自主水下机器人实时避碰方法

目录丛书前言一丛书前言二前言1 绪论 11.1 引言 11.2 AUV避碰传感器 31.2.1 测距声呐 31.2.2 机械扫描声呐 41.2.3 多波束图像声呐 41.2.4 其他避碰传感器 51.2.5 小结 51.3 避碰声呐数据融合方法 61.3.1 测距声呐数据融合方法 61.3.2 图像声呐数据融合方法 71.3.3 小结 81.4 实时避碰方法 81.4.1 人工势场法 91.4.2 人工智能方法 91.4.3 强化学习方法 111.4.4 优化搜索方法 111.4.5 其他方法 121.4.6 小结 13参考文献 142 基于测距声呐的碰撞危险度估计 192.1 引言 192.2 测距声呐数据不确定性分析 192.2.1 测距声呐数据的不确定性 192.2.2 测距声呐数据不确定性对AUV航行的影响 202.3 D-S证据理论概述 212.4 基于D-S证据理论的测距声呐数据融合方法 222.4.1 测距声呐动态模型 232.4.2 基于占有栅格的环境建模 262.4.3 一致性决策规则 272.4.4 改进的证据融合公式 282.5 仿真和湖试数据验证 322.5.1 仿真验证 322.5.2 湖试数据验证 362.6 基于传感器信息的海底地形估计 382.6.1 扩展卡尔曼滤波 382.6.2 *小二乘法 392.6.3 仿真验证 41参考文献 433 基于声呐图像的水下障碍特征提取 453.1 引言 453.2 图像声呐成像原理及特点 453.3 声呐图像处理方法 493.3.1 声呐图像滤波方法 503.3.2 声呐图像分割 553.3.3 声呐图像形态学处理方法 673.3.4 障碍物特征提取 68参考文献 774 自主水下机器人实时避碰决策方法 784.1 引言 784.2 自主水下机器人模糊避碰决策 794.2.1 自主水下机器人模糊避碰规划 804.2.2 输入输出变量的模糊化 814.2.3 建立模糊控制规则 824.2.4 输出变量的去模糊化 844.3 基于有限自动机的三维避碰过程建模 844.3.1 奔向目标行为 874.3.2 紧急转向行为 884.3.3 紧急上浮行为 894.3.4 保持距离行为 894.3.5 保持高度行为 914.4 基于事件反馈的避碰监控器 914.4.1 监控器自动机的设计 934.4.2 受控自动机的设计 94参考文献 965 自主水下机器人实时避碰学习方法 975.1 引言 975.2 神经网络原理 975.2.1 人工神经元简述 985.2.2 人工神经网络模型 1005.2.3 人工神经网络学习 1015.3 基于BP算法的避碰神经网络设计 1015.3.1 BP算法原理 1015.3.2 避碰神经网络设计 1035.3.3 避碰神经网络训练 1045.4 仿真验证 1065.4.1 垂直面避碰场景 1065.4.2 水平面避碰场景 1085.4.3 两个障碍避碰场景 1095.4.4 多障碍避碰场景 110参考文献 1116 自主水下机器人实时路径规划方法 1126.1 引言 1126.2 基于免疫遗传算法的实时路径规划 1136.2.1 实时路径规划问题的遗传表示 1136.2.2 改进的小生境遗传实时路径规划算法 1146.2.3 免疫遗传算法 1196.2.4 仿真验证 1246.3 基于改进蚁群算法的实时路径规划 1256.3.1 蚁群算法基本原理 1256.3.2 改进算法 1276.3.3 仿真分析 128参考文献 1317 实时避碰系统的评价与验证 1327.1 引言 1327.2 实时避碰系统的结构模型 1327.2.1 感知子系统 1337.2.2 决策规划子系统 1347.2.3 推进子系统 1367.3 AUV实时避碰能力综合评价体系 1377.3.1 建立AUV实时避碰能力综合评价体系的原则 1377.3.2 建立AUV实时避碰能力综合评价体系的步骤 1387.3.3 AUV实时避碰能力综合评价方法 1397.4 实时避碰系统验证 1427.4.1 障碍的含义 1437.4.2 典型障碍场景设计 143参考文献 145索引 146彩图