一种基于3D-GA的水面无人艇回收路径规划方法及系统

本发明属于水上无人装备导航，尤其涉及一种基于3d-ga的水面无人艇回收路径规划方法及系统。

背景技术：

1、随着机器人技术、传感与导航等人工智能技术的飞速发展，气象、水文、海洋学等学科领域的研究范畴也逐渐拓宽。同时，环境监测与安全防范的需求也相应增长。作为一种高效率、低成本、低风险的新型水上探测工具，水面无人艇（unmanned surface vehicle，usv）及其相关技术的发展和研究受到了科学界的广泛瞩目。usv具备体型小巧、行动敏捷的显著优势，仅需设计足够的空间容纳必要的传感器与导航辅助设备，即可轻松实现各项功能。值得一提的是，由于其灵活的自主操作系统，usv可在极端环境与危险条件下作业，从而确保操作人员的安全。

2、正是基于这些出色的特性，usv在民用领域与军用领域皆备受青睐。在无人艇的研究中，路径规划问题无疑占据着核心地位。其依赖算法优化，并结合雷达和光学摄像头等传感器实时采集的数据，实时输出可规避障碍物的最佳航行路径。遗传算法（geneticalgorithm，ga）具有较好的鲁棒性，十分适合用来求解复杂的路径规划问题。然而，传统的遗传算法在进行地图建模时，采用简单的栅格序列法，以单个栅格作为可选的航路点。为了详尽遍历所有栅格，传统遗传算法将生成冗长的编译序列，占用大量计算机内存，限制了算法搜索效率，降低了usv路径规划的效率。同时，二维序列栅格的环境建模无法有效处理复杂的地形结构。因此，算法无法反映障碍物之间的关联性，导致动态障碍物的避障操作缺乏良好的执行。此外，传统遗传算法在初始路线的生成上也存在显著不足。其种群初始化过程为随机生成一系列航路点，从而构成一条完整的规划路径。这种初始化方式存在两个弊端：一方面，随机生成的初始规划路线难以保证其合理性；另一方面，由于随机性较强，算法规划出的回收路径精度难以得到提升，且不同算例的解集质量差异显著。在遗传操作过程中，低频率的随机变异导致算法收敛速度慢，容易陷入局部最小值。更为关键的是，传统遗传算法对适应度函数的设计过于简化，往往只对规划路径的长度和所花费的时间进行惩罚，并以此标准来分配解集中个体的生存空间，缺少对实际规划任务要求与无人艇自身动力学特征的考虑，无法完整地反应真实的路径规划问题。

3、通过上述分析，现有的应用于无人艇路径规划的遗传算法存在的问题及缺陷为：（1）二维栅格环境建模，编码方式灵活性差，算法效率低，系统性差；（2）种群初始化过程随机性强，拖缓收敛进程，规划解的质量低；（3）算法结构导致规划耗时长，规划解的多样性较低，易陷入局部最小值；（4）适应度函数无法反应真实的路径规划问题，缺乏对任务要求与动力学特征的考虑，规划结果不稳定。

4、现有应用于无人艇路径规划的遗传算法存在的缺陷和问题在实际应用中带来了一系列的技术问题，具体包括以下几点：

5、首先，由于二维栅格环境建模的限制，遗传算法的编码方式灵活性较差，这直接影响了算法的效率。在复杂地形和障碍物密集的情况下，算法无法有效地处理障碍物之间的关联性，导致路径规划不准确或无法找到可行的路径。这导致无人艇无法在实际应用中有效避开障碍物，增加了碰撞的风险。

6、其次，种群初始化过程的随机性过强，这不仅拖缓了算法的收敛进程，还导致规划解的质量低下。在实际应用中，这意味着无人艇的路径规划不稳定，且每次规划的结果都将存在较大差异。失去规划结果的稳定性将导致无人艇在实际应用中的可靠性降低。

7、再者，算法结构的局限性导致规划耗时长，且规划解的多样性较低，容易陷入局部最小值。这意味着在面对复杂的路径规划问题时，遗传算法无法在短时间内找到最优解，或者找到的解并不是全局最优的。在实际应用中，这导致无人艇的航行效率降低，甚至无法完成预定的任务。

8、最后，适应度函数的设计过于简化，无法反映真实的路径规划问题。缺乏对任务要求和无人艇自身动力学特征的考虑，使得规划结果不稳定，难以满足实际应用的需求。例如，无人艇在航行过程中会受到风浪、海流等自然因素的影响，这些因素在简化的适应度函数中往往被忽略，导致规划出的路径在实际航行中并不适用。

9、综上所述，现有应用于无人艇路径规划的遗传算法存在的缺陷和问题在实际应用中带来了诸多挑战。为了解决这些问题，需要对算法进行改进和优化，以提高其在实际应用中的性能和稳定性。这包括改进环境建模方式、优化种群初始化过程、改善算法结构以及设计更合理的适应度函数等方面的工作。通过这些改进措施，有望提高无人艇路径规划的准确性和效率，推动无人艇在更多领域的应用和发展。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种基于3d-ga的水面无人艇回收路径规划系统。

2、本发明是这样实现的，一种基于3d-ga（three-dimensional genetic algorithm，3d-ga）的水面无人艇回收路径规划系统，其中基于3d-ga的水面无人艇实时路径规划方法包括：在传统ga二维建模方法的基础上，引入时间维度，建立三维时空的环境建模；设置规划步长，保证航路点生成排布的均匀性，并优化其编码过程；确定障碍物的表现形式为平面包围圆，在空间中为三维斜圆柱体，设置膨胀系数，增加障碍物包围圆半径，提高避障容错率；针对传统ga方法规划效率低、收敛性不佳等缺点，在遗传操作方面，改良初始种群的建立过程以提升父代基因型质量与收敛速度；加入精英保留策略防止优秀基因型在筛选过程中被淘汰，以保证全局收敛性；引入牺牲策略与种内杂交操作以减少迭代次数，增加子代基因的多样性；在适应度函数方面，结合动力学约束与系统要求，改良量化指标，提出新的非线性惩罚方案，通过模拟实验确立不同量化指标的权重分配，建立多元的评价机制，使得基因择取质量得到提升。结合以上措施，算法的收敛性与鲁棒性皆得到提升，使规划的路径解集具有优质的初始值，并快速得到最优解。

3、进一步，航路点的生成及编码过程如下：

4、首先，将任务环境确定为栅格边长为h，时间维度以秒为单位的立体几何环境。在算法设计过程中，将遗传种群的基因个体位点拟定为point，point为储存有实时速度的三维航路点坐标（x，y，t）。将x轴方向拟定为步长方向，通过步长的长度来确定每个航路点生成的区间范围。

5、之后，假设程序输入的起始点为ps，终点为pe。根据不同应用场景下，针对回收规划路径的平滑度与精确度设定的步长间隔为，则获得基因个体的长度n（基因位点个数）计算如下所示：

6、

7、其中，xpe为终点的横坐标；xps为起始点的横坐标；等式所得的n向小取整后则为基因个体的长度n。在分配航路点的生成区间后，对x轴方向的步长取余，得到补偿区间；其中，“\”为取余符号，将该段区间补偿至第一段基因位点生成的步长区域。

8、具体编码过程的步骤如下：

9、步骤一，根据基因个体的基因序列对不同步长区间依次进行排序，x轴方向上每个单位为一个步长区间，步长区间数的角标为i；

10、步骤二，结合地图建模范围，限制航路点的生成区域。设地图在x轴上的取值区间为，通过映射关系式将其转换为新的取值区间以进行二进制编码转换。映射关系式与转换要求如下：

11、

12、其中，为映射前的横坐标值；为映射后用于转换二进制编码的横坐标值；为自定义的映射规则，通常为线性的映射关系。位于区间中的航路点横坐标，在转化为二进制编码进行遗传操作（如杂交与变异）后，解码为十进制的值时不发生溢出。

13、步骤三，航路点的纵坐标取值区间的处理规则如下：

14、

15、其中，为映射前的纵坐标值；为映射后用于转换二进制编码的纵坐标值；为自定义的映射规则，通常为线性的映射关系。同理，映射后的纵坐标取值区间在转化为二进制编码进行遗传操作（如杂交与变异）后，解码为十进制的值时不会发生溢出。

16、步骤四，航路点的实时速度取值区间的处理规则如下：

17、

18、其中，为映射前的实时速度值；为映射后用于转换二进制编码的实时速度值；为自定义的映射规则，通常为线性的映射关系。由于实际应用中速度的变化相较坐标变化更不明显，不利于二进制编码转换，因此对映射乘以速度间隔放大倍数k。同理，映射后的实时速度取值区间在转化为二进制编码进行遗传操作（如杂交与变异）后，解码为十进制的值时不会发生溢出。

19、步骤五，按基因位点顺序将二进制写入编码，将（，，）作为一个个体的基因整体，即14个二进制数为一个位点，按、、……、的次序生成二进制基因序列。

20、在遗传操作完成一轮循环之后，进行实数的解码操作，具体公式如下式所示：

21、

22、其中，m为二进制数n点位对应的数字，n为二进制序列的位数，为基因序列中的第i个航路点；根据该设定生成的二进制编码序列中，横坐标对应nx位二进制数，纵坐标对应ny位二进制数，实时速度对应n-nx-ny位二进制数。所有基因个体完成遗传操作后，更新航路点对应的时间。将每一段导航路线视作匀加速过程，求得的公式如下式所示。

23、

24、其中，与分别表示构成该段直线导航路径的两个航路点位点信息。

25、进一步，障碍物的表现形式如下：

26、障碍物空间几何体的表达式为：

27、

28、其中，x、y为表示空间位置信息的参数；，表示障碍物圆形包围盒的横纵坐标；表示障碍物圆形包围盒的半径；，表示障碍物在x方向与y方向上的移动分速度。若障碍物为静态，那么= 0m/s，= 0m/s。将回收规划路径看作由每一段匀加速过程组成的整体，结合航向角求解方程组是否有关于t的正整数解来判断是否触碰障碍物，方程组如下式所示。

29、

30、其中，x、y为表示空间位置信息的参数；表示无人艇的当前位置；表示该段直线导航过程中无人艇的平均速度；与表示无人艇在构成该段直线的两个航路点分别对应的瞬时速度；与表示障碍物包围圆在x方向与y方向的速度分量。

31、进一步，种群初始化改良后的步骤为：

32、步骤一，在生成单个基因个体时，于循环中进行障碍物的避碰判断，即避障预热操作，保证生成的路径规划父代样本具有一定的合理性；

33、步骤二，在依次按步长区间生成航路点的同时，判断该航路点与上一航路点构成的导航段是否触发了障碍物避碰警告。

34、步骤三，若触发了警告，则重新生成航路点，直至该段导航线路可安全通过该步长区间内的水域，否则进行循环直至n个基因点位都含有一个航路点。由于算法在计算时可能出现无解的情况，依次设置针对单个基因个体的循环阈值，当循环超过次即随机分配坐标，防止算法崩溃。

35、步骤四，对以上步骤执行pnum次（系统设定的种群个体数量）循环，保证种群中所有基因个体完成初始化；

36、进一步，精英保留的运行规则如下所示：

37、在生成初代种群时，立即计算基因个体的适应度函数，将表现型良好的部分基因保存至精英组序列中，防止该部分优秀个体的良好表现型在选择过程中被改变。每一代遗传操作过程中，精英组序列的个体都以1的概率复制到下一代种群中，并精英序列组都能得到不断更新。通常来说，精英序列的保留比例为10%左右。该方法的引入有利于提升遗传算法的收敛速度，减少迭代次数。

38、进一步，改良后的适应性函数如下所示：

39、（1）规划距离的量化指标

40、

41、其中，为单段回收路径的长度；与分别为起点与终点的二维坐标。

42、（2）总时间的量化指标

43、

44、其中，为单端回收路径的规划时间；为对步长区间个数的时间惩罚。

45、（3）对中度的量化指标

46、

47、其中，为每一航路点对应的纵坐标。

48、（4）转角量化指标

49、

50、其中，表示水面无人艇当前航向角。

51、（5）适应度值

52、

53、其中，用于放大适应度函数的标定效果；，，，分别为各自标量的惩罚因子；，，，分别为对无人艇的避障约束与速度、加速度等动力学约束指标。

54、（6）硬性指标的约束条件

55、

56、其中，、、分别为无人艇的设定速度、最大限速与最低限速；与为无人艇设定的加速度与加速度最高限值；为障碍物碰壁的判断程序，若满足以上条件，则对应的惩罚因子为1，反之为0。

57、进一步，考虑动力学约束的牺牲策略与种类杂交的步骤如下：

58、步骤一，计算当前种群中所有个体的适应度值，选取前10%存取为精英序列；

59、步骤二，查找由于不符合动力学条件而导致适应度函数为0的基因个体并删除其基因序列，抹除个体信息，释放原有内存；

60、步骤三，结合避障条件，在空出的被删除基因个体位置重新生成新个体序列；

61、步骤四，新的基因个体跟随种群中其他个体进行下一轮的遗传杂交。

62、本发明的另一目的在于提供基于3d-ga的水面无人艇回收路径规划系统，包括：

63、划步长配置模块，用于保证航路点的生成与排布，同时优化航路点的编码过程，设定编码防溢出规则，以提高路径规划的效率与准确性；

64、障碍物识别模块，其特征在于障碍物以平面包围圆的形式表示，在三维空间中扩展为斜圆柱体，并通过设置膨胀系数，增加障碍物包围圆半径，以提升避障的容错率；

65、遗传操作模块，改良了初始种群的建立过程，以提升父代基因型的质量和算法的收敛速度；加入精英保留策略，防止优秀基因型在筛选过程中被淘汰，保证全局的收敛性；

66、适应度函数模块，结合动力学约束与系统要求，改良量化指标，并提出新的非线性惩罚方案，通过模拟实验确立不同量化指标的权重分配，建立多元的评价机制，以提高基因选择的质量；

67、牺牲策略与种内杂交操作模块，用于减少繁殖代数，增加子代基因的多样性，提升算法收敛速度与规划路径质量。

68、本发明的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行基于3d-ga的水面无人艇回收路径规划方法的步骤。

69、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：

70、第一、传统的路径规划算法基于二维的栅格环境建模，将障碍物与可通行区域用二进制标识符代表。栅格序列法主导的建模原理简单，适用于算法模拟过程，但不利于复杂障碍物的表示与相关避障处理。因此，基于该建模的编码方式要求较长的遗传基因序列，占据大量内存的同时拖延了计算效率。此外，二维栅格的环境建模还导致规划的路径在时间维度的校准上有所欠缺，只能以路径行驶耗时指标进行评价，无法达到实时性的要求。本发明将时间维度引入遗传算法，并采用与gps采集维度对应比例转换的坐标关系进行环境建模，结合动力学约束规范了航路点表现形式，简化了基因序列，并强化了其与时间坐标的对应关系，提升了校准度。对于现实场景中的不规则障碍物，本发明采用带有补偿半径的包围圆表示，增加了避障容错率的同时简化了计算。

71、传统遗传算法进行种群初始化时为生成固定个数的随机点。该方法虽然快捷，但需要耗费巨大的迭代时间进行补偿以获得期望解。此外，在进行模拟实验时，种群初始化生成的初代种群质量与算法最终输出解的质量存在正相关关系，与迭代次数的需求成负相关关系，说明种群初始化过程会极大程度影响路径规划的解质量。因此，在引入时间维度的环境建模基础上，本发明在种群初始化时增加避障预热，以提升初代种群质量。为了防止在生成初代种群时，出现算法为搜索可行方案耗费较长计算时间导致进程拖延，本发明在单个基因序列生成时设计了循环阈值。当一个基因片段存在暂未发现解决方案的情况时，随机生成序列中各个航路点的坐标。模拟实验表明种群初始化改良对后代适应度函数平均值有显著影响。

72、遗传操作过程是遗传算法进行解集迭代的关键机制，体现着筛选的规则与流程。由于遗传算法本质是对生物群落繁衍规则的一个类比过程，故在对基因个体采取变异操作时，具有随机性强、概率低的特点。通常情况下，仅有1~2%的基因个体的0.1%左右的基因片段会发生改变。这样的规则导致了遗传算法收敛速度低的同时还损失优质的基因序列。近年来，许多研究人员提升了这一比例，并采用了精英保留策略来防止具有优秀表现型的基因个体在筛选过程中变异。在此基础上，本发明增加了以无人艇于水面的动力学特征约束为主体的筛选规则，将是否满足这一规则作为个体是否可以适应环境的标准。通过模拟生物界中“物竞天择，适者生存”的思想进行筛选，并通过算法释放死亡个体的内存，重新生成新个体并再次执行种内杂交。本发明将该方法定义为“牺牲策略”。通过该方法，算法的时空复杂度不会提升，遗传操作的筛选机制更加成熟，并且使生成的解集更符合实际的动力学应用。牺牲策略与种内杂交的引入还增加了后代的物种多样性，有利于解集的扩大，提升算法收敛效率。

73、适应度函数提供了遗传算法进行解集迭代的原则，关系着遗传算法的执行效率与解集质量。适应度函数的设计本质是通过标定与动态映射，将种群个体间原本较小的差异放大化，从而更易显现出不同个体之间的表现型优良差异大小，更好地择取符合要求的基因个体。针对传统遗传算法中适应度函数评价指标局限、计算复杂的特点，本发明对适应度函数进行了形式与内容上的改良，采用权重函数与自定义的无量纲评价指标，综合动力学约束、路径长度、耗时等多方面进行全方位的评价，有利于从多个指标多元筛选择取优秀的基因个体，保证了生成的规划路径不仅仅是在时间与路程方面占优，从而促进优质路径的规划。在其他应用环境，可以通过修改适应度函数中的评价指标，并通过模拟试验确定合适的权重系数，以满足不同条件下的任务要求。

74、第二，本发明通过将时间维度引入直角坐标式的栅格图，构建三维的环境建模，简化了遗传算法种群个体及轨迹的生成方式，结合合理的步长分配与防溢出进制转换进一步优化了编码方式，为遗传操作的简化打下基础。在此基础上结合圆形包围盒的障碍物建模，加入尺寸膨胀与半径补偿的思想，保证了路径生成的安全性。在水面无人艇行进规则与障碍物避碰方面，分别对动、静态障碍物设计了不同的避碰策略，优化了轨迹的安全性，保障了遗传算法规划过程的实时性。

75、本发明在提升基因变异概率与加入精英保留策略的基础上，对遗传算法于路径规划应用的操作流程作了优化。通过避障预热，提升种群初始化过程生成的初代种群个体的基因型质量，加速了种群收敛速度，为良好质量的路径规划解打下基础。通过模拟生物群落中自然生存及淘汰的原理，结合适应性指标及动力学约束提出牺牲策略，有效释放较差基因个体的内存，并重新生成新个体进行种内杂交，提升了收敛速率与后代基因个体的多样性。

76、本发明根据对回收规划总距离、用时、对中度、转角量进行惩罚，结合约束避障条件与水面无人艇动力学约束条件设置了新的线性适应度关系。解决了针对多任务目的时传统回收规划算法评价指标单一的问题，提升了规划解的质量。

77、第三，本发明所提出的技术方案，通过对环境建模进行改良，提升了遗传算法在路径规划问题上的时间校准性，克服了遗传算法应用于路径规划实时性较差的问题。通过对遗传算法操作过程进行改良，加速了遗传算法的收敛迭代速度，提升了种群父代基因型质量与后代基因型多样性，有效释放了表现型较差的基因个体的储存空间，克服了遗传算法应用于路径规划收敛速度慢、计算内存大的问题。

78、第四，基于3d-ga的水面无人艇实时路径规划系统带来了以下技术进步：

79、1．三维环境建模：传统遗传算法采用栅格法，影响计算内存与规划效率，不利于动态规划。本系统引入三维环境建模结合运动障碍物在空间中的表现形式，提高了规划精度，做到了实时动态规划。

80、2．初代种群基因型质量提升：在种群初始化过程中增加避障预热环节，提升了初代种群的基因型质量，从而增加算法收敛速度。

81、3．编码进制转换防溢出：本文以百米内的规划任务距离为例设计了一套应用于三维坐标系的编码进制转换规则，保证在遗传算法变异后，二进制基因序列转为实际坐标不发生溢出，为遗传算法应用于路径规划时保证系统鲁棒性提供了思路，使规划结果更加稳定。

82、4．牺牲策略与种内杂交：模拟自然界生物种群中个体“生老病死”的过程，加入动力学约束控制，确保生成的回收规划路径具有实际可操作性的同时提升规划解的多样性。

83、5．适应度函数改良：引入动力学约束，设计多项评价指标，结合权重分配将非单一线性的问题转化为线性问题，有效应对目标的规划任务，提升规划精确度。

84、本发明提供的基于3d-ga的水面无人艇回收路径规划方法提高了无人艇路径规划系统的高效性、精确性和稳定性。

85、第五，本发明提供的基于3d-ga的水面无人艇回收路径规划系统，通过引入时间维度进行三维时空的环境建模、优化遗传算法的各项操作和适应度函数，带来了工业应用上的技术效果，具体包括：

86、1．提高路径规划效率：通过设置规划步长和优化编码过程，保证航路点生成的均匀性，显著提高了路径规划的效率。同时，优化的遗传操作和引入的精英保留策略及牺牲策略减少了迭代次数，加速了最优解的搜索过程。

87、2．增强避障能力：确定障碍物的三维斜圆柱体表现形式并设置膨胀系数，有效增加了避障容错率。这意味着无人艇在复杂水域环境中具有更高的安全性，能够有效避免与障碍物的碰撞。

88、3．提升路径规划质量：通过改良的初始种群建立过程和引入的种内杂交操作，增加了子代基因的多样性，使得规划的路径解集具有优质的初始值。结合动力学约束与系统要求改良的量化指标和新的非线性惩罚方案，优化了适应度函数，使得基因择取质量得到提升。

89、4．优化动态规划能力：引入时间维度的三维时空环境建模和实时速度的三维航路点坐标设定，使算法能够针对动态变化的环境进行实时的路径规划，提高了无人艇对环境变化的适应能力和任务执行的灵活性。

90、5．加强算法的鲁棒性与全局收敛性：精英保留策略防止优秀基因型在筛选过程中被淘汰，牺牲策略与种内杂交操作共同作用，保证了算法的鲁棒性和全局收敛性，有效提高了算法解决实际问题的能力。

91、6．广泛的应用前景：这一路径规划系统不仅适用于水面无人艇的回收任务，同样可以应用于其它海洋作业、搜索救援、海洋观测等领域，具有广泛的工业应用前景。

92、通过这些技术效果的提升，本发明提供的基于3d-ga的水面无人艇回收路径规划系统在提高安全性、效率、路径规划质量和动态规划能力等方面具有显著的优势，为水面无人艇及其它海洋装备的路径规划提供了一种高效、鲁棒的解决方案。