摘要
本发明涉及一种潜航器路径规划方法,旨在动态流场环境中实现快速且高效的路径规划。该算法通过自主调节潜航器的推进器大小,利用洋流力,优化潜航器的行进路线,以减少能耗并提高航速。与传统的路径规划方法不同,本发明特别考虑了海洋环境中洋流对潜航器运动的显著影响,并针对卡门涡街流场环境进行了深入研究。设计了基于AUV动力学模型的AUV仿真环境,并在环境中添加了动态或静态卡门涡街流场。提出了一种基于设计了基于近端策略算法和期望回归的在轨强化学习算法,使用近端策略算法约束策略更新幅度并使用期望回归加快价值网络的收敛。能够在水下复杂流场环境中实现推进器动力控制和洋流助力下的路径规划。
技术关键词
潜航器
路径规划方法
强化学习算法
格子Boltzmann方法
流场环境
推进器
卡门涡街现象
梯度算法
回归方法
龙格库塔法
碰撞模型
尾舵
验证算法
策略更新
仿真环境
控制策略
系统为您推荐了相关专利信息
移动机器人
局部路径规划
路径规划方法
路径规划装置
避障距离
信道状态参数
中继数据包
神经网络参数
周期
处理器可读存储介质
退化草原
生态需水
生态修复方法
网格
河湖生态补水