基于量子粒子群优化的水下机器人路径规划方法开题报告

 2020-02-10 10:02
1.目的及意义(含国内外的研究现状分析)
1.目的及意义(含国内外的研究现状分析)

1.1目的及意义

水下机器人在军事武器、国土安全、水文测量、矿产调查、环境监测和海洋研究等领域具有广阔的应用前景,已成为海洋研究的一个重要领域。多年以来,为应对海洋勘探开发项目的挑战,水下机器人的研制工作不断深入[1]。水下机器人在军事武器领域和海洋资源开发方面有极为广阔的应用潜力,已成为西方发达国家发展智能化海军武器的重要方向之一[2]。水下机器人的一个主要任务是水下寻找目标、识别目标,并对目标采集尽可能多的信息[3],对于精确的运动控制能力具有极大的需求。此外,部分水下机器人需要电池供电,合理规划其作业路径,对于水下机器人降低综合能耗、提升续航范围、拓展应用领域至关重要[4]。量子粒子群优化算法(Quantum-behavedPSO ,QPSO)是近年来提出的一种智能优化算法,对于求解路径规划问题非常适用。因此,本文基于量子粒子群优化算法,针对水下机器人路径规划方法进行研究。

1.2国内外研究现状

水下机器人(Autonomous Underwater Vehicle)的路径规划问题是指AUV在已知水域环境、存在预设起点与目标点的情况下求出一条可用路径,该路径能避开障碍且满足路程最短、用时最少、耗能最低等最优条件[5],称之为最优路径。AUV路径规划由两部分组成:一是基于已知环境信息的全局路径规划;二是基于传感器数据的局部避障规划[6]。当前国内外用于水下机器人路径规划的经典算法有 A*算法、D*算法、神经网络算法等[7-8]。但是上述经典算法在复杂环境下可能存在计算复杂程度高、耗时长的问题。

您需要先支付 5元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;