水下地形辅助导航最优航路规划

谌 剑, 李 恒, 张静远



水下地形辅助导航最优航路规划

谌 剑, 李 恒, 张静远

(海军工程大学 兵器工程系, 湖北 武汉, 430033)

为了确保水下地形辅助导航系统在规划航路上能够获得充足的地形信息, 提出了一种综合考虑航行任务和地形信息量的最优航路规划方法。该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长度为优化目标, 同时考虑障碍物和航行器机动性能的约束, 利用粒子群优化算法在匹配区内全局寻优, 得到符合要求的最优航路, 最后采用粒子滤波水下地形匹配算法沿该航路进行匹配运算。仿真结果表明, 该方法能够给出地形特征充足的最优航路。

水下地形辅助导航; 地形信息; 地形熵; 粒子群优化; 航路规划

0 引言

随着水下航行任务日趋多样化和复杂化, 导航精度已成为确保水下航行器完成指定任务的重要保证[1-2]。现阶段, 惯性导航是水下航行器的主要导航手段。由于陀螺存在漂移现象, 惯导系统误差随潜航时间的递增而不断累加, 故需要定期利用GPS信息修正惯导定位误差, 以保证导航定位的准确性。但航行器上浮接收GPS信号, 不但浪费了航程, 也容易暴露目标, 从而影响特定任务的完成。在这种背景下, 水下地形辅助导航成为了水下导航领域研究的新方向[2-3]。现阶段水下航行器导航系统已由单一的惯性导航发展为多种手段相结合的组合导航。该导航方式以水下地形特征为信息源, 通过将实测的水下地形数据与航行器中存储的任务水域数字地图进行匹配运算, 得到测量点的估计位置并以此修正惯导累积误差[3]。该导航方式在定深、定速和定高3种航行模式下均能使用。其中, 以定深航行匹配效果最佳。因此, 合理规划航路, 确保航行器途经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经。

通常, 水下航行器航路规划算法多以障碍物、威胁源和航行器机动性能等为约束条件, 力求在任务水域找到满足约束条件的最短路径[4]。但由于在规划过程中没有考虑航路上地形信息量的大小, 沿该航路航行将不能充分发挥地形辅助导航系统优势, 甚至可能由于所选航路地势过于平坦而无法完成匹配过程[5-6]。针对以上问题, 林沂等人将地形信息量引入到规划之中, 获得了具有较低匹配概率误差的航路[1]。但该方法仅以“平行航迹线差异和”为规划目标采用遍历搜索方式进行规划, 搜索量随地图尺寸和惯导误差的增大而迅速增加。本文以粒子群优化(particle swarm optimization, PSO)算法为核心, 首先建立地形熵水下信息量分布模型, 然后针对水下地形匹配算法, 以地形信息量和航路长度为优化目标, 兼顾考虑障碍物和航行器机动性能的约束进行全局寻优, 迅速得到符合要求的航路。最后通过沿该航路的地形匹配仿真验证了航路规划方法的可行性。

1 水下地形熵计算

水下地形辅助导航系统依靠数字地图提供任务水域各位置点的水深数据。从理论上来说, 水深数值包含了该水域的全部地形信息。因此, 通过对数字地图进行分析便可以得到对应区域的水下地形特征分布, 从而为水下地形辅助导航的最优航路规划奠定基础。

1.1 水下高程模型

地形辅助导航的数字地图通常采用WGS-84大地坐标系下的数字高程模型(digital elevation models, DEM)来表达。数字地图根据不同导航精度的要求, 首先将航行水域的平面坐标系或经纬度坐标系在水平方向均匀离散化, 得到2D水平坐标系离散化网格, 然后将网格节点坐标与对应的水深数据按位置关系排列成网格阵列, 就得到了该分辨率下的水下数字高程地图。

1.2 地形熵值定义

熵(entropy)的概念最先由德国物理学家克劳修斯(Rudolf Clausius)提出, 用来表示任何一种能量在空间中分布的均匀程度。随后, 信息论创始人香农(C.Shannon)用概率论统计模型建立了熵的信息度量。如今, 熵作为信息量的平均度量被广泛应用于各个学科领域。

地形熵在WGS-84大地坐标系DEM上可以定义为

地形熵是水下地形信息的度量, 能够用来表征地形特征。熵值小, 表明该区域水深在不同深度上都有分布, 地形变化明显; 熵值大, 表明该区域水深集中在少数几个深度值上, 地势趋于平坦[7]。

1.3 水下地形熵计算

图1 水下地形图

图2中深色部分地形熵值大, 表示该区域地形信息贫乏, 水下航行器在该水域不能及时获得有效的深度数据进行匹配运算, 不适合进行地形匹配导航, 而浅色部分地形熵值小, 表示该区域地形信息丰富, 能够提供足够的地形信息, 适合进行地形匹配导航。

图2 地形熵值分布图

2 最优航路规划方法

航路规划按照地图提供信息的多少, 可以分为全局航路规划和局部航路规划。其中, 全局航路规划需要在规划前获得较完整地形、潜在威胁和任务信息[7]。常用的全局路航路规划方法包括启发式图搜索算法、人工势场法、可视图法及神经网络法等, 而基于遗传算法, 蚁群算法和粒子群算法等智能算法也成为航路规划研究的热点。

2.1 粒子群优化算法

为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, 可以让惯性权重随着迭代次数线性减小, 即

2.2 问题分析与建模

图3 水下航行器航路规划原理图

该航路针对地形辅助导航进行规划, 故应兼顾考虑航路长度和航路地形熵值, 即应以短航路、低地形熵值为优化目标。由于航路长度和地形熵值量纲不同, 故应进行归一化处理

2.3 算法实现

If: 粒子连线段与障碍区不相交, goto(2)

Else: goto(1)

Else:

3)If: 粒子连线段与障碍区相交, goto (2)

Else: 计算

Else : goto (2)

3 算法仿真

按照以上试验约束条件对地图进行处理, 如图4所示, 图中矩形区域表示潜在威胁区域或地形障碍区域, 封闭的曲线表示地形高低熵值的分界线。按照上节介绍的算法流程编写基于PSO的航路规划算法, 得到最优航路如图4中带“*”的折线所示。为了验证该航路的可行性, 编写基于粒子滤波的水下地形匹配程序[10], 按文献[10]中的参数进行设定, 得到地形匹配航路用带“o”的折线表示。由匹配结果可以看出, 在图2基础上规划的航路在达到较好地形匹配效果的同时, 也较好地避开了高熵值区域和潜在威胁区域, 为航行器顺利完成指定任务提供了保证。

图4 水下地形匹配仿真

4 结束语

针对水下航行器地形辅助导航问题, 本文提出了一种基于地形信息量的航路规划方法, 该方法在计算任务水域地形熵的基础上, 利用PSO算法进行全局航路规划。仿真结果表明, 利用该方法获得的航路能够较好地避开确定的障碍地形和潜在威胁水域, 并且获得较好的地形匹配效果, 具有较好的全局规划能力。

[1] 林沂, 晏磊, 童庆禧. 针对水下辅助导航相关匹配算法的特征区最优航迹规划[J]. 吉林大学学报(工学版), 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] 李临. 海底地形匹配辅助导航技术现状及发展[J]. 舰船电子工程, 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] 何爱民, 何晓文, 肖滨. 基于改进遗传算法的水下无人平台航路规划[J]. 青岛大学学报, 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] 刘鹰, 张继贤, 柳健. 面向地形辅助导航的地形信息分析[J]. 遥感信息, 2000, 15(2):21-23.

[6] 吴尔辉, 沈林成, 常文森. 地形匹配辅助导航中的地形独特性分析[J]. 国防科技大学学报, 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] 李雄伟, 刘建业, 康国华. 熵的地形信息分析在高程匹配中的应用[J]. 应用科学学报, 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] 祖伟. 基于粒子群优化算法的水下潜器实时路径规划技术研究[D]. 哈尔滨: 哈尔滨工程大学, 2008.

[9] 孙波, 陈卫东, 席裕庚. 基于粒子群优化算法的移动机器人全局路径规划[J]. 控制与决策, 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] 谌剑, 张静远, 严平. 一种基于粒子滤波的水下地形匹配算法研究[J]. 海军工程大学学报. 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.

国防科技预先研究课题资助项目(1010602010502).

谌 剑(1984-), 男, 在读博士, 主要研究方向为导航与制导技术

(责任编辑: 杨力军)