[论文解读] AUV Rendezvous Online Path Planning in a Highly Cluttered Undersea Environment Using Evolutionary Algorithms

Somaiyeh Mahmoud Zadeh, Amirmehdi Yazdani+2 more|arXiv (Cornell University)|Apr 24, 2016

Robotic Path Planning Algorithms参考文献 32被引用 19

一句话总结

本文提出了一种用于自主水下航行器（AUVs）在高度杂乱的海底环境中与领航车辆会合的在线路径规划框架，采用进化算法实现。通过将会合问题建模为非线性最优控制问题（NOCP），并应用罚函数法，该方法利用粒子群优化（PSO）、生物地理学优化（BBO）、差分进化（DE）和萤火虫算法（FA）生成鲁棒且具有反应能力的轨迹，能够适应动态障碍物和海流变化，在仿真中表现出显著的效率与鲁棒性。

ABSTRACT

In this study, a single autonomous underwater vehicle (AUV) aims to rendezvous with a submerged leader recovery vehicle through a cluttered and variable operating field. The rendezvous problem is transformed into a nonlinear optimal control problem (NOCP) and then numerical solutions are provided. A penalty function method is utilized to combine the boundary conditions, vehicular and environmental constraints with the performance index that is final rendezvous time.Four evolutionary based path planning methods namely particle swarm optimization (PSO), biogeography-based optimization (BBO), differential evolution (DE) and Firefly algorithm (FA) are employed to establish a reactive planner module and provide a numerical solution for the proposed NOCP. The objective is to synthesize and analysis the performance and capability of the mentioned methods for guiding an AUV from loitering point toward the rendezvous place through a comprehensive simulation study.The proposed planner module entails a heuristic for refining the path considering situational awareness of underlying environment, encompassing static and dynamic obstacles overwhelmed in spatiotemporal current vectors.This leads to accommodate the unforeseen changes in the operating field like emergence of unpredicted obstacles or variability of current vector filed and turbulent regions. The simulation results demonstrate the inherent robustness and significant efficiency of the proposed planner in enhancement of the vehicle's autonomy in terms of using current force, coping undesired current disturbance for the desired rendezvous purpose. Advantages and shortcoming of all utilized methods are also presented based on the obtained results.

研究动机与目标

• 使自主水下航行器（AUVs）能够在复杂、动态的海底环境中安全且高效地与领航车辆会合。
• 解决在不可预测障碍物和变化的海流等不确定条件下实时路径规划的挑战。
• 开发一种具备时空环境变化态势感知能力的反应式在线规划器。
• 评估并比较多种进化算法在求解AUV会合非线性最优控制问题中的性能表现。
• 通过利用海流力并减轻干扰，提升AUV的自主性，从而提高任务成功率。

提出的方法

• 将会合问题转化为带有车辆动力学、边界条件和环境因素约束的非线性最优控制问题（NOCP）。
• 采用罚函数法将边界条件、车辆约束和环境障碍物嵌入性能指标中。
• 应用四种进化算法——粒子群优化（PSO）、生物地理学优化（BBO）、差分进化（DE）和萤火虫算法（FA）——对NOCP进行数值求解。
• 规划器集成实时态势感知，能够根据新探测到的障碍物或海流场变化动态调整路径。
• 通过持续基于不断演化的环境数据更新解，该算法框架支持在线重规划。
• 在高度杂乱、变化的海底环境中进行仿真，以在真实条件下测试其鲁棒性和适应性。

实验结果

研究问题

• RQ1 进化算法在高度杂乱的海底环境中，能否有效生成可行且最优的AUV会合轨迹？
• RQ2 所提出的规划器在面对突发障碍物或海流变化等不可预见的环境变化时，其适应能力如何？
• RQ3 在在线AUV路径规划中，四种进化算法——PSO、BBO、DE和FA——哪一种在收敛速度、解质量及鲁棒性方面表现更优？
• RQ4 如何通过利用海流力来提升路径效率和任务成功率？
• RQ5 实时态势感知对规划器规避动态障碍物并维持会合目标的能力有何影响？

主要发现

• 所提出的规划器即使在存在静态和动态障碍物的情况下，仍能成功引导AUV抵达会合点，表现出在复杂环境中的高度鲁棒性。
• 所有四种进化算法——PSO、BBO、DE和FA——均获得了可行解，但DE和FA在仿真环境中表现出更优的收敛速度和解质量。
• 规划器有效利用了有利的海流力，同时减轻了不利海流干扰的影响，从而提升了能量效率和路径稳定性。
• 实时态势感知的集成实现了动态重规划，使AUV能够对突发障碍物和海流场变化做出响应。
• 罚函数法有效结合了约束与性能指标，确保在NOCP建模中解的可行性及边界条件的满足。
• 仿真结果证实，该规划器显著提升了AUV在复杂海底任务中的自主性。