×

基于改进量子粒子群算法的无人机局部路径规划。 (英语) Zbl 1435.93121号

摘要:无人地面飞行器(USV)在任务开始前规划其全球路径。当航行中出现动态障碍物时,必须局部调整规划的全局路径以避免碰撞。本文提出了一种基于速度障碍(VO)方法和改进的量子粒子群优化(MQPSO)的USV局部路径规划算法。基于VO的避碰模型不仅考虑了USV的速度和航向,还处理了障碍物的可变速度和航程。根据避碰模型,USV需要同时调整速度和航向以避免碰撞。由于USV的运动学约束,USV的速度窗口和航向窗口由动态窗口方法(DWA)确定。总之,将局部路径规划问题转化为连续搜索空间中的多约束多目标优化问题。优化问题是在《国际海上避碰规则》(COLREGs)的规则和USV的运动学约束下,获得USV的最佳速度变化和航向变化,以避免碰撞并使其能耗最小化。由于USV局部路径规划在短时间内完成,因此优化算法能够快速获得最优值至关重要。MQPSO主要是为了满足这一要求。在MQPSO中,结合了量子计算中量子编码的效率和用波函数表示粒子运动状态以覆盖整个可行解空间的优化能力。仿真结果表明,该算法能够获得基准函数的最优值,并有效规划USV的无碰撞路径。

MSC公司:

93C85号 控制理论中的自动化系统(机器人等)
68T20型 人工智能背景下的问题解决(启发式、搜索策略等)
68T40型 机器人人工智能
90 C59 数学规划中的近似方法和启发式
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Kim,H。;Kim,S.-H。;Jeon,M。;Kim,J。;Song,S。;Paik,K.-J.,《使用遗传算法研究环境载荷下无人水面飞行器的路径优化方法》,海洋工程,142616-624(2017)·doi:10.1016/j.oceaneng.2017.07.040
[2] 帕克,M.G。;Jeon,J.H。;Lee,M.C.,使用模拟退火人工势场方法的移动机器人避障,ISIE 2001年会议记录。2001年IEEE工业电子国际研讨会论文集(目录号01TH8570),IEEE·doi:10.1109/isie.2001.931933
[3] 美国海军,海军无人水面车辆(USV)总体规划(2007),美国华盛顿特区:美国华盛顿特区海军部
[4] Tan,A。;Wong,C.Wee;Tan,T.J.,美国海军基于标准和规则的障碍物规避,2010年国际滨水安全会议论文集,IEEE·doi:10.1109/wssc.2010.5730288
[5] 吴,Z。;李,J。;左,J。;Li,S.,基于碰撞概率和卡尔曼滤波的无人机路径规划,IEEE Access,634237-34245(2018)·doi:10.1109/access.2018.2817648
[6] 谭,C。;Bucknall,R.,《船舶碰撞风险评估》,《海洋科学与技术杂志》,15,3,257-270(2010)·doi:10.1007/s00773-010-0089-7
[7] 菲奥里尼,P。;Shiller,Z.,使用速度障碍物在动态环境中的运动规划,《国际机器人研究杂志》,17,7,760-772(1998)·数字对象标识代码:10.1177/027836499801700706
[8] 斯内普,J。;伯格诉d案。;盖伊,S.J。;Manocha,D.,《混合倒数速度障碍物》,IEEE机器人学报,27,4,696-706(2011)·doi:10.1109/tro.2011.2120810
[9] Kim,M。;Oh,J.-H.,《动态拥挤环境中利用速度障碍物(OVVO)进行最优速度选择的研究》,《自主机器人》,40,8,1459-1470(2016)·doi:10.1007/s10514-015-9520-6
[10] Jenie,Y.I。;Kampen,E.-J.诉。;de Visser,C.C。;Ellerbroek,J。;Hoekstra,J.M.,用于无人机去冲突机动的选择性速度障碍法,制导、控制和动力学杂志,38,6,1140-1146(2015)·数字对象标识代码:10.2514/1.g000737
[11] 萨马瓦蒂,S。;Zarei,M。;Masouleh,M.T.,基于有限时间速度障碍物方法的最优运动规划和避障算法,2017年人工智能和信号处理会议论文集,IEEE·doi:10.10109年10月20日178324091
[12] 福克斯,D。;伯加德,W。;Thrun,S.,《避免碰撞的动态窗口方法》,IEEE Robotics&Automation Magazine,4,1,23-33(1997)·数字对象标识代码:10.1109/100.580977
[13] O.布鲁克。;Khatib,O.,使用全局动态窗口方法的高速导航,1999年IEEE机器人与自动化国际会议论文集(目录号99CH36288C),IEEE·doi:10.1109/robot.1999.770002
[14] 汉克尔,C。;Bubeck,A。;Xu,W.,移动服务机器人局部路径规划的节能动态窗口方法**这项工作在新西兰奥克兰大学进行,IFAC PapersOnLine,49,15,32-37(2016)·doi:10.1016/j.ifacol.2016.07.610
[15] COLREGs,《国际海上避碰规则公约》(1972年),英国伦敦:国际海事组织,英国伦敦。
[16] 坎德罗罗,M。;莱卡斯,A.M。;Sörensen,A.J.,欠驱动海洋船舶基于Voronoi图的动态路径规划系统,控制工程实践,61,41-54(2017)·doi:10.1016/j.connengprac.2017.01.007
[17] Wang,H。;郭,F。;姚,H。;He,S。;Xu,X.,基于改进蚁群优化算法的USV避碰规划方法,IEEE Access,752964-52975(2019)·doi:10.1109/access.2019.2907783
[18] 胡,L。;Naeem,W。;Rajabally,E.,在网络桥梁模拟器上验证的自动水面车辆符合COLREGs的路径规划的多目标优化方法,IEEE智能交通系统汇刊,21,3,1167-1179(2019)·doi:10.1109/tits.2019.2902927
[19] 黄,C。;Lan,Y。;Liu,Y.,一种新的无人机动态路径规划方法,复杂性,2018(2018)·doi:10.115/2018/8402294
[20] 徐,Q。;张,C。;Wang,N.,基于多目标优化的船舶避碰策略优化,工程数学问题,2014(2014)·doi:10.1155/2014/914689
[21] 圣胡安;Víctor;桑托斯,M。;Andújar,J.M.,《搜索救援行动的智能无人机地图生成和离散路径规划》,《复杂性》,2018(2018)·doi:10.1155/2018/6879419
[22] 刘,Y。;张,X。;Guan,X.,基于潜在气味强度网格的无人机路径规划算法与粒子群优化方法,工程数学问题,2016(2016)·doi:10.1155/2016/7802798
[23] Yu,X。;陈,W.N。;Gu,T.,基于置换多目标组合优化问题分解的基于集合的离散粒子群优化,IEEE控制论汇刊,48,7,2139-2153(2018)·doi:10.1109/tcyb.2017.2728120
[24] Wu,A。;Yang,Z.-L.,经济调度问题的基于精英转座子量子的粒子群优化算法,复杂性,2018(2018)·数字对象标识代码:10.1155/2018/7276585
[25] Yu,J。;王,S。;Xi,L.,使用改进的PSO和DPSO进化人工神经网络,神经计算,71,4-6,1054-1060(2008)·doi:10.1016/j.neucom.2007.10.013
[26] Sun,J。;徐伟(Xu,W.)。;Feng,B.,量子粒子群优化的全局搜索策略,IEEE控制论和智能系统会议论文集,IEEE·doi:10.1109/iccis.2004.1460396
[27] Sun,J。;方,W。;吴,X。;帕拉德五世。;Xu,W.,《量子粒子群优化:单个粒子行为分析和参数选择》,进化计算,20,3,349-393(2012)·doi:10.1162/evcoa_00049
[28] 方,W。;Sun,J。;陈,H。;Wu,X.,一种基于细胞结构种群的分散量子激励粒子群优化算法,信息科学,330,19-48(2016)·doi:10.1016/j.ins.2015.09.055
[29] Sun,J。;吴,X。;方,W。;丁,Y。;龙,H。;Xu,W.,使用改进的量子粒子群优化训练的隐马尔可夫模型进行多序列比对,信息科学,182,1,93-114(2012)·兹比尔1250.68239 ·doi:10.1016/j.ins.2010.11.014
[30] Narayanan,A。;Moore,M.,Quantum启发的遗传算法,IEEE进化计算国际会议论文集,IEEE·doi:10.1109/icec.1996.542334
[31] 韩,K.-H。;Kim,J.-H.,一类组合优化的Quantum启发进化算法,IEEE进化计算汇刊,6580-593(2002)·doi:10.1109/tevc.2002.804320
[32] Xing,H。;纪毅。;Bai,L。;刘,X。;曲,Z。;Wang,X.,IP/DWDM网络中QoS组播的基于自适应进化的量子激励进化算法,计算机通信,32,6,1086-1094(2009)·doi:10.1016/j.comcom.2008.12.036
[33] 夏,G。;韩,Z。;赵,B。;杨毅,基于量子蚁群算法的无人水面舰艇路径规划,哈尔滨工程大学学报,40,7,880-885(2019)
[34] 夏,G。;韩,Z。;赵波;刘,C。;Wang,X.,基于改进量子蚁群算法的无人地面车全球路径规划,工程中的数学问题,2019(2019)·doi:10.1155/2019/2902170
[35] Li,S.Y。;Li,P.C.,用于连续空间优化的量子粒子群算法,中国量子电子学杂志,24,5,569-574(2007)
[36] Meng,Ke,Quantum基于粒子群算法的阀点经济负荷分配,IEEE电力系统汇刊,25,1,215-222(2009)·doi:10.1109/tpwrs.2009.2030359
[37] Fossen,T.I.,《船舶流体动力学和运动控制手册》(2011),美国纽约州纽约市:John Wiley&Sons,美国纽约市
[38] Kuwata,Y。;沃尔夫,M.T。;扎西茨基,D。;Huntsberger,T.L.,《COLREGS安全海上自主导航,使用速度障碍物》,IEEE海洋工程杂志,39,1,110-119(2013)·doi:10.1109/joe.2013.2254214
[39] 斯密顿,G.P。;Coenen,F.P.,《开发智能海上导航系统》,《计算与控制工程杂志》,1,2,95-103(1990)·doi:10.1049/cce:19900024
[40] 牛,H。;卢,Y。;Savvaris,A。;Tsordos,A.,《无人水面车辆的节能路径规划算法》,海洋工程,161308-321(2018)·doi:10.1016/j.oceaneng.2018.01.025
[41] Kennedy,J.,《粒子群优化》,《机器学习百科全书》,760-766(2011),美国马萨诸塞州波士顿:斯普林格,马萨诸塞州立大学,美国
[42] Van Den Bergh,F.,《粒子群优化器分析》(2001),南非比勒陀利亚:南非比勒陀大学博士论文
[43] 苏,X。;方,W。;沈(音)。;Hao,X.,一种基于自适应策略的量子粒子群优化图像增强方法,工程数学问题,2013(2013)·doi:10.1155/2013/824787
[44] Liang,J.J。;秦A.K。;Suganthan,P.N.(Suganthan,P.N.)。;Baskar,S.,用于多模态函数全局优化的综合学习粒子群优化器,IEEE进化计算汇刊,10,3,281-295(2006)·doi:10.1109/tevc.2005.857610
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。