Метод выбора энергоэкономичного пути обхода сложного препятствия автономным необитаемым подводным аппаратом
- Авторы: Мартынова Л.А.1, Павлов А.А.1
-
Учреждения:
- АО «Концерн «ЦНИИ «Электроприбор»
- Выпуск: № 111 (2024)
- Страницы: 266-285
- Раздел: Управление подвижными объектами и навигация
- URL: https://ogarev-online.ru/1819-2440/article/view/289124
- DOI: https://doi.org/10.25728/ubs.2024.111.11
- ID: 289124
Цитировать
Полный текст
Аннотация
Для выбора пути обхода сложного препятствия разработан метод, основанный на данных батиметрических и физических карт Мирового океана. Определены условия применимости батиметрических и физических карт с мезорельефом для формирования пути обхода. Для перехода от макро- и мезорельефа к микрорельефу предложено использовать алгоритм Кригинга; на примере показана его работа. Для определения наиболее энергоэкономичного пути обхода сложных препятствий предложено рассматривать сетку глубин в виде ориентированного взвешенного графа. Определены условия соответствия кратчайшего пути на графе наиболее энергоэкономичному пути. Разработан алгоритм перебора вариантов пути обхода с отсечением, базирующийся на алгоритме «поиска на графе в глубину». На примере обхода сложного препятствия показано преимущество использования предложенного метода выбора варианта обхода препятствия по сравнению с традиционно предлагаемыми обходами сверху или сбоку препятствия. Приведен пример использования разработанного метода для определения наиболее энергоэкономичного пространственного пути обхода сложного препятствия. Результаты проведенных численных экспериментов подтвердили правильность предложенного решения: сокращение пути для рассмотренного варианта препятствия составило 15–20%, что позволяет реализовать предложенный метод выбора энергоэкономичного пространственного пути обхода сложного препятствия в системе управления автономного необитаемого подводного аппарата.
Об авторах
Любовь Александровна Мартынова
АО «Концерн «ЦНИИ «Электроприбор»
Email: martynowa999@bk
Санкт-Петербург
Алексей Александрович Павлов
АО «Концерн «ЦНИИ «Электроприбор»
Email: ialex.science@gmail.com
Санкт-Петербург
Список литературы
- АГАРКОВ С.А., ПАШЕНЦЕВ С.В. Параметрическая идентифи-кация обобщенной модели Номото с помощью аппарата вариа-ционного исчисления // Вестник МГТУ. – T. 18. – №1. – 2015. – С. 7–11.
- БЫКОВА В.С., МАШОШИН А.И., ПАШКЕВИЧ И.В. Алгоритм обеспечения безопасности плавания автономного необитаемого подводного аппарата // Гироскопия и навигация. – 2021. – Т. 29, №1(112). – С. 97–110.
- ЗАВЬЯЛОВ В.В., КЛЮЕВА С.Ф., ЛАБЮК Ф.И. Анализ точности построения и использования цифровой модели дна в задачах нави-гации по полю глубин // Transport Business in Russia. – №6. – 2015. – С. 211–213.
- ИНЗАРЦЕВ А.В., БАГНИЦКИЙ А.В. Алгоритмы обхода локаль-ных донных объектов для автономного подводного робота // Ше-стая Всерос. науч.- техн. конф. «Технические проблемы освоения мирового океана» (ТПОМО-6). Владивосток. – 2015. – С. 450–454.
- МАРТЫНОВА Л.А. Решение задачи подводного наблюдения в условиях применения интеллектуальных помех // Информацион-но-управляющие системы. – 2018. – №1(92). – С. 31–41.
- МАРТЫНОВА Л.А., ГРИНЕНКОВ А.В., ПРОНИН А.О. и др. Ими-тационное моделирование функционирования мультиагентной си-стемы управления автономного необитаемого подводного аппа-рата // В сб.: «Имитационное моделирование. Теория и практика. Восьмая Всероссийская научно-практическая конференция по имитационному моделированию и его применению в науке и про-мышленности». – 2017. – С. 474–479.
- МАРТЫНОВА Л.А., КИСЕЛЕВ Н.К., МЫСЛИВЫЙ А.А. Метод выбора архитектуры мультиагентной системы управления авто-номного необитаемого подводного аппарата // Информационно-управляющие системы. – 2020. – №4(107). – С. 31–41.
- МАРТЫНОВА Л.А., МАШОШИН А.И., ПАШКЕВИЧ И.В. и др. Алгоритмы, реализуемые интегрированной системой управления АНПА // Известия ЮФУ. Технические науки. – 2015. – №1(162). – С. 50–58.
- ПШИХОПОВ В.Х. Интеллектуальное планирование траекторий подвижных объектов в средах с препятствиями. – М.: Физмат-лит, 2015. – 300 с.
- ALCARAS E., PARENTE C., VALLARIO A. From electronic naviga-tional chart data to sea-bottom models: Kriging approaches for the Bay of Pozzuoli // Acta IMEKO. – Vol. 10, No. 4, Article 9, December 2021, ID: IMEKO-ACTA-10 (2021)-04-09/.
- AMOROSO P.P., FALCHI U., FIGLIOMENI F.G. et al. The Influence of Interpolation Methods and point density on the Accuracy of a Bathymetric Model // IEEE Int. Workshop on Metrology for the Sea; Learning to Measure Sea Health Parameters (MetroSea-2023), 04–06 October 2023. – doi: 10.1109/MetroSea58055.2023.10317127.
- BIRX A., DISSER Y., HOPP A.V. et al. An improved lower bound for competitive graph exploration // Theoretical Computer Science. – May 2021. – No. 868. – P. 65–86. – arXiv:2002.10958. – doi: 10.1016/j.tcs.2021.04.003.
- BRAHMI H., AMMAR B., ALIMI A.M. Intelligent path planning algorithm for autonomous robot based on recurrent neural networks // Int. Conf. on Advanced Logistics and Transport, 2013. – P. 199–204. – doi: 10.1109/ICAdLT.2013.6568459.
- BRANDT S., FOERSTER K.-T., MAURER J. et al. Online graph ex-ploration on a restricted graph class: Optimal solutions for tadpole graphs // Theoretical Computer Science. – November 2020. – No. 839. – P. 176–185. – arXiv:1903.00581. – doi: 10.1016/j.tcs.2020.06.007.
- CHANG J.-H., HART D.R., MUNROE D.M. et al. Bias Correction of Ocean Bottom Temperature and Salinity Simulations From a Regional Circulation Model Using Regression Kriging // Journal of Geophysi-cal Research: Oceans. – 2021. – doi: 10.1029/2020JC017140.
- EVANS J., PATRÓN P., SMITH B. et al. Design and evaluation of a reactive and deliberative collision avoidance and escape architecture for autonomous robots // Autonomous Robots. – 2008. – Vol. 24, No 3. – P. 247–266.
- GALARZA C., MASMITJA I., PRAT J. et al. Design of obstacle detec-tion and avoidance system for Guanay II AUV //Appl. Sci. – 2020. – Vol. 10. – P. 32–37.
- GOKARN R.P. A Study of Ship Manoeuvrability. – Springer Nature Singapore Pte Ltd., 2024. – P. 105–115.
- IYANDA J.A. Comparative Analysis of Breadth First Search (BFS) and Depth First Search (DFS) Algorithms. – May 2023. Preprint. – URL: https://www.researchgate.net/publication/370751322_Title_A_Comparative_Analysis_of_Breadth_First_Search_BFS_and_Depth_First_Search_DFS_Algorithms (дата обращения: 17.06.2024).
- LEE S.Y., MALLICK B. Bayesian Hierarchical Modeling: Applica-tion Towards Production Results in the Eagle Ford Shale of South Texas // Sankhya B 84. – 2022. – Vol. 84. – P. 1–43. – doi: 10.1007/s13571-020-00245-8.
- LIN C., WANG H., YUAN J. et al. An improved recurrent neural net-work for unmanned underwater vehicle online obstacle avoidance // IEEEJ. Ocean. Eng. – 2019. – Vol. 44. – P. 120–133.
- LIU S., WEI Y., GAO Y. 3D path planning for AUV using fuzzy logic // Computer Science and Information Processing (CSIP), 2012. – URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6308925 (дата обращения: 17.06.2024).
- RANFTL S., VON DER LINDEN W. Bayesian Surrogate Analysis and Uncertainty Propagation. // Physical Sciences Forum. – 2021. – No. 3(1):6. – arXiv:2101.04038. – doi: 10.3390/psf2021003006. ISSN 2673-9984.
- SAMI A., AYMAN M.M., BRISHA M. Analysis and Simulation of 3D Trajectory with Obstacle Avoidance of an Autonomous Underwater Vehicle for Optimum Performance // Int. Journal of Computer Science and Network Security. – 2012. – Vol. 12, No. 3. – P. 43–50.
- The General Bathymetric Chart of the Oceans (GEBCO). – URL: https://www.gebco.net/ (дата обращения: 17.06.2024).
- VALENZA E. Blender 2.6 Cycles: Materials and Textures Cookbook: Over 40 Recipes to Help You Create Stunning Materials and Textures Using the Cycles Rendering Engine With Blender. – Birmingham, UK: Packt Pub Ltd, 2013. – 265 p.
Дополнительные файлы
