使用FDHNN算法实现欠驱动自主水下航行器（AUV）的自主路径规划

《Scientific Reports》：Autonomous pathfinding for underactuated AUVs using FDHNN

　　

摘要

由于自主路径规划能力，自主水下航行器（AUV）在环境探索和测绘中发挥着越来越重要的作用。尽管已经开发出了多种用于此任务的算法，但许多算法并未充分解决AUV普遍存在的“欠驱动”问题。此外，声纳和视觉传感器固有的视野限制进一步增加了方向检测的复杂性。为克服这些障碍，我们提出了一种创新的轨迹规划方法——有限方向霍普菲尔德神经网络（FDHNN）。该方法在每个网格单元中使用了八个方向神经元，并通过定制的神经连接权重来生成适合欠驱动AUV的路径，确保其在不同水下环境中的适应性以及遵循初始和最终的方向约束。作为FDHNN提供的全局规划的补充，我们还改进了动态窗口方法（DWA），以实现速度域内的局部机动。基于仿真的验证表明，该方法具有出色的鲁棒性和性能优势，尤其是在与双深度Q学习和Dubins路径等先进算法相比时。我们提出的轨迹规划方法显著提高了欠驱动AUV在具有起始和结束方向限制条件下的导航可靠性，为水下探测和探索技术带来了重大进步。