留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

密集障碍物下无人艇模糊双窗口DWA避障算法

张金泽 赵红 王宁 郭晨

张金泽, 赵红, 王宁, 等. 密集障碍物下无人艇模糊双窗口DWA避障算法[J]. 中国舰船研究, 2021, 16(6): 10–18 doi: 10.19693/j.issn.1673-3185.02095
引用本文: 张金泽, 赵红, 王宁, 等. 密集障碍物下无人艇模糊双窗口DWA避障算法[J]. 中国舰船研究, 2021, 16(6): 10–18 doi: 10.19693/j.issn.1673-3185.02095
ZHANG J Z, ZHAO H, WANG N, et al. Fuzzy dual-window DWA algorithm for USV in dense obstacle conditions[J]. Chinese Journal of Ship Research, 2021, 16(6): 10–18 doi: 10.19693/j.issn.1673-3185.02095
Citation: ZHANG J Z, ZHAO H, WANG N, et al. Fuzzy dual-window DWA algorithm for USV in dense obstacle conditions[J]. Chinese Journal of Ship Research, 2021, 16(6): 10–18 doi: 10.19693/j.issn.1673-3185.02095

密集障碍物下无人艇模糊双窗口DWA避障算法

doi: 10.19693/j.issn.1673-3185.02095
基金项目: 国家自然科学基金资助项目(51579024);辽宁省“兴辽英才计划”资助项目(XLYC1807013);辽宁省高等学校创新人才支持计划(LR2017024);大连市杰出青年科技人才支持计划(2016RJ10);中央高校基本科研业务费专项资金资助项目(3132019344)
详细信息
    作者简介:

    张金泽,男,1996年生,硕士生。研究方向:无人艇的避障研究。E-mail:15776996693@163.com

    赵红,女,1967年生,博士,教授。研究方向:电气传动与控制,船舶电力推进以及智能控制在电气工程领域的应用。E-mail:zhaohong@dlmu.edu.cn

    王宁,男,1983年生,博士,教授,博士生导师。研究方向:无人系统建模与控制,自适应智能控制,机器学习,非线性控制。E-mail:n.wang.dmu.cn@gmail.com

    郭晨,男,1956年生,博士,教授,博士生导师。研究方向:船舶自动控制系统,船舶轮机系统仿真,智能控制理论与应用,虚拟现实技术及应用等

    通信作者:

    王宁

  • 中图分类号: U664.82

Fuzzy dual-window DWA algorithm for USV in dense obstacle conditions

知识共享许可协议
密集障碍物下无人艇模糊双窗口DWA避障算法张金泽,等创作,采用知识共享署名4.0国际许可协议进行许可。
  • 摘要:   目的  旨在研究密集障碍物海况下无人艇的自主避障问题。  方法  为此,提出一种基于模糊推理的改进型双窗口动态窗口法(DWA)避障算法,即在常规速度窗口的基础上设计基于艇载传感器的感知窗口,构成双窗口模型以进一步优化约束速度空间,然后根据障碍物的分布,动态调整评价函数权值。  结果  仿真实验结果显示,相比原始DWA算法,改进算法在未知密集障碍物海况下规划的路径更加合理、光滑,可避免无人艇从密集障碍物群外绕行,同时确保了避障航行安全性,迭代次数和运行时间可缩短20%以上。  结论  研究成果对无人艇自主避障技术发展具有较为明显的科学价值和实际意义。
  • 图  1  无人艇部分预测轨迹

    Figure  1.  Partially predicted trajectory of USV

    图  2  基于原始DWA算法的无人艇航行避障轨迹

    Figure  2.  Obstacle avoidance trajectory of USV based on original DWA algorithm

    图  3  感知窗口示意图

    Figure  3.  Schematic diagram of sensing window

    图  4  基于原始DWA与本文双窗口DWA算法的对比仿真实验

    Figure  4.  Comparison experiment based on original DWA and improved dual-window DWA algorithm

    图  5  密集度示意图

    Figure  5.  Schematic diagram of density

    图  6  模糊逻辑变量的隶属度函数

    Figure  6.  Membership function of fuzzy logic variables

    图  7  双窗口DWA算法下$ \alpha =2,\beta =1,\gamma =15 $ 时的仿真实验结果

    Figure  7.  Simulation experiment results when $ \alpha =2,\beta =1,\gamma =15 $ under the dual-window DWA algorithm

    图  8  双窗口DWA算法下$ \alpha =2,\beta =15,\gamma =15 $时的仿真实验结果

    Figure  8.  Simulation experiment results when $ \alpha =2,\beta =15,\gamma =15 $ under the dual-window DWA algorithm

    图  9  基于FDDWA算法的无人艇避障仿真实验结果 ($ \alpha =2,\beta =\beta_d,\gamma =\gamma_d $)

    Figure  9.  Simulation experiment results of obstacle avoidance for USV based on FDDWA algorithm ($ \alpha =2,\beta =\beta_d,\gamma =\gamma_d $)

    图  10  不同权值参数下的无人艇避障轨迹对比

    Figure  10.  Comparison of USV's obstacle avoidance trajectory under different weight parameters

    表  1  实验结果数据

    Table  1.   Experimental result data

    参数轨迹长度/m运行时间/s安全距离/m
    α=2,β=1,γ=15 155.90 12.259 0.45
    α=2,β=15,γ=15 158.40 13.835 2.41
    下载: 导出CSV

    表  2  模糊逻辑控制输入输出子集

    Table  2.   Fuzzy logic control input and output subset

    变量模糊子集
    输入$D$小(S)、中(M)、大(H
    $I$小(S)、大(H
    输出$\gamma $小(S)、中(M)、大(H
    $\beta $小(S)、中(M)、大(H
    下载: 导出CSV

    表  3  输出量$\gamma $的模糊规则

    Table  3.   Fuzzy rules of γ

    $\gamma $I
    SH
    $D{\rm{ = }}S$HS
    $D{\rm{ = }}M$HS
    $D{\rm{ = }}H$HH
    下载: 导出CSV

    表  4  输出量$\;\beta $的模糊规则

    Table  4.   Fuzzy rules of β

    $\beta $I
    SH
    $D{\rm{ = }}S$SH
    $D{\rm{ = }}M$SM
    $D{\rm{ = }}H$SM
    下载: 导出CSV

    表  5  无人艇速度限制

    Table  5.   Speed limit of USV

    参数数值
    最小前进速度$ {u_{\min }}/ $(m·s−1)0
    最大前进速度${u_{\max }}/$(m·s−1)1.5
    前进加速度$\dot u/$(m·s−2)0.5
    最小艏摇角速度${r_{\min }}/$((°)·s−1)0
    最大艏摇角速度${r_{\max }}/$((°)·s−1)30(−30)
    艏摇角加速度$\dot r/$((°)·s−1)5
    下载: 导出CSV

    表  6  算法参数设置

    Table  6.   Parameter settings of algorithm

    参数数值
    最小安全距离${D_{\min }}/m$2.0
    障碍物外包圆直径$R/\rm m$1.5
    采样时间间隔${d_{\rm t}}/s$1.0
    前进速度离散间隔$ {d_u}/ $(m·s−1)0.1
    艏摇角速度离散间隔${d_r}/$((°)·s−1)1.0
    预测轨迹采样间隔数$T/\rm s$7.0
    下载: 导出CSV

    表  7  密集度函数参数设置

    Table  7.   Parameter setting of density function

    参数数值
    $\delta $0.30
    $\varepsilon $0.25
    $\mu $0.50
    $a$1/50
    $b$1/2
    下载: 导出CSV

    表  8  无人艇及感知窗口初始状态设置

    Table  8.   Initial state setting of USV and sensing window

    参数数值
    起始坐标(0,0)
    目标坐标(90,90)
    感知窗口角度/(°)100
    感知窗口半径/m13
    起始艏向$\vartheta $/(°)π/4
    起始前进速度$u/$(m·s−1)0
    起始艏摇角速度$r/$((°)·s−1)0
    下载: 导出CSV

    表  9  实验数据

    Table  9.   Experimental data

    权值参数安全距离/m迭代次数/次轨迹长度/m运行时间/s
    α=2,β=15,γ=13.56109127.3014.445
    α=2,β=1,γ=153.3486125.1010.768
    α=2,β=βdγ=γd4.0985124.1010.071
    下载: 导出CSV
  • [1] 张洋洋, 瞿栋, 柯俊, 等. 基于速度障碍法和动态窗口法的无人水面艇动态避障[J]. 上海大学学报(自然科学版), 2017, 23(1): 1–16.

    ZHANG Y Y, QU D, KE J, et al. Dynamic obstacle avoidance for USV based on velocity obstacle and dynamic window method[J]. Journal of Shanghai University (Natural Science Edition), 2017, 23(1): 1–16 (in Chinese).
    [2] KHATIB O. Real-time obstacle avoidance for manipulators and mobile robots[J]. The International Journal of Robotics Research, 1986, 5(1): 90–98. doi: 10.1177/027836498600500106
    [3] 卢恩超, 张邓斓, 宁雅男, 等. 改进人工势场法的机器人路径规划[J]. 西北大学学报(自然科学版), 2012, 42(5): 735–738.

    LU E C, ZHANG D L, NING Y N, et al. Path planning for robot based on improved artificial potential field method[J]. Journal of Northwest University (Natural Science Edition), 2012, 42(5): 735–738 (in Chinese).
    [4] BORENSTEIN J, KOREN Y. The vector field histogram-fast obstacle avoidance for mobile robots[J]. IEEE Transactions on Robotics and Automation, 1991, 7(3): 278–288. doi: 10.1109/70.88137
    [5] 魏新勇, 黄烨笙, 洪晓斌. 基于VFH*的水面无人艇局部避障方法[J]. 中国测试, 2018, 44(12): 39–45. doi: 10.11857/j.issn.1674-5124.2018.12.007

    WEI X Y, HUANG Y S, HONG X B. Local obstacle avoidance method for unmanned surface vehicle based on VFH* algorithm[J]. China Measurement & Testing Technology, 2018, 44(12): 39–45 (in Chinese). doi: 10.11857/j.issn.1674-5124.2018.12.007
    [6] 许心德, 关胜晓. 未知环境下基于VFH*的机器人避障[J]. 计算机仿真, 2010, 27(3): 156–160. doi: 10.3969/j.issn.1006-9348.2010.03.039

    XU X D, GUAN S X. Obstacle avoidance for robots based on VFH* method in uncertain environment[J]. Computer Simulation, 2010, 27(3): 156–160 (in Chinese). doi: 10.3969/j.issn.1006-9348.2010.03.039
    [7] SIMMONS R. The curvature-velocity method for local obstacle avoidance[C]//Proceedings of IEEE International Conference on Robotics and Automation. Minneapolis, MN, USA: IEEE, 1996: 3375–3382.
    [8] FOX D, BURGARD W, THRUN S, et al. The dynamic window approach to collision avoidance[J]. IEEE Robotics & Automation Magazine, 1997, 4(1): 23–33.
    [9] 程传奇, 郝向阳, 李建胜, 等. 融合改进A*算法和动态窗口法的全局动态路径规划[J]. 西安交通大学学报, 2017, 51(11): 137–143.

    CHENG C Q, HAO X Y, LI J S. Global dynamic path planning based on fusion of improved A* algorithm and dynamic window approach[J]. Journal of Xi'an Jiaotong University, 2017, 51(11): 137–143 (in Chinese).
    [10] TANG P P, ZHANG R B, LIU D L, et al. Research on near-field obstacle avoidance for unmanned surface vehicle based on heading window[C]//2012 24th Chinese Control and Decision Conference (CCDC). Taiyuan, China: IEEE, 2012: 1262–1267.
    [11] ZHANG R B, TANG P P, SU Y M, et al. An adaptive obstacle avoidance algorithm for unmanned surface vehicle in complicated marine environments[J]. IEEE/CAA Journal of Automatica Sinica, 2014, 1(4): 385–396. doi: 10.1109/JAS.2014.7004666
    [12] 田永永, 李梁华. 基于速度方向判定的动态窗口法[J]. 农业装备与车辆工程, 2018, 56(8): 39–42. doi: 10.3969/j.issn.1673-3142.2018.08.010

    TIAN Y Y, LI L H. Dynamic window approach based on judgment of speed direction[J]. Agricultural Equipment & Vehicle Engineering, 2018, 56(8): 39–42 (in Chinese). doi: 10.3969/j.issn.1673-3142.2018.08.010
    [13] 王永雄, 田永永, 李璇, 等. 穿越稠密障碍物的自适应动态窗口法[J]. 控制与决策, 2019, 34(5): 927–936.

    WANG Y X, TIAN Y Y, LI X, et al. Self-adaptive dynamic window approach in dense obstacles[J]. Control and Decision, 2019, 34(5): 927–936 (in Chinese).
  • 加载中
图(10) / 表(9)
计量
  • 文章访问数:  404
  • HTML全文浏览量:  125
  • PDF下载量:  62
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-08-29
  • 修回日期:  2021-01-05
  • 网络出版日期:  2021-10-26
  • 刊出日期:  2021-12-20

目录

    /

    返回文章
    返回