4 总结与展望 20

4。1 总结 20

4。2 展望 20

参考文献 21

致谢 23

1 绪论

1。1 研究背景和意义

海洋面积是地球的三分之二，蕴藏着人类生产活动必需的生物及矿产资源，且含量丰富，对其合理开发利用，对人类发展有重大意义。随着更深入的海洋开发活动深，人类对海洋的进一步的了解，发现水下环境极其复杂且不确定。因此，想要在水下进行高难度、高风险的探索和开发，水下机器人是必不可少的辅助工具。

目前，自治水下机器人(Autonomous Underwater Vehicle,AUV)主要应用在海洋科学调查和军事方面。随着对水声通信、传感器等相关技术研究的发展，远程AUV(LAUV)在科学研究、商业应用和军事领域等方面的应用前景将会变得更广阔。

远程 AUV 实时避障，是指AUV利用自身携带的传感器获取周围环境信息，通过某种算法实时更新路线躲避障碍物的过程。由于海洋环境复杂，自身感的局限性和水声通信的限制，实现远程AUV实时避障，成为主要研究。这不仅是AUV完成任务的关键，也是其自身安全的保障。

1。2 AUV避障技术概述来自优I尔Q论T文D网WWw.YoueRw.com 加QQ7520~18766

自治水下机器人（AUV）的避障技术，是指机器人利用已知环境信息或者根据自身传感器对水下环境进行感知，通过算法自行规划出一条高效、安全、无碰的行动路径。按照AUV避障的方法策略，可以将AUV避障技术简单地分为：传统避障方法和现代智能避障方法两大类。

传统的避障方法有：

（1）栅格法

栅格法[1]，将移动机器人的工作空间拆分为一个个彼此之间互相连接却又相互不重叠的小单元，即栅格。该方法依据栅格是否被障碍物所占据进行状态描述，不同状态的栅格有着不同的标识值，通过这个标识值能够快速直观地对移动机器人携带的各种感知外界信息的传感器所传递的外界有用信息进行汇总分析。利用这些依据环境信息被分割成的栅格便能够构成一个连通图，按照是否被障碍物所占有，在该连通图上能够寻找到一条连接起始栅格与目的栅格的无碰撞路径。

（2）可视图法

可视图法[2]，将移动机器人比作一个点，把移动机器人、环境中的目标点和工作空间中的不同状态的障碍物的各个顶点相连接，并使所得所有连接线和障碍物都没有交点，继而形成一张图，即为可视图。因为任意两条线段的顶点全部都可以被看见，所以，连接起始位置与目标位置的全体可行路径均为无碰撞路径。依据可视图法，移动机器人避障即为在可视图中搜索到一条从起始位置通往目标位置的最短线段。利用该算法总能够在可视图中找到一条连接起始位置与目标位置的最优路径，但是目标位置和起始位置如果发生改变，就需要重新建立可视图。

现代智能避障方法：

（1）遗传算法

遗传算法是将自然选择、遗传学等多种生物进化理论相结合的一类搜索算法，是最早应用在组合优化问题上的智能优化算法。该算法和它的衍生算法已经成功运用在了移动机器人的避障领域。Alvarez[3]把该算法应用在强水流环境水下机器人的点到点避障技术研究，提出了一个遗传算子，从而解决了避障技术中存在的极小值问题，AUV沿着规划的路径运动能够确保其消耗的能源最少。Sugihara[4]][5]将该算法应用在二维或三维时变环境下水下机器人实时避障技术的研究。