基于声纳和模糊人工势场法的海缆巡检AUV避障方法

摘要

本发明公开了基于声纳和模糊人工势场法的海缆巡检AUV避障方法。该方法通过声纳数据采集和预处理系统获取避障声纳的声波数据，对其进行预处理分析，得到障碍物信息，根据障碍物信息图和目标位置，将AUV到前方障碍物的最小距离df、AUV到目标位置的距离dg和AUV转向角的绝对值as作为模糊算法的输入，利用模糊规则得到AUV的速度vr。然后根据障碍物信息、目标位置和模糊规则生成的AUV速度vr，并引入海流影响因素，对AUV进行矢量合成，生成人工势场，根据势场合力得到AUV的转向角，规划AUV的路径。在AUV转向和速度方面采取相应的行动，从而引导移动机器人到达目标，制定出避障策略以实现AUV精准避障。

说明书

技术领域

本发明属于AUV局部避障技术领域，涉及基于声纳和模糊人工势场法的海缆巡检AUV避障方法。

背景技术

随着海洋经济的不断发展，海底管道扮演着越来越重要的角色，承担起运输油气、动力、通信的作用。然而受到船锚、海底生物等外来影响，海底管线可能会受到一些破损，而海底环境的变化，也会导致管线出现裸漏等，存在一定的隐患，因此需要对其进行及时地定位和故障检测修复。面对如此庞大的管线系统的维护工作，依靠人力并不现实，而且危险系数高。

自主式水下机器人(AUV)具有活动范围广、成本低、受环境影响小等优点，很适合承担海底管道巡检的任务。与载人水下航行器相比，AUV凭借着机动性强、无人员伤亡风险、适应能力与生存能力高、制造与维护成本低等优点得到了各国学者的重点关注，成为海洋勘察和科学研究的重要设备。

AUV在进行勘测任务时，需要实时应对复杂多变的水下环境，以便顺利规划路径到达目的地，因而水下避障算法是AUV控制领域的重点研究方向之一。所谓避障就是当移动机器人上的传感器检测到周围出现障碍物时，能够以最快的时间和最小的成本完成躲避障碍物的动作，并且在成功避开障碍物之后按照航线继续前进。在现有的AUV水下避障算法中，人工势场法凭借着算法结构简单明了、反应速度快捷等优势，在AUV避障路径规划领域得到了广泛的应用，并逐渐成为主流的避障算法。但是传统的人工势场法未考虑复杂的水下环境问题，同时当AUV接近目标点时，其所受到的引力逐渐减小，若此时目标点恰好在障碍物的影响范围内，其所受到的斥力却在增大并且与引力方向相反，就会使得AUV停在某一点或发生抖动现象，导致无法到达目标点；此外，由于环境中障碍物分布的位置不定，会有AUV在某些非目标点受到的合力为0的情况出现，此时AUV就会停留在局部极小值点不再向目标点前进等等问题。

发明内容

针对现有技术的不足，本发明提出了基于声纳和模糊人工势场法的海缆巡检AUV避障方法，通过声纳采集障碍物信息，结合模糊算法与改进的人工势场法，生成AUV避障策略，弥补了传统人工势场法的缺陷，增强AUV的避障能力。

基于声纳和模糊人工势场法的海缆巡检AUV避障方法，具体包括以下步骤：

步骤一、使用声纳对海底环境进行探测，根据声纳的回声数据得到障碍物的位置信息和方位信息，生成障碍物信息图。

步骤二、根据步骤一中的障碍物信息图和目标位置，得到AUV距离前方障碍物的最小值d

步骤三、根据改进的人工势场法，计算AUV的运动方向，具体包括以下步骤：

s3.1、根据步骤一得到的障碍物信息图和目标位置，通过人工势场法生成引力场函数U

s3.2、根据空间动力学方程和拉格朗日方程，计算在引力场和斥力场同时作用下的合成势场对AUV的合力F

s3.3、为了使AUV的行进轨迹应尽可能地顺应海流，改进人工势场法，引入海流对AUV行进轨迹的影响力F

F

其中，V

作为优选，K

增加海流因素后，AUV受到的合力F

s3.4、根据步骤二中模糊算法输出的AUV速度v

其中，θ是AUV的运动方向，F

本发明具有以下有益效果：

通过引入模糊算法，提高了算法避障性能，同时也解决了人工势场法陷入局部极小值和目标不可达的问题；考虑到海洋中海流因素对避障路径规划的影响，通过改进人工势场算法，加入海流模型，使AUV的行进轨迹尽可能的适应海流，节约能源，改进的模糊人工势场法极大的提高了AUV对海洋环境的适应性。

附图说明

图1为基于声纳和模糊人工势场法的海缆巡检AUV避障方法流程图；

图2为实施例中使用的声纳数据采集与预处理系统示意图；

图3为实施例中生成的障碍物信息图；

图4为实施例中建立的模糊规则库；

图5为改进人工势场后AUV的受力示意图。

具体实施方式

以下结合附图对本发明作进一步的解释说明；

基于声纳和模糊人工势场法的海缆巡检AUV避障方法，通过声纳数据采集和预处理系统获取避障声纳的声波数据，对其进行预处理分析，得到障碍物信息，根据障碍物信息图和目标位置，将AUV到前方障碍物的最小距离d

具体包括以下步骤：

步骤一、使用如图2所示的声纳数据采集与预处理系统对海底环境进行探测。所述声纳数据采集与预处理系统分为硬件电路和软件设计两部分。其中硬件电路包括数据采集模块和数据处理模块，数据采集模块主要包括STM32处理器、电源模块和通信接口；数据处理模块包括树莓派、SD卡和通信接口。数据采集模块中的STM32处理器每隔一段时间向避障声纳发送命令，并读取避障声呐返回数据，每条指令可以获得对应直线上的1200个声纳回声强度，发送360次不同角度的命令，可以得到0-360°方向上的声纳回声强度。STM32处理器将采集的声纳数据发送给树莓派，树莓派对声纳回声强度大小进行比对，由于声呐接收到对应位置的信号越强，传回来的数据值就越大，因此声呐回声强度的数值越大，对应位置为障碍物的可能性越大，用更深的颜色描绘数值更大的位置，得到如图3所示的障碍物信息图，根据图3中颜色的深浅，可以得到障碍物的位置信息和方位信息。

步骤二、根据步骤一中的障碍物信息图和目标位置，得到AUV距离前方障碍物的最小值d

建立模糊控制规则，将d

其中规则1～5对应的是机器人远离障碍物和目标位置的情况，机器人应该加速以提高完成任务的效率；规则26～30对应的是机器人靠近障碍物和目标位置的情况下，机器人应减速以避免与障碍物安全碰撞，并平稳地停在目标位置。其他规则也可以依据人类经验进行理解。

步骤三、根据改进的人工势场法，计算AUV的运动方向，具体包括以下步骤：

s3.1、根据步骤一得到的障碍物信息图和目标位置，定义障碍物周围以及不希望AUV进入的区域生成斥力势场，并对AUV产生斥力，斥力势场函数U

其中，k

斥力势场函数U

定义目标位置以及希望AUV进入的区域生成引力势场，并对AUV产生引力，引力势场函数U

其中，k

引力势场函数U

s3.2、以二维场景为例，引力势场U

U

根据空间动力学方程和拉格朗日方程，计算在引力场和斥力场同时作用下的合成势场对AUV的合力F

s3.3、AUV在水下航行时，海流的影响是不可忽略的外界因素。由于AUV携带的能量有限，为了使AUV的行进轨迹应尽可能地顺应海流，改进人工势场法，引入不同于目标点引力和障碍物斥力的第三种力——海流对AUV行进轨迹的影响力F

F

其中，V

增加海流因素后，AUV受到的合力F

如图5所示，在人工势场空间中，AUV在任何位置受到的合力均符合上式。

s3.4、根据步骤二中模糊算法输出的AUV速度v

其中，θ是AUV的运动方向，F

应当理解，本文所述的示例性实施例是说明性的而非限制性的。尽管结合附图描述了本发明的一个或多个实施例，本领域普通技术人员应当理解，在不脱离通过所附权利要求所限定的本发明的精神和范围的情况下，可以做出各种形式和细节的改变。