劉貴杰,劉鵬,穆為磊,王壽軍

(中國(guó)海洋大學(xué)機(jī)電工程系,266100,山東青島)

?

采用能耗最優(yōu)改進(jìn)蟻群算法的自治水下機(jī)器人路徑優(yōu)化

劉貴杰,劉鵬,穆為磊,王壽軍

(中國(guó)海洋大學(xué)機(jī)電工程系,266100,山東青島)

針對(duì)傳統(tǒng)路徑優(yōu)化算法中“距離最短能耗非最低”的問題,提出了一種基于能耗最優(yōu)改進(jìn)蟻群算法的自治水下機(jī)器人路徑優(yōu)化算法。該算法通過(guò)對(duì)水下機(jī)器人進(jìn)行水動(dòng)力學(xué)分析,建立了水下機(jī)器人移動(dòng)過(guò)程中的受力模型;得到了機(jī)器人移動(dòng)路徑的能耗計(jì)算公式;提出了能耗最優(yōu)的改進(jìn)蟻群算法,采用路徑能耗的倒數(shù)作為路徑信息素值,實(shí)現(xiàn)了能耗指導(dǎo)蟻群進(jìn)化的目的。實(shí)驗(yàn)結(jié)果表明:該算法規(guī)劃的路徑長(zhǎng)433.51 m,水下機(jī)器人能耗12 235.17 J,算法尋優(yōu)迭代次數(shù)22次;傳統(tǒng)距離最優(yōu)算法規(guī)劃的路徑長(zhǎng)393.56 m,水下機(jī)器春能耗12 864.99 J,算法尋優(yōu)迭代次數(shù)33次。該算法規(guī)劃的路徑距離雖比傳統(tǒng)算法長(zhǎng)10%,但是能耗卻降低了5%,收斂速度明顯比傳統(tǒng)算法快,對(duì)降低水下機(jī)器人能耗、提高續(xù)航能力有一定的優(yōu)勢(shì)。

能耗;蟻群算法;自治水下機(jī)器人;距離

自治水下機(jī)器人(autonomous underwater vehicle,AUV)具有高自動(dòng)化和智能化的特點(diǎn),可以獨(dú)立自主地完成水下作業(yè)任務(wù)和水下巡航。路徑規(guī)劃是一種典型的優(yōu)化問題,也是水下自治機(jī)器人領(lǐng)域的研究熱點(diǎn),按照某一性能指標(biāo)(最小工作代價(jià)、最短路徑等)得到一條最優(yōu)的水下路徑對(duì)水下自治機(jī)器人具有重要的意義[1]。通常情況下,AUV優(yōu)化路徑評(píng)價(jià)指標(biāo)包括時(shí)間最優(yōu)、距離最優(yōu)、能耗最優(yōu),但是AUV的能源需要自身攜帶,從而限制了水下機(jī)器人的行動(dòng)范圍和工作時(shí)間,因此在AUV巡航過(guò)程中尋找一條能耗最低的優(yōu)化路徑具有重要的實(shí)用價(jià)值。

在機(jī)器人路徑規(guī)劃的算法領(lǐng)域中,常用的全局路徑規(guī)劃方法很多,例如柵格法[2]和人工勢(shì)場(chǎng)法[3]。柵格法思想簡(jiǎn)單,但是柵格粒度劃分與計(jì)算復(fù)雜度之間很難找到平衡點(diǎn);人工勢(shì)場(chǎng)法模型簡(jiǎn)單、計(jì)算量小且實(shí)時(shí)性好,但是容易產(chǎn)生局部最優(yōu)解問題和死鎖現(xiàn)象。隨著智能控制技術(shù)的發(fā)展,出現(xiàn)了A*算法[4]、遺傳算法[5]、蟻群算法[6]、人工魚群算法[7]、粒子群算法[8]和免疫算法[9]等。蟻群算法是一種群體智能隨機(jī)優(yōu)化算法,具有正反饋、分布式計(jì)算,較強(qiáng)的通用性和魯棒性等特點(diǎn)。

傳統(tǒng)路徑規(guī)劃研究以距離最短為目標(biāo)函數(shù),選取距離最短的路徑作為最優(yōu)的路徑。這種方法假設(shè)機(jī)器人移動(dòng)過(guò)程中能耗與移動(dòng)距離成正比關(guān)系,不考慮機(jī)器人加減速、轉(zhuǎn)彎等過(guò)程的影響,然而水下AUV移動(dòng)時(shí)存在加減速、定速巡航和轉(zhuǎn)彎等過(guò)程,因此,距離最短的路徑不一定是能耗最低的路徑。

為了使水下AUV獲得能耗最小的優(yōu)化路徑,從而為AUV長(zhǎng)時(shí)間巡航提供理論基礎(chǔ),本文提出以能耗最低為目標(biāo)函數(shù),通過(guò)建立AUV運(yùn)動(dòng)的速度模型和能耗模型,獲得AUV規(guī)劃路徑的總能耗,并采用路徑能耗更新蟻群算法的信息素,實(shí)現(xiàn)路徑向能耗最小的方向進(jìn)化。

1 拐點(diǎn)速度和總能耗的計(jì)算方法

為了準(zhǔn)確求解AUV路徑的總能耗,首先需要建立AUV移動(dòng)速度模型,然后根據(jù)水阻力、推進(jìn)器推力和效率的計(jì)算公式,求得AUV移動(dòng)時(shí)規(guī)劃路徑的總能耗。

1.1 巡航速度模型

為了簡(jiǎn)化計(jì)算過(guò)程的復(fù)雜度,忽略AUV移動(dòng)路徑中的加減速過(guò)程,并做如下假設(shè):①AUV勻速開始直線航行,中間轉(zhuǎn)彎采用低速航行,最終以勻速到達(dá)終點(diǎn);②AUV由直線航行狀態(tài)進(jìn)入轉(zhuǎn)彎航行狀態(tài)以及由轉(zhuǎn)彎航行狀態(tài)重新進(jìn)入長(zhǎng)直線航行狀態(tài)時(shí)忽略加減速過(guò)程。距離拐角頂點(diǎn)兩側(cè)各5 m處為轉(zhuǎn)彎航行階段。因此,AUV巡航過(guò)程可劃分為直線勻速航行和轉(zhuǎn)彎勻速航行2種,如圖1所示,其中長(zhǎng)直線航行速度取2.5 m/s。

圖1 速度模型示意圖

AUV在轉(zhuǎn)彎時(shí)必定要適當(dāng)減速,因此AUV的轉(zhuǎn)彎速度低于其做長(zhǎng)直線運(yùn)動(dòng)時(shí)的速度。本文假設(shè)不同的轉(zhuǎn)彎角度對(duì)應(yīng)不同的轉(zhuǎn)彎速度,對(duì)應(yīng)關(guān)系為

vi=0.01αi+0.7

(1)

式中:vi為轉(zhuǎn)彎速度;αi為轉(zhuǎn)彎角度,范圍為0°<αi≤180°。

AUV在巡航過(guò)程中,巡航過(guò)的任意連續(xù)3個(gè)點(diǎn)可以構(gòu)成一個(gè)三角形,以中間點(diǎn)為頂點(diǎn)的角為三角形的一個(gè)內(nèi)角,如圖1中α1,α2,α3,…,αn所示。

1.2 水阻力的計(jì)算

AUV在水下航行時(shí)受到水阻力,根據(jù)水動(dòng)力學(xué)公式,得出機(jī)器人受到的水阻力為

F=1/(2Cρv2S)

(2)

式中:F為AUV航行時(shí)受到的水阻力;C為水動(dòng)力系數(shù),C的取值不僅與介質(zhì)性質(zhì)有關(guān),還與機(jī)器人形狀、迎流面積等一系列要素有關(guān),根據(jù)經(jīng)驗(yàn)一般取0.7;ρ為水的密度;v為AUV的航行速度;S為AUV的橫截面積,實(shí)驗(yàn)樣機(jī)的橫截面積為0.035 m2。

由式(2)得

v=(2F/Cρs)1/2

(3)

在AUV勻速移動(dòng)時(shí)水阻力F與推進(jìn)器產(chǎn)生的推力FT相等,故由推進(jìn)器的推力可求得勻速航行狀態(tài)下AUV的航行速度。

AUV在水下巡航時(shí)克服水阻力做功,如忽略AUV推進(jìn)器之外的部件發(fā)熱和能耗,AUV能量的消耗為克服水阻力做功,故在計(jì)算能量消耗問題時(shí)所有能耗均用來(lái)克服水阻力做功。

1.3 推進(jìn)器的推力曲線

本文針對(duì)研究團(tuán)隊(duì)研發(fā)的AUV樣機(jī)的巡航問題開展研究。該樣機(jī)采用TECNADYNE公司的Model 150推進(jìn)器,該推進(jìn)器為無(wú)刷直流電機(jī),通過(guò)改變供電的占空比達(dá)到調(diào)速的目的。

由牛頓第二定律可知,AUV恒速航行時(shí)所受的合力為零,此時(shí)推進(jìn)器產(chǎn)生的推力與水阻力相等。為了獲得推進(jìn)器的推力曲線,搭建了推進(jìn)器測(cè)試平臺(tái),獲得的推進(jìn)器推力曲線如圖2所示。

圖2 推進(jìn)器推力曲線

1.4 速度與效率的關(guān)系

Model 150推進(jìn)器采用無(wú)刷直流電機(jī),由無(wú)刷直流電機(jī)特有的機(jī)械特性可知,在一定轉(zhuǎn)速范圍內(nèi),隨著電機(jī)轉(zhuǎn)速的提高,機(jī)械效率逐漸提高,而無(wú)刷直流電機(jī)的轉(zhuǎn)速又影響到AUV的航行速度。假設(shè)AUV的能量消耗全部轉(zhuǎn)化為AUV推進(jìn)器無(wú)刷直流電機(jī)的能量消耗,那么推進(jìn)器無(wú)刷直流電機(jī)的效率直接決定了AUV的工作效率,因此AUV的航行速度與AUV的工作效率存在如下關(guān)系

ηi=FTivi/Pi

(4)

式中:ηi為AUV的工作效率;FTi為推進(jìn)器推力;vi為AUV的航行速度,可由式(1)求出;Pi為輸出功率。

圖3 AUV速度效率曲線

為預(yù)測(cè)任意速度下AUV的工作效率,用三次函數(shù)擬合AUV航行速度與AUV工作效率曲線,得AUV航行速度vi與AUV的工作效率為

(5)

1.5 能耗計(jì)算

假設(shè)AUV在巡航過(guò)程中以2.5 m/s的初速度從起點(diǎn)出發(fā),經(jīng)過(guò)中間各點(diǎn)之后最終以2.5 m/s的速度到達(dá)終點(diǎn)。整個(gè)運(yùn)動(dòng)過(guò)程分解為5個(gè)長(zhǎng)直線航行與轉(zhuǎn)彎航行的組合以及倒數(shù)第二個(gè)巡航點(diǎn)與終點(diǎn)的長(zhǎng)直線航行,由此運(yùn)動(dòng)過(guò)程計(jì)算能量消耗。

AUV在勻速航行過(guò)程中消耗的能量為

E=Pt/η=Fvt/η=FL/η

(6)

將式(1)代入式(6)得

E=Cρv2SL/2η

(7)

將式(5)代入式(7)得運(yùn)動(dòng)過(guò)程中的總能耗為

(8)

當(dāng)vi≠0時(shí),式(8)等價(jià)于

∑E=∑0.5CρSL/(-0.073vi+

(9)

令

(10)

由式(6)、式(9)、式(10)可得

∑E∝L/f(vi)

(11)

做函數(shù)f(vi)趨勢(shì)曲線,如圖4所示。

圖4 f(vi)趨勢(shì)曲線

由式(11)可知,AUV的能耗只與AUV的航行速度和航行距離有關(guān),因此在研究AUV能耗問題上將速度與距離作為直接研究對(duì)象。由圖4分析可知,在AUV最大航速2.5 m/s的范圍內(nèi),速度越高能耗越低。

2 基于能耗最優(yōu)的改進(jìn)蟻群算法

蟻群算法是模擬自然界中螞蟻的覓食行為而形成的一種群體智能優(yōu)化算法。螞蟻在尋找食物的過(guò)程中會(huì)釋放信息素,而且在尋找食物的過(guò)程中會(huì)根據(jù)信息素強(qiáng)度指導(dǎo)下一步的移動(dòng)方向。一條路徑上信息素濃度越高就表明該路徑上通過(guò)的螞蟻的數(shù)量越多,其他螞蟻選擇該路徑的可能性越大。

2.1 算法實(shí)現(xiàn)步驟

步驟1 參數(shù)設(shè)置。本文中為體現(xiàn)路徑以能耗最優(yōu)為主,因此設(shè)置信息啟發(fā)式因子α=1.5,期望啟發(fā)式因子β=1,信息素?fù)]發(fā)因子Δ=0.1。對(duì)每一代螞蟻來(lái)說(shuō),將允許搜索的點(diǎn)加入allowed表中,將已巡航的點(diǎn)加入禁忌表tabu中,并在各因子的作用下指導(dǎo)螞蟻尋找路徑,最終獲取每一代螞蟻的最優(yōu)路徑。

步驟2 種群初始化。一般地,種群中個(gè)體越多,求出的最優(yōu)解的品質(zhì)越好,但是計(jì)算量也越大。為了兼顧求解效率和求解品質(zhì),螞蟻個(gè)體數(shù)m取為20,種群進(jìn)化代數(shù)取為50。

(12)

式中:t為螞蟻編號(hào);i、j、k表示螞蟻當(dāng)前處于j點(diǎn),i為j之前經(jīng)過(guò)的點(diǎn),k為j之后待搜索點(diǎn),k∈allowed;τijk(t)為信息素因數(shù),由能耗決定;δjk(t)為能見度因數(shù),由距離決定。

直到該螞蟻到達(dá)終點(diǎn)為止,一個(gè)螞蟻個(gè)體完成一次路徑搜索。

步驟4 更新信息素。每個(gè)螞蟻個(gè)體完成一次路徑搜索后進(jìn)行一次信息素更新,信息素更新為

τ(t+1)=(1-Δ)τ(t)+Δτ(t)

(13)

步驟5 終止條件。當(dāng)50代螞蟻全部完成搜索后,算法終止。在每一代的搜索過(guò)程中記錄算法尋找的最優(yōu)路徑,最終對(duì)比50代蟻群尋找出最優(yōu)路徑進(jìn)行輸出,完成路徑搜尋。

2.2 算法關(guān)鍵要素

在每一代蟻群中第一個(gè)螞蟻進(jìn)行搜索時(shí),各巡航點(diǎn)之間的信息素均為1。當(dāng)每只螞蟻搜尋完所有路徑點(diǎn)后進(jìn)行信息素更新,信息素的更新由能量決定

(14)

式(14)表明,路徑的總能量影響到信息素的更新。將式(14)代入式(10)中完成信息素更新。路徑能耗越低,信息素的積累量越大,下一只螞蟻選擇低能耗路徑的可能性就越大。

能見度因數(shù)δjk(t)由j、k兩點(diǎn)間的距離djk決定

δjk(t)=1/djk

(15)

兩點(diǎn)之間的距離越小,能見度因數(shù)就越大,螞蟻的選擇概率越高。

3 仿真實(shí)驗(yàn)及分析

3.1 巡航點(diǎn)地圖

選取如圖5所示的海域地圖為測(cè)試對(duì)象,地圖中包含11個(gè)巡航點(diǎn),巡航點(diǎn)坐標(biāo)見表1。要求AUV從起點(diǎn)出發(fā)遍歷所有目標(biāo)點(diǎn)并最終到達(dá)終點(diǎn)。

圖5 海域巡航點(diǎn)地圖

巡航點(diǎn)x/my/m113.0423.12237.1213.99323.7029.75425.6217.56537.1516.78637.8022.12740.2928.38835.0723.67933.9426.431031.4035.501143.865.70

3.2 實(shí)驗(yàn)結(jié)果及分析

將以上參數(shù)輸入至改進(jìn)蟻群算法中,經(jīng)過(guò)50代螞蟻的搜尋,得到能耗最少的遍歷所有巡航點(diǎn)的路徑,如圖6所示。在此路徑下,AUV航行距離為433.51 m,能耗為12 235.17 J。

圖6 能耗最優(yōu)蟻群算法規(guī)劃路線

為了驗(yàn)證本文算法的優(yōu)越性,針對(duì)同一巡航地圖,采用同樣的蟻群參數(shù)進(jìn)行了路徑優(yōu)化,得到了基于傳統(tǒng)距離最優(yōu)算法的最優(yōu)路徑,如圖7所示。在此路徑下,AUV航行距離為393.56 m,能耗為12 864.99 J。

圖7 距離最優(yōu)蟻群算法規(guī)劃路線

算法求解過(guò)程記錄每次迭代尋優(yōu)路徑的最小能耗和平均能耗,通過(guò)算法最優(yōu)迭代次數(shù)比較本文提出的基于能耗最優(yōu)改進(jìn)蟻群算法和傳統(tǒng)的基于距離最優(yōu)蟻群算法的收斂速度。圖8所示為基于能耗最優(yōu)改進(jìn)蟻群算法的尋優(yōu)過(guò)程,圖9為基于距離最優(yōu)蟻群算法的尋優(yōu)過(guò)程,兩種算法的對(duì)比見表2。

圖8 能耗最優(yōu)改進(jìn)蟻群算法的尋優(yōu)過(guò)程

圖9 傳統(tǒng)距離最優(yōu)蟻群算法的尋優(yōu)過(guò)程

算法質(zhì)量的好壞會(huì)影響程序執(zhí)行效率。時(shí)間復(fù)雜度和空間復(fù)雜度是評(píng)價(jià)算法性能的重要指標(biāo)[10],在蟻群優(yōu)化算法中其評(píng)價(jià)指標(biāo)公式可做如下簡(jiǎn)化[11]。時(shí)間復(fù)雜度是巡航點(diǎn)的四階函數(shù),記為O(n4)

O(n4)=n(n-1)mT/2

(16)

空間復(fù)雜度是巡航點(diǎn)的二階函數(shù),記為O(n2)

O(n2)=3n2+nm

(17)

式中:n為巡航點(diǎn)數(shù);m為螞蟻數(shù);T為迭代次數(shù)。

表2 能耗、距離最優(yōu)蟻群算法的對(duì)比

從表2仿真結(jié)果來(lái)看,基于能耗最優(yōu)改進(jìn)蟻群算法得到的路線航行距離為433.51 m,比基于傳統(tǒng)距離最優(yōu)算法得到的路線航行距離393.56 m長(zhǎng)10%。然而,基于能耗最優(yōu)改進(jìn)蟻群算法的路線能耗為12 235.17 J,比傳統(tǒng)算法路線能耗12 864.99 J低5%,從收斂速度來(lái)看,本文提出的改進(jìn)算法在尋優(yōu)迭代22次開始收斂,而傳統(tǒng)算法迭代33次才開始收斂,兩種算法的空間復(fù)雜度評(píng)價(jià)值相同,但是本文改進(jìn)算法的時(shí)間復(fù)雜度評(píng)價(jià)值要遠(yuǎn)小于傳統(tǒng)算法的時(shí)間復(fù)雜度評(píng)價(jià)值。

4 結(jié) 論

(1)AUV路徑規(guī)劃問題中實(shí)現(xiàn)低能耗才是最終目的。本文提出了一種基于能耗最優(yōu)改進(jìn)蟻群算法的水下AUV路徑優(yōu)化算法,該方法從AUV的工作效率作為切入點(diǎn),從能耗因素來(lái)考慮AUV的路徑規(guī)劃問題,從仿真實(shí)驗(yàn)結(jié)果可以看出,本文提出的規(guī)劃算法比傳統(tǒng)的基于距離最優(yōu)規(guī)劃算法得到的路線雖然距離長(zhǎng)一些,但是能耗卻更低,從而有利于提高AUV的續(xù)航能力。本文提出的改進(jìn)算法以能耗最小為主,距離較短為輔,使尋優(yōu)路徑趨向于能耗最低、距離較短的優(yōu)化路徑,由于優(yōu)化參量的增加,縮小了蟻群搜索空間,從算法的復(fù)雜度分析,本文提出的優(yōu)化算法的時(shí)間復(fù)雜度評(píng)價(jià)值比傳統(tǒng)算法大幅減小,有利于提高算法收斂速度。

(2)本文提出的能耗最優(yōu)算法雖然較好地實(shí)現(xiàn)了AUV的更低能耗,但是在算法的實(shí)現(xiàn)過(guò)程中忽略了AUV的加減速過(guò)程,會(huì)對(duì)最優(yōu)結(jié)果求解產(chǎn)生影響。接下來(lái)會(huì)考慮加減速過(guò)程對(duì)AUV能耗的影響。

[1] YUAN Mingxin, WANG Sun’an, WU Canyang, et al. Hybrid ant colony and immune network algorithm based on improved APF for optimal motion planning [J]. Robotica, 2010, 28(6): 833-846.

[2] 王醒策, 張汝波, 顧國(guó)昌. 基于勢(shì)場(chǎng)柵格法的機(jī)器人全局路徑規(guī)劃 [J]. 哈爾濱工程大學(xué)學(xué)報(bào), 2003, 24(2): 171-174. WANG Xingce, ZHANG Rubo, GU Guochang. Potential grid based global path planning for robots [J]. Journal of Harbin Engineering University, 2003, 24(2): 171-174.

[3] 李擎, 王麗君, 陳博. 一種基于遺傳算法參數(shù)優(yōu)化的改進(jìn)人工勢(shì)場(chǎng)法 [J]. 北京科技大學(xué)學(xué)報(bào), 2012, 34(2): 202-206. LI Qing, WANG Lijun, CHEN Bo. An improved artificial potential field method with parameters optimization based on genetic algorithms [J]. Journal of University of Science and Technology Beijing, 2012, 34(2): 202-206.

[4] 王殿君. 基于改進(jìn)A*算法的室內(nèi)移動(dòng)機(jī)器人路徑規(guī)劃 [J]. 清華大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012, 52(8): 1085-1089. WANG Dianjun. Indoor mobile-robot path planning based on an improved A*algorithm [J]. Journal of Tsinghua University (Science and Technology), 2012, 52(8): 1085-1089.

[5] 石鐵峰. 改進(jìn)遺傳算法在移動(dòng)機(jī)器人路徑規(guī)劃中的應(yīng) [J]. 計(jì)算機(jī)仿真, 2011, 28(4): 193-195. SHI Tiefeng. Research on path planning for mobile robot based on improved genetic algorithm [J]. Computer Simulation, 2011, 28(4): 193-195.

[6] 張銀玲, 牛小梅. 蟻群算法在移動(dòng)機(jī)器人路徑規(guī)劃中的仿真研究 [J]. 計(jì)算機(jī)仿真, 2011, 28(6): 231-234. ZHANG Yinling, NIU Xiaomei. Simulation research on mobile robot planning based on ant colony optimization [J]. Computer Simulation, 2011, 28(6): 231-234.

[7] 周利坤, 劉宏昭. 自適應(yīng)人工魚群算法在清罐移動(dòng)機(jī)器人路徑規(guī)劃中的應(yīng)用 [J]. 機(jī)械科學(xué)與技術(shù), 2012, 31(7): 1085-1089. ZHOU Likun, LIU Hongzhao. An adaptive artificial fish school algorithm for path planning of mobile tank-clearing robot [J]. Mechanical Science and Technology, 2012, 31(7): 1085-1089.

[8] 李擎, 徐銀梅, 張德政. 基于粒子群算法的移動(dòng)機(jī)器人全局路徑規(guī)劃策略 [J]. 北京科技大學(xué)學(xué)報(bào), 2010, 32(3): 397-402. LI Qing, XU Yinmei, ZHANG Dezheng. Global path planning method form mobile robots based on the particle swarm algorithm [J]. Journal of University of Science and Technology Beijing, 2010, 32(3): 397-402.

[9] 葉兆莉, 袁明新, 程帥. 移動(dòng)機(jī)器人的一種煙花爆炸式新免疫規(guī)劃算法 [J]. 計(jì)算機(jī)仿真, 2013, 30(3): 323-326. YE Zhaoli, YUAN Mingxin, CHENG Shuai. New fireworks explosive immune planning algorithm for mobile robots [J]. Computer Simulation, 2013, 30(3): 323-326.

[10]張宇山. 進(jìn)化算法的收斂性與時(shí)間復(fù)雜度分析的若干研究 [D]. 廣州: 華南理工大學(xué), 2013: 10-17.

[11]傅鵬. 多目標(biāo)廣義蟻群算法的收斂性、收斂速度和算法復(fù)雜度研究及其應(yīng)用 [D]. 南京: 南京郵電大學(xué), 2014: 16-32.

(編輯 武紅江)

A Path Optimization Algorithm for AUV Using an Improved Ant Colony Algorithm with Optimal Energy Consumption

LIU Guijie,LIU Peng,MU Weilei,WANG Shoujun

(Department of Mechanical and Electrical engineering, Ocean University of China, Qingdao, Shandong 266100, China)

A path optimization algorithm for autonomous underwater vehicles is proposed to solve the problem of the shortest distance with not the lowest energy consumption in the traditional path optimization algorithm. The algorithm bases on an improved ant colony algorithm with optimal energy consumption. A stress model of movement process of AUV in water is built by studying the hydrodynamic analysis of AUV and a formula to calculate the energy consumption of AUV moving path is derived. Then, the improved ant colony algorithm with optimal energy consumption is presented. The inverse of the path energy consumption is used as a path pheromone value to guide evaluation of ant colonies by energy consumption. Experimental results show that the proposed algorithm uses 22 iterations to plan a 433.51 m long path with 12 235.17 J AUV energy consumption, while a traditional algorithm uses 33 iterations to plan a 393.65 m long path with 12 864.99 J AUV energy consumption. The path distance planned by the proposed algorithm is 10% longer than that planned by the traditional algorithm, but it's energy consumption is lower by 5%. It is clear that the algorithm has advantages of reducing the energy consumption and improving the battery life.

energy consumption; ant colony algorithm; autonomous underwater vehicle; distance

2016-03-15

劉貴杰(1968—),男,教授;穆為磊(通信作者),男,講師。

國(guó)家自然科學(xué)基金資助項(xiàng)目(61540010,61501418)。

時(shí)間:2016-09-02

http:∥www.cnki.net/kcms/detail/61.1069.T.20160902.1630.008.html

10.7652/xjtuxb201610014

TP242

A

0253-987X(2016)10-0093-06