文章标题:基于人工势场与 MPC 的无人船复杂遭遇路径规划研究
摘要:船舶运动规划是海上自主水面舰艇(MASS)自主导航的核心问题之一。本文主要针对复杂遭遇
场景下的无人船路径规划进行研究,提出了一种新颖的模型预测人工势场(MPAPF)运动规划方法。
该方法结合了人工势场和模型预测控制(MPC)的优势,旨在解决传统人工势场方法在复杂遭遇场景
下的局部最优问题,确保船舶的避碰安全。
一、引言
随着无人船技术的迅速发展,船舶运动规划在自主导航中扮演着至关重要的角色。特别是在复杂遭遇
场景中,如何确保无人船的安全航行成为了一个亟待解决的问题。本文旨在解决这一问题,提出了一
种基于人工势场与 MPC 的无人船路径规划方法。
二、相关工作
在传统的人工势场方法中,通过将障碍物和目标物视为产生势场的物体,从而引导船舶沿着合适的路
径航行。然而,在复杂遭遇场景中,传统的人工势场方法容易陷入局部最优解,导致船舶的避碰安全
无法得到保障。为了解决这个问题,本文结合了 MPC 的优势,提出了一种新型的模型预测人工势场(
MPAPF)方法。
三、方法
本文首先建立了新的船舶域,并设计了闭区间势场函数来表示船舶域的不可侵犯性质。在此基础上,
采用具有预定义速度的 Nomoto 模型生成符合船舶运动学的可跟随路径。为了解决传统人工势场的局
部最优问题,我们提出了一种基于模型预测策略和人工势场的运动规划方法,即 MPAPF。该方法通过
预测未来的船舶运动状态,结合人工势场的思想,对路径进行实时优化和调整,从而确保船舶在复杂
遭遇场景下的避碰安全。
四、实验与结果
为了验证 MPAPF 方法的有效性,我们在 MATLAB 平台上进行了实验。实验结果表明,与传统的人工
势场方法相比,MPAPF 方法能够更好地处理复杂遭遇场景下的路径规划问题,确保了船舶的避碰安全
。此外,我们还提供了 MATLAB 源码和相关文献,以便读者进一步研究和验证。
五、讨论与分析
本文提出的 MPAPF 方法结合了人工势场和 MPC 的优势,能够实时优化和调整路径,确保船舶在复杂
遭遇场景下的避碰安全。然而,该方法仍然存在一些局限性,如计算复杂度较高。未来的研究将集中
在如何降低计算复杂度、提高路径规划效率等方面。