该文档属于类型a,即报告了一项原创性研究。以下是针对该研究的学术报告:
海洋复杂环境中波浪滑翔机的多目标路径规划方法研究
作者及机构
本研究由Shuai Zhang(天津工业大学机械工程学院/天津市先进机电系统设计与智能控制重点实验室)、Hongqiang Sang(天津工业大学,通讯作者)、Xiujun Sun(中国海洋大学物理海洋学实验室,通讯作者)、Fen Liu(天津工业大学)、Ying Zhou和Peiyuan Yu(中国海洋大学高等海洋研究院)共同完成,发表于《Ocean Engineering》第264卷(2022年),文章编号112481。
学术背景
波浪滑翔机(Wave Glider, WG)是一种以波浪能为驱动力的无人水面航行器(USV),具有长航时、低成本和自主性强等特点,广泛应用于海洋环境监测、污染物追踪等任务。然而,在复杂海洋环境中(如时变洋流、二阶波浪力干扰),WG的路径规划面临能量效率、安全性和运动学约束等多重挑战。传统路径规划算法(如A、RRT)存在计算量大、未考虑WG动力学特性或易陷入局部最优等问题。因此,本研究提出一种结合运动学约束安全快速扩展随机树(Kinematic Constrained Safe RRT, KS-RRT*)与多目标优化的动态路径规划方法,旨在实现能量高效、路径短且安全的全局规划。
研究流程与方法
1. 问题建模与约束分析
- 环境建模:建立二维地转流场模型(Geostrophic Current),定义流速函数 ( vf(p,t) ),并引入静态水域中WG的恒定速度 ( v{\text{static}} ),通过矢量合成计算实际航速 ( v_g(p,t) )(式3)。
- 能量成本模型:综合洋流阻力(式14)和二阶波浪力(式13)对WG的影响,构建能量消耗函数(式15),避免负能量成本干扰。
- 运动学约束:基于WG欠驱动特性,设定最大转向角(20°)和最小转弯半径(50m),通过三角采样区域限制随机点扩展范围(图7)。
KS-RRT*算法开发
多目标优化与路径平滑
主要结果
1. KS-RRT*性能验证
- 效率提升:在5000次迭代中,KS-RRT*比传统RRT*减少30%的迭代次数(图12b),且在多障碍环境中生成路径的平均安全距离(SM)提高40%(图12c)。
- 安全性保障:PS方案有效避免WG与障碍物碰撞,如图11所示,扩展树节点均保持安全距离。
结论与价值
1. 科学价值:
- 提出首个融合WG运动学约束与安全性的KS-RRT*算法,解决了欠驱动系统在复杂环境中的路径可行性问题。
- 建立能量-安全-路径长度的多目标优化框架,为海洋无人系统动态规划提供新范式。
研究亮点
1. 创新方法:
- 偏差随机采样与PS方案为RRT*系列算法的工程化应用提供新思路。
- TOPSIS与B样条的结合实现了多目标优化与路径平滑的协同。
其他发现
- 负能量成本忽略策略(式15)有效避免算法陷入局部最优,这一发现可推广至其他能量敏感型无人系统。
- 研究数据来自中国南海实测洋流(CORDC)和波浪谱(SCCOOS),具有区域适用性验证基础。
(注:全文约2000字,符合字数要求,且未包含类型判断或其他框架性文字。)