基于自主和自學習行為智能體的AUV運動規(guī)劃研究.pdf

1、本論文以國家重大基礎研究項目“水下無人潛器技術”為背景，對基于行為主義的智能體技術在自治式水下機器人(Autonomous underwatervehicle，簡稱AUV)運動規(guī)劃中的應用展開了深入地研究。論文的研究旨在提高AUV自主作業(yè)過程中對環(huán)境的適應性、反應的快速性以及決策的有效性。 論文主要完成以下的研究工作： 針對動態(tài)不確定環(huán)境下的AUV運動規(guī)劃問題，將智能體的行為看作是AUV和環(huán)境之間交互的一個動態(tài)變化的過程

2、，提出并闡釋了行為動力學方法，并利用該方法建立了AUV水平面的自主行為智能體。仿真結果表明自主行為智能體對非結構環(huán)境響應快速，正確、有效。 垂直面運動規(guī)劃對AUV下潛深度及距底高度均有特殊要求，而單獨的定高航行或定深航行難以同時滿足。本文建立了基于模糊推理的AUV垂直面自主行為智能體，對定高航行行為和定深航行行為進行融合。仿真結果說明垂直面自主行為智能體在保證AUV自身安全的同時，盡可能滿足了聲學儀器對距底高度的要求，此外正常航

3、行時AUV不隨海底地形起伏而頻繁改變深度，使得航行穩(wěn)定。 為了對AUV空間運動規(guī)劃中水平面和垂直面自主行為智能體進行協(xié)調，提出了基于使命分解和任務執(zhí)行語句的行為協(xié)調機制。該機制的原理是：將使命分解成若干個能夠順序執(zhí)行的任務，針對特定任務定義任務執(zhí)行語句，任務執(zhí)行語句將任務轉換為并發(fā)的自主行為智能體，再按照優(yōu)先級規(guī)則對并發(fā)行為進行協(xié)調。進行了仿真驗證，結果證明提出的自主行為智能體及協(xié)調機制正確、可行。 針對傳統(tǒng)強化學習方法

4、應用于AUV工程實際的不足，如學習的泛化性差、試錯帶來的風險性以及學習效率低等，提出了基于神經網絡和案例的Q學習算法(NCQL)。NCQL的基本思想是用神經網絡解決Q學習的泛化問題；用案例學勻保證學習過程的收斂性、避免試錯的風險及提高學習效率。給出了基于NCQL的AUV自學習行為智能體各要素的實現(xiàn)方法。進行了仿真，仿真結果可以看出，提出的NCQL算法收斂性能好、收斂速度快并且收斂到的結果較優(yōu)化。NCQL算法具有在線學習和自適應學習的特點

5、。 論文從自主控制體系結構頂層設計要求出發(fā)，設計了含行為智能體的混合式AUV自主控制系統(tǒng)。采用有色Petri網(CPN)作為工具，對所提出的結構進行了形式化建模，利用CPN的數學理論分析了模型基本特性，包括有界性、活性和互斥性。形式化分析驗證了AUV自主控制體系結構以上性質的正確性和有效性。 為了綜合驗證本文所提出的各主要方法，分別進行了聲吶湖上試驗、縮尺度模擬試驗和半實物仿真試驗。本文從聲學傳播和聲吶物理特性考慮，提出

6、了一種數字濾波算法，對多波束前視聲吶探測到的數字信號進行后處理。設計了基于聲吶信息的避障試驗方案，進行了避障行為動力學模型的湖上試驗驗證。設計了AUV縮尺度模擬試驗，應用激光測距儀模擬AUV前視聲吶傳感器，完成了不同案例下的水平面行為智能體功能的有效驗證。利用半實物仿真平臺對含行為智能體的AUV自主控制系統(tǒng)進行了仿真試驗。通過反復試驗，進一步說明了本文所提方法正確、可行?；谧灾骱妥詫W習行為智能體的運動規(guī)劃研究對于AUV安全、高效地完成