水下地形輔助導(dǎo)航最優(yōu)航路規(guī)劃

諶 劍, 李 恒, 張靜遠

?

水下地形輔助導(dǎo)航最優(yōu)航路規(guī)劃

諶 劍, 李 恒, 張靜遠

(海軍工程大學 兵器工程系, 湖北 武漢, 430033)

為了確保水下地形輔助導(dǎo)航系統(tǒng)在規(guī)劃航路上能夠獲得充足的地形信息, 提出了一種綜合考慮航行任務(wù)和地形信息量的最優(yōu)航路規(guī)劃方法。該方法首先建立了水下地形熵信息量分布模型, 然后以地形信息量和航路長度為優(yōu)化目標, 同時考慮障礙物和航行器機動性能的約束, 利用粒子群優(yōu)化算法在匹配區(qū)內(nèi)全局尋優(yōu), 得到符合要求的最優(yōu)航路, 最后采用粒子濾波水下地形匹配算法沿該航路進行匹配運算。仿真結(jié)果表明, 該方法能夠給出地形特征充足的最優(yōu)航路。

水下地形輔助導(dǎo)航; 地形信息; 地形熵; 粒子群優(yōu)化; 航路規(guī)劃

0 引言

隨著水下航行任務(wù)日趨多樣化和復(fù)雜化, 導(dǎo)航精度已成為確保水下航行器完成指定任務(wù)的重要保證[1-2]?，F(xiàn)階段, 慣性導(dǎo)航是水下航行器的主要導(dǎo)航手段。由于陀螺存在漂移現(xiàn)象, 慣導(dǎo)系統(tǒng)誤差隨潛航時間的遞增而不斷累加, 故需要定期利用GPS信息修正慣導(dǎo)定位誤差, 以保證導(dǎo)航定位的準確性。但航行器上浮接收GPS信號, 不但浪費了航程, 也容易暴露目標, 從而影響特定任務(wù)的完成。在這種背景下, 水下地形輔助導(dǎo)航成為了水下導(dǎo)航領(lǐng)域研究的新方向[2-3]。現(xiàn)階段水下航行器導(dǎo)航系統(tǒng)已由單一的慣性導(dǎo)航發(fā)展為多種手段相結(jié)合的組合導(dǎo)航。該導(dǎo)航方式以水下地形特征為信息源, 通過將實測的水下地形數(shù)據(jù)與航行器中存儲的任務(wù)水域數(shù)字地圖進行匹配運算, 得到測量點的估計位置并以此修正慣導(dǎo)累積誤差[3]。該導(dǎo)航方式在定深、定速和定高3種航行模式下均能使用。其中, 以定深航行匹配效果最佳。因此, 合理規(guī)劃航路, 確保航行器途經(jīng)水域具有充足的地形信息量, 是提高地形匹配精度的有效途經(jīng)。

通常, 水下航行器航路規(guī)劃算法多以障礙物、威脅源和航行器機動性能等為約束條件, 力求在任務(wù)水域找到滿足約束條件的最短路徑[4]。但由于在規(guī)劃過程中沒有考慮航路上地形信息量的大小, 沿該航路航行將不能充分發(fā)揮地形輔助導(dǎo)航系統(tǒng)優(yōu)勢, 甚至可能由于所選航路地勢過于平坦而無法完成匹配過程[5-6]。針對以上問題, 林沂等人將地形信息量引入到規(guī)劃之中, 獲得了具有較低匹配概率誤差的航路[1]。但該方法僅以“平行航跡線差異和”為規(guī)劃目標采用遍歷搜索方式進行規(guī)劃, 搜索量隨地圖尺寸和慣導(dǎo)誤差的增大而迅速增加。本文以粒子群優(yōu)化(particle swarm optimization, PSO)算法為核心, 首先建立地形熵水下信息量分布模型, 然后針對水下地形匹配算法, 以地形信息量和航路長度為優(yōu)化目標, 兼顧考慮障礙物和航行器機動性能的約束進行全局尋優(yōu), 迅速得到符合要求的航路。最后通過沿該航路的地形匹配仿真驗證了航路規(guī)劃方法的可行性。

1 水下地形熵計算

水下地形輔助導(dǎo)航系統(tǒng)依靠數(shù)字地圖提供任務(wù)水域各位置點的水深數(shù)據(jù)。從理論上來說, 水深數(shù)值包含了該水域的全部地形信息。因此, 通過對數(shù)字地圖進行分析便可以得到對應(yīng)區(qū)域的水下地形特征分布, 從而為水下地形輔助導(dǎo)航的最優(yōu)航路規(guī)劃奠定基礎(chǔ)。

1.1 水下高程模型

地形輔助導(dǎo)航的數(shù)字地圖通常采用WGS-84大地坐標系下的數(shù)字高程模型(digital elevation models, DEM)來表達。數(shù)字地圖根據(jù)不同導(dǎo)航精度的要求, 首先將航行水域的平面坐標系或經(jīng)緯度坐標系在水平方向均勻離散化, 得到2D水平坐標系離散化網(wǎng)格, 然后將網(wǎng)格節(jié)點坐標與對應(yīng)的水深數(shù)據(jù)按位置關(guān)系排列成網(wǎng)格陣列, 就得到了該分辨率下的水下數(shù)字高程地圖。

1.2 地形熵值定義

熵(entropy)的概念最先由德國物理學家克勞修斯(Rudolf Clausius)提出, 用來表示任何一種能量在空間中分布的均勻程度。隨后, 信息論創(chuàng)始人香農(nóng)(C.Shannon)用概率論統(tǒng)計模型建立了熵的信息度量。如今, 熵作為信息量的平均度量被廣泛應(yīng)用于各個學科領(lǐng)域。

地形熵在WGS-84大地坐標系DEM上可以定義為

地形熵是水下地形信息的度量, 能夠用來表征地形特征。熵值小, 表明該區(qū)域水深在不同深度上都有分布, 地形變化明顯; 熵值大, 表明該區(qū)域水深集中在少數(shù)幾個深度值上, 地勢趨于平坦[7]。

1.3 水下地形熵計算

圖1 水下地形圖

圖2中深色部分地形熵值大, 表示該區(qū)域地形信息貧乏, 水下航行器在該水域不能及時獲得有效的深度數(shù)據(jù)進行匹配運算, 不適合進行地形匹配導(dǎo)航, 而淺色部分地形熵值小, 表示該區(qū)域地形信息豐富, 能夠提供足夠的地形信息, 適合進行地形匹配導(dǎo)航。

圖2 地形熵值分布圖

2 最優(yōu)航路規(guī)劃方法

航路規(guī)劃按照地圖提供信息的多少, 可以分為全局航路規(guī)劃和局部航路規(guī)劃。其中, 全局航路規(guī)劃需要在規(guī)劃前獲得較完整地形、潛在威脅和任務(wù)信息[7]。常用的全局路航路規(guī)劃方法包括啟發(fā)式圖搜索算法、人工勢場法、可視圖法及神經(jīng)網(wǎng)絡(luò)法等, 而基于遺傳算法, 蟻群算法和粒子群算法等智能算法也成為航路規(guī)劃研究的熱點。

2.1 粒子群優(yōu)化算法

為了提高算法在迭代初期的全局搜索能力和迭代后期的局部搜索能力, 可以讓慣性權(quán)重隨著迭代次數(shù)線性減小, 即

2.2 問題分析與建模

圖3 水下航行器航路規(guī)劃原理圖

該航路針對地形輔助導(dǎo)航進行規(guī)劃, 故應(yīng)兼顧考慮航路長度和航路地形熵值, 即應(yīng)以短航路、低地形熵值為優(yōu)化目標。由于航路長度和地形熵值量綱不同, 故應(yīng)進行歸一化處理

2.3 算法實現(xiàn)

If: 粒子連線段與障礙區(qū)不相交, goto(2)

Else: goto(1)

Else:

3)If: 粒子連線段與障礙區(qū)相交, goto (2)

Else: 計算

Else : goto (2)

3 算法仿真

按照以上試驗約束條件對地圖進行處理, 如圖4所示, 圖中矩形區(qū)域表示潛在威脅區(qū)域或地形障礙區(qū)域, 封閉的曲線表示地形高低熵值的分界線。按照上節(jié)介紹的算法流程編寫基于PSO的航路規(guī)劃算法, 得到最優(yōu)航路如圖4中帶“*”的折線所示。為了驗證該航路的可行性, 編寫基于粒子濾波的水下地形匹配程序[10], 按文獻[10]中的參數(shù)進行設(shè)定, 得到地形匹配航路用帶“o”的折線表示。由匹配結(jié)果可以看出, 在圖2基礎(chǔ)上規(guī)劃的航路在達到較好地形匹配效果的同時, 也較好地避開了高熵值區(qū)域和潛在威脅區(qū)域, 為航行器順利完成指定任務(wù)提供了保證。

圖4 水下地形匹配仿真

4 結(jié)束語

針對水下航行器地形輔助導(dǎo)航問題, 本文提出了一種基于地形信息量的航路規(guī)劃方法, 該方法在計算任務(wù)水域地形熵的基礎(chǔ)上, 利用PSO算法進行全局航路規(guī)劃。仿真結(jié)果表明, 利用該方法獲得的航路能夠較好地避開確定的障礙地形和潛在威脅水域, 并且獲得較好的地形匹配效果, 具有較好的全局規(guī)劃能力。

[1] 林沂, 晏磊, 童慶禧. 針對水下輔助導(dǎo)航相關(guān)匹配算法的特征區(qū)最優(yōu)航跡規(guī)劃[J]. 吉林大學學報(工學版), 2008, 38(2): 339-443. Lin Yi, Yan Lei, Tong Qing-xi. Optimum Trajectory Planning in Characteristic Areas for Underwater Aided Navigation Correlation Matching Algorithms[J]. Journal of Jilin University(Engineering and Technology Edition), 2008, 38(2): 339- 443.

[2] Nygren I. Terrain Navigation for Underwater Vehicles[D]. Sweden: Royal Institute of Technology (KTH), 2005.

[3] 李臨. 海底地形匹配輔助導(dǎo)航技術(shù)現(xiàn)狀及發(fā)展[J]. 艦船電子工程, 2008, 28(2): 75-77. Li Lin. Present and Development of Ocean Floor Terrain Matching Technology for Supplementary Navigation[J]. Ship Electronic Engineering, 2008, 28(2): 75-77.

[4] 何愛民, 何曉文, 肖濱. 基于改進遺傳算法的水下無人平臺航路規(guī)劃[J]. 青島大學學報, 2002,17(4): 89-92. He Ai-min, He Xiao-wen, Xiao Bin. Route Programming of UUV Based on Improved Genetic Algorithm[J]. Journal of Qingdao University Engineering & Technology Edition, 2002, 17(4): 89-92.

[5] 劉鷹, 張繼賢, 柳健. 面向地形輔助導(dǎo)航的地形信息分析[J]. 遙感信息, 2000, 15(2):21-23.

[6] 吳爾輝, 沈林成, 常文森. 地形匹配輔助導(dǎo)航中的地形獨特性分析[J]. 國防科技大學學報, 1998, 26(3): 5-8. Wu Er-hui, Shen Lin-cheng, Chang Wen-sen. Terrain Uniqueness Analysis in Terrain Contour Matching[J]. Journal of National University of Defense Technology, 1998, 26(3): 5-8.

[7] 李雄偉, 劉建業(yè), 康國華. 熵的地形信息分析在高程匹配中的應(yīng)用[J]. 應(yīng)用科學學報, 2006, 24(6): 608-612. Li Xiong-wei, Liu Jian-ye, Kang Guo-hua. Analysis of Terrain Information Using Elevation Matching Based on Entropy[J]. Journal of Applied Sciences, 2006, 24(6): 608-612.

[8] 祖?zhèn)? 基于粒子群優(yōu)化算法的水下潛器實時路徑規(guī)劃技術(shù)研究[D]. 哈爾濱: 哈爾濱工程大學, 2008.

[9] 孫波, 陳衛(wèi)東, 席裕庚. 基于粒子群優(yōu)化算法的移動機器人全局路徑規(guī)劃[J]. 控制與決策, 2005, 20(9): 1052-1060. Sun Bo, Chen Wei-dong, Xi Yu-geng. Particle Swarm Optimization Based Global Path Planning for Mobile Robots[J]. Control and Decision, 2005, 20(9): 1052-1060.

[10] 諶劍, 張靜遠, 嚴平. 一種基于粒子濾波的水下地形匹配算法研究[J]. 海軍工程大學學報. 2008, 20(6): 107-112. Shen Jian, Zhang Jing-yuan, Yan Ping. An Underwater Terrain Matching Arithmetic Based on Particle Filter[J]. Journal of Naval University of Engineering. 2008, 20(6): 107-112.

Optimal Path Planning Method for Underwater Terrain-aided Navigation

SHEN Jian, LI Heng, ZHANG Jing-yuan

(Department of Weaponry Engineering, Naval University of Engineering, Wuhan 430033, China )

To ensure that underwater terrain-aided navigation system can obtain enough terrain information in path planning, we propose an optimal path planning method considering comprehensively navigation tasks and terrain information. Firstly, we establish a distribution model of underwater terrain entropy information, then search optimum globally in matching area via the particle swarm optimization algorithm to obtain optimal path according with requirements by taking terrain information and path length as optimization target and considering the restraints of obstacle and maneuverability of an underwater vehicle. Finally, we simulate the matching process along the path by using the particle filter terrain matching method. Simulation results show that the proposed method is feasible, and can give optimal path with enough terrain characteristics.

underwater terrain-aided navigation; terrain information; terrain entropy; particle swarm optimization; path planning

TJ630.33; O229

A

1673-1948(2012)04-0276-05

2011-10-14;

2011-12-27.

國防科技預(yù)先研究課題資助項目(1010602010502).

諶 劍(1984-), 男, 在讀博士, 主要研究方向為導(dǎo)航與制導(dǎo)技術(shù)

(責任編輯: 楊力軍)