技术特征：
1.一种具备路径规划功能的搜救rov控制系统，其特征在于，包括：水下环境栅格地图模型建立模块，用以通过水下机器人的工作环境构建水下环境栅格地图模型；路径规划模块，用以通过采用改进的遗传算法对路径进行规划得到良好路径，改进的遗传算法对路径进行规划的过程为：采用a*算法初始化种群、设计路径适应度函数、对路径进行交叉、变异、选择操作；路径优化模块，用以采用bezier优化算子对所述良好路径进行优化，得到最优路径；控制模块，用以通过所述最优路径控制水下机器人进行搜救。2.根据权利要求1所述的具备路径规划功能的搜救rov控制系统，其特征在于：在水下环境栅格地图模型建立模块中，在水下环境栅格地图模型中，黑格表示障碍物，白格代表水下机器人的自由空间，使用序号标记法进行栅格标记，按照从左到右、从下到上的原则依次加1进行标记；在水下环境栅格地图模型中，s，2，3，
…
，e为栅格节点，每个栅格节点为一个路径点；其中，s为水下机器人起点位置，e为水下机器人终点位置；给定栅格序号t(i，j)与直角坐标点p(i，j)[x(i，j)，y(i，j)]的关系如下：其中，mod表示取模算法的行为，floor表示整数除法的行为。3.根据权利要求2所述的具备路径规划功能的搜救rov控制系统，其特征在于：在路径规划模块中，采用a*算法初始化种群：随机选取起点坐标和终点坐标，并将起点坐标和终点坐标加入染色体编码中；在水下环境栅格地图模型中加入一个无障碍随机点作为目标点；利用a*算法分别建立起点坐标点到目标点以及目标点到终点坐标点的路径，在路径建立过程中避免障碍点和外围区域；将起点坐标点和终点坐标点连接起来，对路径节点一模一样的进行删除，最终生成一个路径集合；设计路径适应度函数：对路径集合中的每个路径点进行采样，计算各个路径点到最近障碍点的距离，当该距离小于数值p时，路径的适应度增加；当该距离大于等于数值p时，路径的适应度减少，其中p大于等于水下环境栅格地图模型的栅格边长的一半；选取适应度最小的路径作为良好路径：fitness(i)＝ω1length(p)+ω2num其中，fitness(i)为适应度函数，length(p)为路径长度，num为路径上距离障碍点小于p的路径点数量；ω1，ω2为路径长度与靠近障碍路径点数量的比例系数，当ω1>ω2时，表示保障路径长度较短更为优先，当ω1<ω2时，表示远离障碍保障运行安全更为优先；对路径进行交叉、变异操作：个体为路径，且一个个体就是一条路径，进行交叉、变异的操作，产生更多的子代个体；交叉概率以p
c
表示，交叉操作在路径规划中指将已搜索到的两条父代个体在相交的点进行交换，交换后保留较短路径，摒弃较长路径；在进行交叉操作后，子代个体的适应度低于父代个体的适应度；
变异概率以p
m
表示，变异操作在路径规划中指将已搜索到的父代个体以概率p
m
进行翻转，再结合交叉操作得到适应度更低的子代个体；交叉概率和变异概率的自适应模型为：交叉概率和变异概率的自适应模型为：其中，p
c
和p
m
分别为交叉概率和变异概率；分别为每一代的最大交叉概率和最小交叉概率，分别为每一代的最大变异概率和最小变异概率；f为每一代适应度函数值、f
avg
为适应度函数平均值、f
max
为适应度函数平均值的最大值、f
min
为适应度函数平均值的最小值；当个体的适应度低于适应度平均值时，个体的交叉变异概率保持最大值当个体的适应度高于适应度平均值时，适应度越大，交叉变异概率越低；对路径进行选择操作：选择父代种群中适应度最小的最精英个体作为良好路径，将良好路径保留下来用于与子代种群中的最精英个体相比较，若子代最精英个体的适应度小于良好路径的适应度，则将子代最精英个体更新为良好路径；否则，依然保留父代最精英个体为良好路径。4.根据权利要求3所述的具备路径规划功能的搜救rov控制系统，其特征在于：在路径优化模块中，假定存在一条含有m个控制点p0，p1，p2，
…
，p
m
的贝塞尔曲线，该曲线的数学表达式如下所示：其中，m∈n+，t为归一化时间变量，p
i
＝(x
i
,y
i
)
t
为第i个控制点的坐标向量，x
i
和y
i
分别为x和y坐标的分量，为bernstein多项式，是bezier曲线表达式的基础函数，展开式为：使用上述贝塞尔曲线的数学表达式对良好路径进行优化，得到最优路径。5.一种具备路径规划功能的搜救rov控制方法，其特征在于，包括：(1)通过水下机器人的工作环境构建水下环境栅格地图模型；(2)通过采用改进的遗传算法对路径进行规划得到良好路径，改进的遗传算法对路径进行规划的过程为：采用a*算法初始化种群、设计路径适应度函数、对路径进行交叉、变异、选择操作；(3)采用bezier优化算子对所述良好路径进行优化，得到最优路径；(4)通过所述最优路径控制水下机器人进行搜救。6.根据权利要求5所述的具备路径规划功能的搜救rov控制方法，其特征在于：在步骤
(1)中，在水下环境栅格地图模型中，黑格表示障碍物，白格代表水下机器人的自由空间，使用序号标记法进行栅格标记，按照从左到右，从下到上的原则依次加1进行标记，在水下环境栅格地图模型中，s，2，3，
…
，e为栅格节点，每个栅格节点为一个路径点；其中，s为水下机器人起点位置，e为水下机器人终点位置；给定栅格序号t(i，j)与直角坐标点p(i，j)[x(i，j)，y(i，j)]的关系如下：其中，mod表示取模算法的行为，floor表示整数除法的行为。7.根据权利要求6所述的具备路径规划功能的搜救rov控制方法，其特征在于：在步骤(2)中，采用a*算法初始化种群：随机选取起点坐标和终点坐标，并将起点坐标和终点坐标加入染色体编码中；在水下环境栅格地图模型中加入一个无障碍随机点作为目标点；利用a*算法分别建立起点坐标点到目标点以及目标点到终点坐标点的路径，在路径建立过程中避免障碍点和外围区域；将起点坐标点和终点坐标点连接起来，对路径节点一模一样的进行删除，最终生成一个路径集合；设计路径适应度函数：对路径集合中的每个路径点进行采样，计算各个路径点到最近障碍点的距离，当该距离小于数值p时，路径的适应度增加；当该距离大于等于数值p时，路径的适应度减少，其中p大于等于水下环境栅格地图模型的栅格边长的一半；选取适应度最小的路径作为良好路径：fitness(i)＝ω1length(p)+ω2num其中，fitness(i)为适应度函数，length(p)为路径长度，num为路径上距离障碍点小于p的路径点数量；ω1，ω2为路径长度与靠近障碍路径点数量的比例系数，当ω1>ω2时，表示保障路径长度较短更为优先，当ω1<ω2时，表示远离障碍保障运行安全更为优先；进行交叉、变异操作：个体为路径，且一个个体就是一条路径，进行交叉、变异的操作，产生更多的子代个体；交叉概率以p
c
表示，交叉操作在路径规划中指将已搜索到的两条父代个体在相交的点进行交换，交换后保留较短路径，摒弃较长路径；在进行交叉操作后，子代个体的适应度低于父代个体的适应度；变异概率以p
m
表示，变异操作在路径规划中指将已搜索到的父代个体以概率p
m
进行翻转，再结合交叉操作得到适应度更低的子代个体；交叉概率和变异概率的自适应模型为：交叉概率和变异概率的自适应模型为：
其中，p
c
和p
m
分别为交叉概率和变异概率；为每一代的最大交叉概率和最小交叉概率，为每一代的最大变异概率和最小变异概率；f，f
avg
，f
max
和f
min
分别为每一代适应度函数值、适应度函数平均值、适应度函数平均值的最大值和适应度函数平均值的最小值；当个体的适应度低于适应度平均值时，个体的交叉变异概率保持最大值当个体的适应度高于适应度平均值时，适应度越大，交叉变异概率越低；对路径进行选择操作：选择父代种群中适应度最小的最精英个体作为良好路径，将良好路径保留下来用于与子代种群中的最精英个体相比较，若子代最精英个体的适应度小于良好路径的适应度，则将子代最精英个体更新为良好路径；否则，依然保留父代最精英个体为良好路径。8.根据权利要求7所述的具备路径规划功能的搜救rov控制方法，其特征在于：在步骤(3)中，假定存在一条含有m个控制点p0，p1，p2，
…
，p
m
的贝塞尔曲线，该曲线的数学表达式如下所示：其中，m∈n+，t为归一化时间变量，p
i
＝(x
i
,y
i
)
t
为第i个控制点的坐标向量，x
i
和y
i
分别为x和y坐标的分量，为bernstein多项式，是bezier曲线表达式的基础函数，展开式为：使用上述贝塞尔曲线的数学表达式对良好路径进行优化，得到最优路径。9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求5至8任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求5至8中任一项所述方法的步骤。
技术总结
本发明公开了一种具备路径规划功能的搜救ROV控制系统及方法，包括水下环境栅格地图模型建立模块，通过水下机器人的工作环境构建水下环境栅格地图模型；路径规划模块，通过采用改进的遗传算法对路径进行规划得到良好路径，改进的遗传算法对路径进行规划的过程为：采用A*算法初始化种群、设计路径适应度函数、对路径进行交叉、变异、选择操作；路径优化模块，采用Bezier优化算子对良好路径进行优化，得到最优路径；控制模块，通过最优路径控制水下机器人进行搜救。本发明通过引入A*算法优化初始种群和设计加入安全距离的适应度函数来保障机器人安全、高效的移动；利用Bezier曲线的平滑性，使路径更为平滑连贯，减少了机器人移动中的能量损耗，提高搜救效率。提高搜救效率。提高搜救效率。
技术研发人员：戴晓强 郑宇航 许赫威 赵源 曾庆军
受保护的技术使用者：江苏科技大学
技术研发日：2022.03.10
技术公布日：2022/7/4