基于改进的双向APF-RRT*算法的水下航行器路径规划

《Drones》：Underwater Vehicle Path Planning Based on the Improved Bidirectional APF-RRT* Algorithm

　　

针对传统快速探索随机树星（RRT^*）及其改进算法在自主水下航行器（AUV）三维复杂水下路径规划中存在的采样冗余、扩展机制单一、规划路径与AUV运动约束不匹配以及实时性不足等问题，研究人员提出了一种改进的双向人工势场RRT^*（Improved BI-APF-RRT^*）算法。该算法采用混合采样策略，将采样集中于高价值区域并优化节点分布。设计了一种三级渐进扩展策略，以平衡快速收敛和优异的避障能力。同时，引入动态目标切换策略以增强双向搜索树的协调效率。仿真结果表明，在不同复杂程度的三维水下障碍环境中，所提算法在路径长度、规划时间、生成节点数和迭代次数方面均优于GB-RRT^*、BI-RRT^*和APF-RRT^*等对比算法。该算法为AUV的深海自主导航提供了一种高效可行的技术方案，对推动水下无人系统的工程应用具有重要意义。

随着海洋资源开发的不断推进，自主水下航行器（AUV）在深海探索、海洋救援等任务中扮演着日益重要的角色。然而，水下环境复杂多变，包括急剧起伏的海底地形、不规则的障碍物分布以及流场扰动，对AUV的自主导航提出了严格约束。路径规划作为AUV自主导航的核心组成部分，其生成的路径直接决定了航行效率和作业安全。传统快速探索随机树星（RRT^*）及其改进算法在处理三维复杂水下路径规划时，存在采样冗余、扩展机制单一、规划路径与AUV运动约束不匹配以及实时性不足等问题。因此，有必要开展研究以提升算法在复杂水下环境中的规划性能。

针对上述问题，研究人员提出了一种改进的双向人工势场RRT^*（Improved BI-APF-RRT^*）算法。该算法融合了混合采样策略、三级渐进扩展机制、动态目标切换策略以及路径后处理优化模块，旨在生成高效、安全且满足AUV运动约束的三维水下轨迹。通过在不同复杂程度的四种三维水下环境中进行仿真实验，并与GB-RRT^*、BI-RRT^*、APF-RRT^*、BI-APF-RRT^*和IBI-P-RRT^*等五种算法进行对比，结果表明所提算法在路径长度、规划时间、生成节点数和迭代次数等指标上均优于对比算法，且路径平滑后符合AUV运动约束。该研究为AUV深海自主导航提供了一种高效可行的技术方案，对推动水下无人系统的工程应用具有重要意义。论文发表在《Drones》期刊。

研究人员为开展研究采用了以下关键技术方法：混合采样策略包括扁椭球约束（以起点和终点为焦点，垂直方向压缩）、密度感知接受准则（避免节点聚集）和动态尺度更新（根据搜索进展调整椭球大小）。三级渐进扩展包括目标偏置扩展（快速向目标）、半球避障扩展（通过采样评分绕过中小障碍）和改进人工势场（APF）扩展（分解引力、引入切向力，解决局部最优和不可达问题）。动态目标切换根据搜索进度和停滞状态自适应调整引导目标。路径优化采用局部窗口优化、全局贪婪直连和三次B样条平滑。仿真在MATLAB R2022a平台上进行，构建了1000m×1000m×1000m的三维空间，起点为(0,0,-400)，终点为(1000,1000,-400)，基于东海陆架外缘实测地形数据结合峰值函数和叠加Lamb涡流模型建立海流场，设置四种不同复杂度的水下环境。AUV运动约束包括最小转弯半径、最大转向角和最大俯仰角。

研究结果如下：

4.2 环境A分析：在简单水下地形中，所有算法均成功规划路径，但所提算法通过混合采样将节点集中于最优方向，路径长度最短（1603 m），规划时间仅1.79 s，节点数和迭代次数最少，显著优于其他算法。

4.3 环境B分析：在中等复杂度环境下，多主峰屏障和中等地形梯度使算法性能差距扩大。所提算法生成的轨迹连续紧凑，无冗余转弯，平均路径长度和规划时间均优于GB-RRT^*、BI-RRT^*、APF-RRT^*等，在密集山丘障碍中实现了避障安全与路径最优性的良好平衡。

4.4 环境C分析：在极端复杂环境（障碍密集、地形陡峭、窄可行通道）中，GB-RRT^*和BI-RRT^*的成功率降至95%，而所提算法仍保持100%成功。其平均路径长度为1522 m，规划时间仅1.86 s，节点数和迭代次数均最低，且路径满足AUV运动约束，显示了强鲁棒性。

4.5 环境D分析：设置起点终点不同深度，验证垂直避障能力。所提算法在垂直维度上表现出色，平均路径长度1243 m，比APF-RRT^*缩短8.37%，规划时间仅1.47 s，节点数和迭代次数最少，验证了改进人工势场引导和双向树协同扩展在垂直避障中的优势。

4.6 路径优化与验证：以环境C路径为例，经局部窗口优化、全局贪婪直连和三次B样条平滑后，路径转换为连续光滑曲线，曲率变化平缓，满足最小转弯半径约束。平滑后路径长度1540 m，仅比原始路径增加1.18%，工程实用性显著提升。

4.7 消融实验：在环境C中进行消融研究，以BI-APF-RRT^*为基线。添加混合采样后（变体1），节点数减少31.4%，迭代次数减少50.7%，规划时间降至1.98 s；进一步添加三级扩展（变体2），路径长度缩短至1546 m，迭代次数降至24；完整算法（变体3）再集成动态切换和路径优化，路径长度1522 m，比基线缩短5.70%，迭代次数减少75.34%，验证了各模块的有效性。

总结讨论部分：研究人员在结论中指出，所提算法通过系统性改进，解决了传统RRT^*及其改进算法在三维复杂水下路径规划中的核心局限。所有实验均在静态障碍物场景下进行，未来将升级算法以应对动态障碍和突发海流扰动，并在自研AUV上进行近岸测试，集成轻量级局部重规划模块，开展深海试验以全面验证算法在真实复杂海洋环境中的鲁棒性。