基于SVM算法的无人船路径规划方法与流程
本发明属于无人船路径规划领域，具体的说是一种基于svm算法的无人船路径规划方法。
背景技术：
随着人工智能地不断应用，无人船相关技术发展迅速，但国内无人船的发展目前尚处于起步阶段，主要应用于气象监测、环境保障等领域，对人们的生活和工作产生了一定的影响。由于国内无人船的环境感知能力及自主导航控制能力弱，并且有许多干扰因素，远远未达到实用化要求，以至于很有必要用多目标自主路径规划方法来突破无人船研究的瓶颈。
当前的大多数无人船只是使用人为遥控或者使用gps导航系统加简单导航算法来展开研究的。然而在实际应用中并非总是如此，无人船会经常处于复杂的环境中，如大风、海浪、暗礁和复杂的岛屿等，这些场合下都是需要搜集各种信息并进行综合处理得出最优解，指导无人船的自主航行。
但是由于规划路径时所需处理的信息量过多，运算相当复杂，相关的路径规划算法技术的研究有待深入。目前已有部分文献对无人船路径规划的算法进行研究，如基于遗传算法的路径规划，基于人工势场法的路径规划，基于蚁群算法的路径规划等。但是如果控制成本，减少样本数量时，上述算法规划的路径误差会较大，运动精度得不到保证，而且海上干扰因子较多，会大大影响运动路径精度。所以暂无一种路径优化精度高，误差小，自主性好，稳定性强，样本数据少的无人船路径规划方法。
技术实现要素：
本发明要解决的技术问题在于，克服现有技术的不足，提供一种基于svm算法的无人船路径规划方法，其可以在样本数据有限的情况下，使规划结果精度高、误差小，并且所述方法的自主性好、稳定性强。
本发明所涉及的基于svm算法的无人船路径规划方法，包括以下步骤：
构建标准无人船，并将标准无人船放入典型海域中航行；
搜集标准无人船在典型海域中遇到障碍物时的标准相关数据，并将标准相关数据存入数据库；
根据数据库，利用最小二乘svm算法，计算得到完成样本库；
当标准无人船在实际海域中航行时，搜集标准无人船在典型海域中遇到障碍物的实际相关数据；
将实际相关数据与完整样本库中数据进行对比，得到对应的实际样本类型；
根据所述实际样本类型规划标准无人船路径。
进一步地，所述构建标准无人船，具体包括：
将光电/雷达系统安装在标准无人船上，所述光电/雷达系统用于识别所遇到障碍物与标准无人船的距离s和障碍物的体积d；
将北斗卫星导航系统安装在标准无人船上，所述北斗卫星导航系统用于识别标准无人船和障碍物的位置信息。
更进一步地，所述标准相关数据包括：无人船在标准海域中每次遇到障碍物时的位置信息、标准海域中所遇到的障碍物位置信息、对应的与标准海域中障碍物的距离sa和标准海域中对应障碍物的体积da；
所述实际相关数据包括：无人船在实际海域中每次遇到障碍物时的位置信息、实际海域中所遇到的障碍物位置信息、对应的与实际海域中障碍物的距离s1和实际海域中对应障碍物的体积d2。
再进一步地，所述根据数据库，利用最小二乘svm算法，计算得到完整样本库，具体包括：
反复的在标准相关数据中，随机取出部分标准相关数据；
将每次取出部分标准相关数据代入ls-svm算法，从而形成对应样本空间；
从专用数据库中读取每个样本空间中对应的数据；
利用最小二乘svm算法对每个样本空间中对应的数据进行决策分类，得到每个样本空间对应的样本库；
所有的样本库构成完整样本库。
还进一步地，所述当标准无人船在实际海域中航行时，搜集标准无人船在典型海域中遇到障碍物的实际相关数据，具体包括：
当标准无人船在实际海域中航行时，根据北斗卫星导航系统规划出最短路程；
在最短路程中，当标准无人船遇到障碍物时，通过卫星导航系统和光电/雷达系统搜集实际相关数据；
所述根据实际样本类型规划标准无人船路径，具体包括：
根据实际样本类型，在标准无人船前方规定范围内设置动态多边形避障区域；
计算出避障区域内的障碍物临界碰撞速度或临界碰撞航向；
根据临界碰撞速度或临界碰撞航向，驱动标准无人船的执行程序；
所述执行程序发送信号至标准无人船的机泵桨，从而改变标准无人船的航速或航向。
又进一步地，所述利用最小二乘svm算法对每个样本空间中对应的数据进行决策分类，得到每个样本空间对应的样本库，具体包括：
形成最小二乘svm的约束条件；
用拉格朗日方法将原始问题转化为无约束优化问题，得到样本模型；
由样本模型构成样本库。
在上述技术方案中，所述障碍物与标准无人船的距离s的计算公式为：
其中，c为真空中光的速度，f为计数频率，n为测尺长度。
优选地，设定样本库m＝{(xi,yi)},i＝1,2,…,n,xi为输入数据，yi为输出数据；
所述形成最小二乘svm的约束条件，通过以下计算公式实现：
其中：ω为权系数向量，ei为误差变量，γ为正规则化参数，
优选地，所述用拉格朗日方法将原始问题转化为无约束优化问题，具体包括：
其中，ak∈r为拉格朗日因子；
当满足下列式子时，可用kkt条件对算法进行优化：
其中，p和q分别为等式约束和不等式约束的数量；
当kkt条件满足后，可对上述算法进行优化：
优选地，所述样本模型表达式为：
本发明采用最小二乘svm算法，所需的样本量较少，并且可结合样本得出最优解，解决了成本高和稳定性不高的问题；再次，基于光电/雷达系统的目标检测识别技术可以有效检测周围障碍物并减少海上的干扰因子；最后利用北斗卫星导航系统，解决了定位精度不够高的问题。符合无人船自主智能航行的发展趋势。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例的方法示意图；
图2是本发明实施例中规划路径的流程图；
图3为本发明实施例中实现svm算法的流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
如图1至图3所示，本发明所述的基于svm算法的无人船路径规划方法，包括以下步骤：
101、构建标准无人船，并将标准无人船放入典型海域中航行；
将光电/雷达系统安装在标准无人船上，所述光电/雷达系统用于识别所遇到障碍物与标准无人船的距离s和障碍物的体积d；
所述障碍物与标准无人船的距离s的计算公式为：
其中，c为真空中光的速度，f为计数频率，n为测尺长度。
将北斗卫星导航系统安装在标准无人船上，所述北斗卫星导航系统用于识别标准无人船和障碍物的位置信息。
102、搜集标准无人船在典型海域中遇到障碍物时的标准相关数据，并将标准相关数据存入数据库；
标准相关数据包括：无人船在标准海域中每次遇到障碍物时的位置信息、标准海域中所遇到的障碍物位置信息、对应的与标准海域中障碍物的距离sa和标准海域中对应障碍物的体积da。
103、根据数据库，利用最小二乘svm算法，计算得到完成样本库；
反复的在标准相关数据中，随机取出部分标准相关数据；
将每次取出部分标准相关数据代入ls-svm算法，从而形成对应样本空间；
从专用数据库中读取每个样本空间中对应的数据；
利用最小二乘svm算法对每个样本空间中对应的数据进行决策分类，得到每个样本空间对应的样本库，包括：
形成最小二乘svm的约束条件；
设定样本库m＝{(xi,yi)},i＝1,2,…,n,xi为输入数据，yi为输出数据；
所述形成最小二乘svm的约束条件，通过以下计算公式实现：
其中：ω为权系数向量，ei为误差变量，γ为正规则化参数，
用拉格朗日方法将原始问题转化为无约束优化问题，得到样本模型；
所述用拉格朗日方法将原始问题转化为无约束优化问题，具体包括：
其中，ak∈r为拉格朗日因子；
当满足下列式子时，可用kkt条件对算法进行优化：
其中，p和q分别为等式约束和不等式约束的数量；
当kkt条件满足后，可对上述算法进行优化：
由样本模型构成样本库，所述样本模型表达式为：
所有的样本库构成完整样本库。
104、当标准无人船在实际海域中航行时，搜集标准无人船在典型海域中遇到障碍物的实际相关数据；
实际相关数据包括：无人船在实际海域中每次遇到障碍物时的位置信息、实际海域中所遇到的障碍物位置信息、对应的与实际海域中障碍物的距离s1和实际海域中对应障碍物的体积d2。
当标准无人船在实际海域中航行时，根据北斗卫星导航系统规划出最短路程；
在最短路程中，当标准无人船遇到障碍物时，通过卫星导航系统和光电/雷达系统搜集实际相关数据。
105、将实际相关数据与完整样本库中数据进行对比，得到对应的实际样本类型；
106、根据所述实际样本类型规划标准无人船路径；
根据实际样本类型，在标准无人船前方规定范围内设置动态多边形避障区域；
计算出避障区域内的障碍物临界碰撞速度或临界碰撞航向；
根据临界碰撞速度或临界碰撞航向，驱动标准无人船的执行程序；
所述执行程序发送信号至标准无人船的机泵桨，从而改变标准无人船的航速或航向。
本发明的有益效果在于：①首次将svm算法应用于无人船的路径规划中，所需样本量小，实时环境样本与分类模型匹配成功率较高，且计算速度较快。②北斗卫星导航系统提供的坐标与算法结合可减小个别误差较大点对定位的影响力，也大大提高了定位的稳定性。③基于光电/雷达系统的目标检测识别技术可以有效检测周围障碍物并减少海上的干扰因子。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的实际技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
- 还没有人留言评论。精彩留言会获得点赞！