弱机动性AUV在预设路径约束下的路径跟踪与避障集成方法——基于路径人工势场(Path-based Artificial Potential Field, PAPF)

《International Journal of Naval Architecture and Ocean Engineering》：An integrated path tracking and obstacle avoidance method for weakly maneuverable AUVs under prescribed path constraints

【字体：大中小】 时间：2026年07月08日 来源：International Journal of Naval Architecture and Ocean Engineering 4.4

编辑推荐：

　　摘要：路径跟踪(path tracking)与避障(obstacle avoidance)是自主水下航行器(Autonomous Underwater Vehicle, AUV)的核心功能。避障过程中AUV须最小化路径偏离并快速回归预设路径，而AUV弱机动性(

摘要：路径跟踪(path tracking)与避障(obstacle avoidance)是自主水下航行器(Autonomous Underwater Vehicle, AUV)的核心功能。避障过程中AUV须最小化路径偏离并快速回归预设路径，而AUV弱机动性(weak maneuverability)增加了避障难度。研究人员提出一种面向AUV的路径跟踪与避障集成控制方法。首先引入基于路径的人工势场(Path-based Artificial Potential Field, PAPF)，使AUV可同时实现路径跟踪与避障。其次，基于AUV与障碍物间相对运动设计幅值自调节的斥力势场，有效解决弱机动性AUV的避障延迟问题。第三，构建虚拟障碍物(virtual obstacle)及移动障碍物速度场，解决传统人工势场法(Artificial Potential Field, APF)中动态障碍物处理及局部极小点(local minima)问题。基于"海翔-500XP"(Hai Xiang-500XP) AUV的仿真与实海试验表明，PAPF方法有效集成了路径跟踪与避障功能，提升了动态环境下的响应性与适应性。

论文解读——《弱机动性AUV在预设路径约束下的路径跟踪与避障集成方法——基于路径人工势场(PAPF)》

发表于《International Journal of Naval Architecture and Ocean Engineering》

一、研究背景与意义

自主水下航行器(AUV)在海洋探测任务中需沿预规划路径(preset path)高精度跟踪，遇障时须实时避障并快速回归原路径，且不得任意偏离预设航线。现有研究中，高精度路径跟踪控制器（如视线制导LOS、反步控制backstepping、模型预测控制MPC）通常不含避障机制，遇障时需切换至独立避障规划器，易造成控制冲突与较大路径偏离；而传统全局重规划方法（如粒子群优化PSO结合样条插值）则完全放弃原预设路径约束，不满足海洋调查类任务要求。传统人工势场法(Artificial Potential Field, APF)算法简洁、实时性好且生成轨迹平滑，但存在三大缺陷：目标不可达(goal unreachable)、局部极小点(local minima)导致停滞、未考虑动态障碍物及欠驱动/弱机动性(underactuated/weakly maneuverable)AUV的转向迟滞(avoidance lag)。针对上述问题，研究人员提出基于路径的人工势场(Path-based Artificial Potential Field, PAPF)方法，将引力场重构于预设路径而非仅终点，并引入自适应斥力系数、速度相关斥力场及虚拟障碍策略，实现弱机动性AUV在预设路径约束下的路径跟踪与避障一体化控制。

二、关键技术方法概述

研究人员采用如下主要技术方法开展研究：(1)基于Serret-Frenet(SF)坐标系建立AUV到预设参数化路径的横向偏差(d_pe)与纵向弧长(d_ps)误差模型；(2)构建由目标引力势场U_atts（基于到端点弧长，设饱和阈值d_goal^*）与路径偏差引力势场U_atte（基于横向偏差二次型）组成的总引力势场U_att，其负梯度给出跟踪期望航向角σ；(3)在传统距离基斥力势场U_repj基础上增加速度相关斥力势场U_repv∝‖V_auv?V_o‖²，总斥力场U_rep=U_repj+U_repv；(4)设计基于AUV-障碍物连线方位与AUV艏向夹角Δθ的自适应斥力系数k_rep(k)，迎碰方向增大系数、远离方向衰减，补偿弱机动性导致的转向提前量不足；(5)引入目标引力系数自适应放大（检测位移停滞时倍增k_atts）解决目标不可达，及通过检测局部极小（连续N周期位移低于阈值S_a）后弱化路径引力系数k_atte=η·k_atte（η<1，取0.5）并在预设路径镜像最近实障碍物生成虚拟障碍物(virtual obstacle)O_v打破力平衡，脱离后恢复；(6)合势力F=??U经atan2(F_x,F_y)得目标航向，采用反步法(backstepping)设计AUV偏航(yaw)动力学控制器，Lyapunov稳定性证明收敛；(7)基于"海翔-500XP"(Hai Xiang-500XP)AUV动力学参数进行Matlab仿真（静态/动态/单/多/局部极小/目标不可达场景）并与传统APF、安全APF(SAPF)、涡旋APF(VAPF)对比，最终在实海（流速0.5~1节，水深20~70 m）开展路径跟踪与避障湖海试验验证。

三、研究结果

2. Path tracking control based on an artificial potential field（基于人工势场的路径跟踪控制）

研究人员在Serret-Frenet框架下定义AUV相对预设参数化路径的横向与纵向误差，将传统以目标点为极小的引力场改为沿整条预设路径取极小值、沿路径从起点到终点弧长递减的目标引力场加横向偏差惩罚场。仿真显示传统APF使AUV切角偏离原路径，而PAPF引力场使AUV沿预设路径运动，验证了路径引力场可实现路径约束下的跟踪引导。

3. Obstacle avoidance control under path constraints（预设路径约束下的避障控制）

在传统距离基斥力场外叠加相对速度基斥力场U_repv，使AUV可根据障碍物运动趋势提前反应。针对弱机动性AUV，依据AUV艏向与AUV-障碍物连线夹角Δθ动态调整斥力系数k_rep——Δθ小于阈值k_1θ时按(1+α)倍放大促提前转向，Δθ大于k_2θ时按(1?α)倍衰减，设有上/下限k_rep^max、k_rep^min。仿真表明PAPF使AUV比传统APF提前约2~3倍控制周期开始转向避障，保持更安全间距且避障后更快回归预设路径。

3.2. Improved potential field addressing unreachable target and local minima issues（解决目标不可达与局部极小点的改进势场）

Goal reachability：若AUV在目标附近位移dexg小于阈值S_a判定为目标不可达倾向，自适应放大引力系数k_atts(k)=β·k_atts(k?1)（β>1），位移过大则衰减，保证吸引力最终压倒局部斥力使AUV渐近收敛至目标。Local minima：检测到连续N周期位移≤S_a即判定陷入局部极小，先将路径引力系数降至η·k_atte（η=0.5），再以最近实障碍物关于预设路径的镜像点生成虚拟障碍物O_v（全在路径上时作法向偏移d_offset），提供额外侧向斥力打破平衡；脱离后移除虚拟障碍并恢复原k_atte。三种典型局部极小场景（单障碍、双对称障碍、多障碍）仿真验证AUV可成功逃逸并继续沿路径前进。

3.3. Obstacle avoidance control under path constraints（预设路径约束下避障控制综合）

总势场U=U_att+ΣU_rep(i)，合力F=??U，目标航向σ=atan(F_x/F_y)，通过反步法设计含Lyapunov稳定性证明的yaw角速度/力矩控制律驱动AUV。

4. Simulation results and analysis（仿真结果与分析）

•
4.1 预设路径约束下避障测试：直线及折线路径含点/墙体障碍，PAPF相比APF/SAPF/VAPF保持更接近预设路径，避障绕行距离更短且能快速回归。
•
4.2 弱机动AUV避障滞后评估：单/多障碍场景PAPF使AUV提前启动转向，避障期间距障碍安全距离更大，回归预设路径用时更短。
•
4.3 目标不可达问题实验：障碍影响域覆盖终点时传统APF振荡停于距目标约7 m处无法到达；PAPF自适应放大引力系数后AUV成功抵达目标点。
•
4.4 局部极小点问题实验：单/双/多障碍造成的力平衡陷阱中传统APF停滞或振荡，PAPF通过弱化路径引力+虚拟障碍成功脱离并完成跟踪。
•
4.5 动态避障实验：不考虑障碍速度的APF在与同向运动障碍下发生碰撞；PAPF含速度相关斥力场，对障碍速度低于或高于AUV速度均能成功避让，12组独立仿真避障成功率100%。

5. Field test results and analysis（实海试验结果与分析）

基于Hai Xiang-500XP AUV（重500 kg，长3.7 m，巡航3 kn，最小转弯半径15 m，前视成像声呐750 kHz）在实海环境测试。

•
5.1 路径跟踪实验：折线路径平均横向偏差约2 m，不计段间过渡最大偏差4.5 m，验证PAPF在流扰下有效路径跟踪。
•
5.2 单障碍避障实验：传统APF存避障滞后近碰，PAPF保持约15 m安全间距，平均偏离约2.5 m，最大偏离约7 m，避障后迅速回归路径。
•
5.3 多障碍避障实验：连续三障碍场景下AUV成功逐次避障，维持约15 m安全距，平均偏离约2 m，最大偏离约7.5 m。

四、讨论与结论

研究人员指出本方法假设动态障碍速度方向已知且不突变，实际海洋中船舶/生物运动具随机性；自适应引力/斥力系数为经验预设需依场景调参。未来拟引入基于历史运动的障碍运动模式分类及将APF与深度强化学习(DRL)结合以自动优化场参数。

结论翻译：本文针对AUV路径跟踪过程中的避障问题，提出将传统人工势场(APF)法与路径引力场相结合的方法。所提方法在实现精确路径跟踪的同时完成避障；考虑AUV运动特性引入动态自适应斥力系数克服避障延迟；通过自适应引力系数放大与虚拟障碍物构建解决目标不可达与局部极小点问题；通过引入相对速度相关斥力场处理动态障碍。基于"海翔-500XP"AUV的仿真与实海试验表明该方法有效集成了路径跟踪与避障控制，提升了弱机动AUV在动态环境中的响应性与路径约束遵从度。

热点排行