基于和声搜索算法的水下潜器路径规划系统的制作方法

文档序号:13743963阅读:178来源:国知局
技术领域本发明涉及的是一种路径规划方法,特别涉及一种基于和声搜索算法的水下潜器路径规划系统。

背景技术:
水下潜器有着高隐蔽性和高威慑力的特性,成为了现代战争中的新宠。作为军事作战中主要的武装力量,水下潜器执行的作战任务越来越多、越来越复杂。水下潜器在执行任务时,通常要穿越海峡、海上重要通道和重要的海域,而这些海域通常都会有很多敌方的侦查和防御威胁,最主要的就是声纳基阵的威胁。水下潜器要想快速高效的完成作战任务就必须要突破敌方的防御体系,这就是水下潜器的突防,它要求水下潜器在尽可能隐蔽自己的同时快速到达目标海域。“突防”一词最早来源于飞机的低空突防,它是指飞机在执行任务时进行低空飞行,从而能够有效的利用地形的起伏变化等信息来造成敌方的雷达探测盲区,实现隐蔽飞行,有效地保存自己,高效的完成任务。同样,在水下我们也可以利用海底地形的起伏变化等信息造成敌方声纳的探测盲区,水下潜器在执行任务时就可以尽可能的从这些声纳的探测盲区内通过,从而提高自己的生存概率,达到突防的目的。如何在安全航行的前提下以最小的暴露代价完成任务就成为了一个亟待解决的问题。而在水下潜器执行任务之前提前规划出一条任务路径不失为解决此问题的一个办法。我们暂且称此路径为水下潜器的突防路径,此路径不但要考虑航行的安全性,同时还要兼顾路径的长度和敌方的声纳基阵的探测威胁。路径规划问题由来已久,在机器人领域和飞行器的研究中都有应用,路径规划又可以分为全局路径规划(静态路径规划)和局部路径规划(动态路径规划)两种。全局路径规划是根据先验知识在外界环境都已知的情况下,按照一定的准则规划出一条从起始点到目标点的无碰撞路径的过程,而局部路径规划是以全局路径规划的结果为指导,在其基础上利用外部传感器接收的局部信息,在尽可能短的时间内避开周围原先未知的障碍,产生新路径的过程。由此可以看出不管是动态还是静态的路径规划都要依赖于全局的路径规划结果。水下潜器的突防路径规划属于全局路径规划的一种,只不过在考虑避碰的同时还要兼顾路径的暴露代价。目前对于全局的路径规划问题已经有很多种解决方案,如:人工势场法、通视图法等传统算法,近些年随着优化算法的发展,特别是智能优化算法的兴起,极大地推动了路径规划方法的发展,遗传算法(GeneticAlgorithm)、蚁群算法(AntColonyAlgorithm)以及粒子群算法(ParticleSwarmOptimizers)都已经应用到了路径规划之中。相比于传统的路径规划算法,智能算法具有自己独特的优势,例如,传统的人工势场法对人工势场的建立比较困难,当人工势场建的不合理时算法容易陷入局部最优解,而遗传算法和蚁群算法就不存在这些问题。

技术实现要素:
本发明的目的是为了解决水下潜器如何突破敌方的防御体系快速到达指定海域的问题,提供一种基于和声搜索(HarmonySearch,HS)算法的水下潜器路径规划方法。本发明的目的是这样实现的:一种基于和声搜索算法的水下潜器路径规划方法,包括以下步骤:(1)Step1.初始化参数,并离散化空间。在初始化时除了要将HS算法的参数初始化以外,还要初始化几个参数,即每条路径的自由节点个数、每段路径插入的用于评价路径代价的节点个数、两个调节权重和。当参数初始化完成之后,就可以将空间的一个维度进行划分,具体的划分的程度与自由节点个数有关。(2)Step2.初始化和声记忆库。每条路径就表示一个和声向量,路径的每个自由节点就表示一个音调,和声记忆库就是由在突防空间中随机生成的HMS条路径构成的。(3)Step3.生成一条新路径:按新和声生成的三种方式生成一条新的路径。对于一个三维空间的路径规划问题,如果按上述方法将轴离散化,那么每个自由节点就可以由坐标值和坐标值(深度值)来固定,在音调微调时就要分别考虑两个方向的微调步长和。例如对于第个自由节点(在第个划分的平面内),其轴坐标是固定的,只对其坐标微调,假如其坐标为,那么经过微调此点应位于区域,其中,。(4)Step4.更新和声记忆库:采用式(4-3)所示的评价函数对新生成的路径进行评价,如果新路径比和声记忆库中最差的路径要好,那么就用新路径替换最差路径,否则舍弃新路径。(5)Step5.判断是否满足结束条件,结束条件一般设为一个固定的循环次数,当到达此循环次数时,算法结束,输出最优路径,否则返回Step3继续执行。本发明的优点和效果:(1)本发明应用的和声搜索算法受到协同进化算法的启发,将协同进化思想引入到HS算法之中,提出了协作和声搜索算法(CHS)。通过标准测试函数的测试发现,CHS算法相比于原算法,在收敛精度和收敛速度上有了很大的提高,而且相对SGA和PSO算法而言,CHS算法能最大程度的避免早熟收敛问题。(2)通过对采用CHS算法、HS算法、遗传算法和粒子群算法在简单和复杂两种环境下进行了路径规划的仿真实验,实验结果验证了CHS算法在路径规划上的可行性和适用性,同时与遗传算法和粒子群算法相比,CHS算法计算出的路径代价较小,而且路径也更为平滑。附图说明图1为基于HS算法的路径规划方法的流程图;具体实施方式下面结合附图举例对本发明做更详细地描述:结合图1,图1为基于HS算法的路径规划方法流程图。一种基于和声搜索算法的水下潜器路径规划方法,包括以下步骤:(1)Step1.初始化参数,并离散化空间。在初始化时除了要将HS算法的参数初始化以外,还要初始化几个参数,即每条路径的自由节点个数、每段路径插入的用于评价路径代价的节点个数、两个调节权重和。当参数初始化完成之后,就可以将空间的一个维度进行划分,具体的划分的程度与自由节点个数有关。(2)Step2.初始化和声记忆库。每条路径就表示一个和声向量,路径的每个自由节点就表示一个音调,和声记忆库就是由在突防空间中随机生成的HMS条路径构成的。(3)Step3.生成一条新路径:按新和声生成的三种方式生成一条新的路径。对于一个三维空间的路径规划问题,如果按上述方法将轴离散化,那么每个自由节点就可以由坐标值和坐标值(深度值)来固定,在音调微调时就要分别考虑两个方向的微调步长和。例如对于第个自由节点(在第个划分的平面内),其轴坐标是固定的,只对其坐标微调,假如其坐标为,那么经过微调此点应位于区域,其中,。(4)Step4.更新和声记忆库:采用式(4-3)所示的评价函数对新生成的路径进行评价,如果新路径比和声记忆库中最差的路径要好,那么就用新路径替换最差路径,否则舍弃新路径。(5)Step5.判断是否满足结束条件,结束条件一般设为一个固定的循环次数,当到达此循环次数时,算法结束,输出最优路径,否则返回Step3继续执行。
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1