海洋流场引导的多USV路径规划RRT?算法研究

《Ocean Engineering》：An ocean current-guided RRT? algorithm for Multi-USV path planning

针对复杂海洋环境下多无人艇(USV)路径规划能耗高的问题，研究人员提出海洋流场引导的RRT?算法(OCRRT?)。该算法通过自适应多因子引导策略整合海流方向、目标吸引和障碍排斥，设计多目标代价函数并引入早停策略。仿真表明OCRRT?能以最低能耗实现高效任务执行，为海洋环境多USV路径规划提供新方案。

　　

海洋覆盖着丰富的自然资源，随着海洋资源勘探需求的日益增长，海洋巡航任务显得愈发重要。近年来，无人水面艇(Unmanned Surface Vehicle, USV)技术快速发展，以其成本低、效率高、环境适应性强等优势，为海洋作业提供了新的解决方案。然而，海洋环境复杂多变，受到风、浪、海流等多种因素影响，这给USV的自主安全航行带来了巨大挑战。特别是在多USV协同作业场景下，路径规划不仅要考虑单个艇的避障和轨迹生成，还需解决全局任务分配、艇间冲突化解以及系统总能耗最小化等多目标优化问题。

目前，多USV协同路径规划方法在海洋环境特性考虑方面存在不足，且能耗较高。传统快速探索随机树星算法(Rapidly-exploring Random Tree Star, RRT?)在复杂海洋环境中存在方向不确定性，导致规划效率低、能量消耗大。为此，研究人员在《Ocean Engineering》上发表了一项创新研究，提出了一种海洋流场引导的RRT?算法(Ocean Current-guided RRT?, OCRRT?)，为多USV路径规划提供了新的解决方案。

该研究主要采用了环境建模、自适应多因子引导策略、多目标代价函数设计和早停策略等关键技术方法。环境建模包括地图表示以及海流和海风的数学建模；自适应引导策略动态调整目标方向和海流方向的权重；多目标代价函数综合考虑路径长度、平滑度、航行时间和碰撞风险；早停策略在首次找到可行路径后立即输出近似最优解，显著减少计算时间。

环境建模

研究首先对海洋环境进行数学建模，将海流和风浪等环境因素纳入考量，建立了100×100公里的仿真地图环境，为算法验证提供基础。

自适应多因子引导策略

通过整合海流方向、目标吸引和障碍排斥三个因素，设计了一种动态加权的随机节点扩展策略。该策略在远离目标时更多利用海流以节省能量，接近目标时则更注重快速抵达，有效降低了传统RRT?算法在海洋环境中的随机性。

多目标代价函数

针对父节点重选择过程，设计了综合考虑路径长度、平滑度、航行时间和碰撞风险的多目标代价函数，显著提升了整体路径质量。

早停策略

引入早停机制，当算法首次找到可行路径时立即输出结果作为近似最优解，大幅提升了算法的收敛速度，使USV能够更快做出决策。

仿真验证

通过在三种不同海洋场景下的仿真实验，验证了OCRRT?算法的有效性。结果表明，该算法在保证路径质量的同时，能够显著降低多USV系统的总能耗，提高任务执行效率。

研究结论表明，OCRRT?算法通过海流引导和自适应策略，有效解决了多USV在复杂海洋环境中的高能耗问题。该方法不仅提高了路径规划的效率和质量，还为海洋环境下的自主导航提供了可靠的技术支持。该研究对推动海洋资源勘探、海洋环境监测等领域的自动化发展具有重要意义，为多USV系统在真实海洋环境中的应用奠定了理论基础。