点;L(pi,pi+1)为路径p上节点i到节点i+1的欧式距离;
设水下机器人从节点i运动到j能量消耗记为J(i,j),J(i,j)简化模型为其中,T表示移动所需的时间,V表示水下机器人的速度,假定水下机器人作匀速运动,θ为水下机器人航行速度在θ轴上的夹角,u,v表示为海流分别沿着x轴与y轴方向分量;且水流的流速与方向都是恒定的,则:取Ep=∑J(i,j),(s…,i,j,…,g),s为起始节点,g为目标节点,表示水下机器人在运动过程中受到海流的影响时所累计总航行能耗,dij表示俩个节点之间的距离;
同时引用路径平滑度参数来保证水下机器人在运行的过程中能尽量避免碰撞,水下机器人在运动过程中,转角差为θ,通过引用水下机器人在运动过程的转角差来表式平滑程度,其中,(xi,yi)为水下机器人当前的位置,(xi-1,yi-1)为水下机器人上一时刻的位置,(xi+1,yi+1)为下一时刻的位置;
S3,根据当前环境模型,设置起始点和多个目标点,采用A*算法求得任意目标点之间的最短距离;
S4:完成任意俩个目标点之间的距离计算之后,把距离矩阵传到改进蚁群算法,初始化蚂蚁算法相关参数,设置蚂蚁个数以及最大迭代次数;
S5:初始化参数之后,进一步采用自适应的信息素因子,启发函数因子,挥发素因子进行改进蚁群算法;具体方法是:采用自适应信息素因子,在迭代次数比较小的时候,让信息素因子比较小,并随着迭代次数的增加,信息素因子逐渐增加,让蚂蚁的移动方向主要由产生的信息素决定:式中,α0为信息素因子的最小值,αmax为信息素因子的最大值,λ1是信息素因子变化参数,t为迭代次数;
采用自适应启发函数因子β,随着迭代次数的增加而让β减小,满足迭代后期时候β值比较小:式中,β0为启发函数因子的最小值,βmin为启发函数因子的最小值,λ2是启发函数因子变化参数,t为迭代次数;
调整信息素挥发因子,用改进信息素挥发因子的方法,使得信息素挥发因子ρ随迭代次数增加而递减,动态调式中ρmin为信息素挥发因子最小值,使用全局最优的方式来进行更新信息素其中Sbest为本次迭代中最优路径的多目标指标,其中,Q表示信息素变化的系数,为常数,λ3表示调整信息素因子的参数;
S6:在完成S5的基础上,采用轮盘赌法进行蚂蚁移动位置,直至达到目标点,在所有蚂蚁完成一次迭代过程后根据步骤S2确定的适应度函数进行信息素更新;
S7,重复S6迭代过程,直至所有蚂蚁到大最大迭代次数,输出最优的路径规划结果,并得到相应的路径长度,能耗值和平滑度值。
2.根据权利要求1所述的一种考虑海洋环境的水下机器人多任务点路径规划方法,其特征在于:步骤S1所述地图构建的具体方法为:使用方格网格,将有障碍物的网格标注为障碍物网格,代表机器人无法进入的区域;将无障碍的网格标记为空白网格,以指示机器人可进入的范围,水下机器人在海洋的运动模型如下:其中,θ为水下机器人航行速度在θ轴上的夹角,u,v表示为海流分别沿着x轴与y轴方向分量。
3.根据权利要求1所述的一种考虑海洋环境的水下机器人多任务点路径规划方法,其特征在于:步骤S3的具体方法包括:f(n)=g(n)+h(n)
其中,f(n)为节点的评价适应度函数,g(n)为当前点到起始点的路径距离,h(n)表示目标点与当前点的估计路径距离,其表达式为:其中,(x0,y0)是当前节点的坐标值,(xs,ys)起始位置的坐标值,(xg,yg)为终点位置的坐标值。
4.根据权利要求1所述的一种考虑海洋环境的水下机器人多任务点路径规划方法,其特征在于:所述步骤S4中所述设置蚂蚁个数以及最大迭代次数:根据多次反复实验设置最大迭代次数100,蚂蚁个数为50。
5.根据权利要求1所述的一种考虑海洋环境的水下机器人多任务点路径规划方法,其特征在于:所述步骤S6的具体方法包括使用轮盘赌法确定蚂蚁下一个目标点的移动位置其中,τij(t)为栅格地图上t次迭代位置之间的信息素含量,即从节点i移动到j之间的信息素含量,ηij(t)为启发函数,α为信息素因子,β为启发函数因子,allowk为下次允许通过的节点,dij表示从位置i移动到j之间的欧式距离;
当所有的蚂蚁都遍历所有目标点后,它们会更新每一条路的剩余信息素,这些信息素都是在路径(i,j)上的,t+1迭代次数在路径(i,j)上的信息素调整更新:其中,ρ为信息素挥发因子,ρ的范围为0<ρ<1;Δτij(t)表示中路径(i,j)在本次循环中信息素的增量,Δτijk(t)为当前时刻第k个蚂蚁停留在该路径上的信息量,Q表示信息素变化的系数,Lk表示当前周期内第k只蚂蚁所走过的路线的总距离。