一种基于强化学习的AUV三维路径规划方法

摘要

本发明设计了一种基于强化学习的AUV三维路径规划方法，首先根据已知的水下工作环境进行建模并对AUV进行全局路径规划；然后在仿真系统中针对AUV特殊的工作环境及其规划目标设计奖励值，利用基于自组织神经网络改进的Q学习方法对AUV进行避障训练，将训练所得到的避障策略写入机器人内部控制系统；最后机器人下水后接收全局路径规划节点，AUV将全局规划的路径节点作为目标节点以计算目标艏向规划航行，当遇到突发障碍时利用避障策略进行避障；该方法既保证AUV航行路径的经济性又保证了遇到突发障碍时的安全性，同时可以提高路径规划精度，降低规划时间，增强AUV的环境自适应性；该方法可应用于搭载了避障声纳能自主航行的AUV。