无人驾驶船舶全局路径规划算法研究开题报告

1. 研究目的与意义（文献综述）

随着经济全球化的不断发展，世界人口数量的日益增长，人类探寻与挖掘新能源的方向已经逐渐从陆地资源开始转向了海洋资源。

作为探索未知海洋环境的主要工具，水面无人艇的智能应用方面的相关研究也越来越得到广泛的关注，朝着功能标准化，人工智能化，系统体系化的方向发展。

水面无人艇是因军事作战、海事监管巡航、海洋环境监测等需求应运而生的新型智能水面航行艇,常被用来执行在复杂多变的海洋环境中特殊的、不适合有人船只完成的任务。

2. 研究的基本内容与方案

研究（设计）的基本内容、目标： 路径规划技术要求无人艇具备与外界环境进行实时交互的能力。这种交互能力的一个重要体现，就是在已知海洋环境信息的前提下，规划出在该水域安全可航的路径。能够在复杂多变的海洋环境下完成指定的任务，也是水面无人艇智能行为的重要体现。因此，本文的主要研究内容包括以下3个方面: (1)环境建模：应用栅格法建立环境模型,即将现实世界的环境信息进行抽象后建立相应的模型。 (2)路径搜索：针对无人艇全局路径规划问题，设计一种有效的全局路径规划方法，将路径规划效率和路径精度有机统一，实现能够快速规划出一条拐点少、距离短的全局路径。本次设计中采用了遗传算法。 (3)路径平滑:将计算机中的抽象的路径信息，考虑现实情况进行处理，变成一条实际可行的路径。拟采用的技术方案及措施： 在本次毕业设计中采用遗传算法来实现无人驾驶船舶的全局路径规划，首先对海域环境进行建模，针对该模型采用遗传算法找到一条从起点到目标点的最短路径。遗传算法从搜索群体出发，具有并行性，与具体问题的领域无关，在很多领域有着广泛的应用。

算法流程大致为:首先初始化路径种群，将路径个体表示为路径上的一系列点集，并进行参数化编码、计算个体适应度值。然后，进行遗传算子操作(选择、复制、交叉、变异等)。经过给定进化次数或者达到优化目标即停止进化，输出当前进化的最优个体，即最优路径。其算法流程图如下图1所示:

图1遗传算法流程图

3. 研究计划与安排

（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。

仔细分析遗传算法的基本原理与算法流程，对遗传算法有一个整体上的掌握。

确定方案，完成开题报告。

4. 参考文献（12篇以上）

[1] 杜开君,茅云生,向祖权等.基于海事规则的水面无人艇动态障碍规避方法[J].船海工程,2015 (3): 119-124.

[2] SOLTANRA，ASHRAFIUONH，MUSKEKR.State-Dependent trajectory planning and tracking control of unmanned surface vessels[c].2009 American Control Conference Hyatt Regency River Front. St.Louis,MO,USAJune10—12,2009:3597—360.

[3] 陈豪, 李勇, 罗靖迪. 基于改进A*算法优化的移动机器人路径规划研究[J]. 自动化与仪器仪表, 230(12):7- 10.[4] Williams R J . Simple statistical gradient-following algorithms for connectionist reinforcement learning[J]. Machine Learning, 1992, 8(3-4):229-256.[5] Yuanchang Liu, Rui Song, Richard Bucknall. A practical path planning and navigation algorithm for an unmanned surface vehicle when using the fast marching method[C]// OCEANS 15. IEEE, 2015.[6]马丹. 基于免疫遗传算法的无人艇路径规划研究[D].华中科技大学,2018.[7]付杨. 水面无人艇的路径规划及避碰方法研究[D].哈尔滨工程大学,2018.[8]陈华,张新宇,姜长锋,徐国瑞.水面无人艇路径规划研究综述[J].世界海运,2015,38(11):30-33.[9]刘建. 水面无人艇路径规划技术的研究[D].江苏科技大学,2014.[10]赵嘉祺. 基于改进遗传算法的水面无人艇避障问题研究[D].天津理工大学,2019.[11]吴博,文元桥,吴贝,周思杨,肖长诗.水面无人艇避碰方法回顾与展望[J].武汉理工大学学报(交通科学与工程版),2016,40(03):456-461.[12]张树凯,刘正江,张显库,刘玉.无人船艇的发展及展望[J].世界海运,2015,38(09):29-36.[13]杜歆,陈华华,顾伟康.Neural network and genetic algorithm based global path planning in a static environment[J].Journal of Zhejiang University Science A(Science in Engineering),2005(06):549-554.[14]Carlos David Braga Borges,Antonio Márcio Albuquerque Almeida,Iális Cavalcante Paula Júnior,Jarbas Joaci de Mesquita Sá Junior. A strategy and evaluation method for ground global path planning based on aerial images[J]. Expert Systems With Applications,2019,137.[15]S. Panov and S. Koceski, “Metaheuristic global path planning algorithm for mobile robots,” Int. J. of Reasoningbased Intelligent Systems, vol. 7, no. 1–2, pp. 35–41, 2015.