基于遗传算法的水面无人艇操纵响应模型参数辨识仿真研究

为实现水面无人艇(Unmanned Surface Vessel, USV)的操纵性预报,针对USV二阶非线性操纵响应模型,提出了一种基于遗传算法(Genetic Algorithms, GA)的辨识方法用于辨识模型参数。首先在仿真平台采用龙格库塔法(Runge-Kutta)开展Z型操纵仿真实验,基于差分离散法设计辨识模型,构造辨识模型适应度准则函数,初始种群在经过数代选择、交叉、变异后逐渐收敛至最优解,通过其收敛值计算模型辨识结果。辨识结果在精度和收敛性上均优于粒子群(Particle Swarm Optimization, PSO)算法,且在仿真试验情况下最大辨识误差率为4.19%,仿真试验验证了辨识结果的有效性和泛化性。GA是一种有效的高精度辨识算法,且辨识精度优于PSO算法,辨识结果能有效预报水面无人艇的操纵性。     

基于多目标粒子群-人工势场法的无人艇局部航路规划

针对无人艇在执行作战任务过程中,需要临机调整局部航路以实现紧急避障的需求,提出一种基于多目标粒子群-人工势场法的无人艇局部航路规划方法,首先针对传统人工势场法极小值问题,提出一种目标平移法进行改进,能够引导无人艇跳出局部极小值区域,并采用多目标粒子群算法对改进后的人工势场法参数进行优化,设计出基于航路危险系数、路径长度系数、路径转向角系数的多目标代价函数,实现了人工势场法参数快速、自主、最优调整。最后,通过不同工况下的仿真试验,验证了所提算法的有效性。