(3) 目前，AUV路径规划技术是基于具体任务情况进行有针对性的路径规划能力开发，而当AUV面临另一种情况或任务时，又是另一种模型下开发的另一套路径规划技术，导致系统复杂且开发困难，可靠性低。其主要原因是缺乏统一的模式和方法。因此，研究一个模型，使得在这种通用模式中可以实现各种路径规划，这非常有利于AUV架构的系统化和模块化。

(4) 与地面移动机器人和空中机器人路径规划技术的发展相比，AUV的工作环境和任务性质使得路线规划更加困难，技术开发相对较慢，主要在理论研究和仿真阶段，仍然需要继续推进工程实用。因此，我们需要从自主性，实时性和动态性三个方面加强AUV路径规划研究，使AUV更好地服务于我国的水下工程应用。

从上述分析可以看出，AUV路径规划技术的研究具有重要意义和价值。

1。3。2 研究内容文献综述

首先介绍了生物启发神经动力学的基本原理和工作机制。证明了算法的收敛性和模型的稳定性，分析了模型参数的敏感性。基于光栅图建立神经网络模型，分析模型的工作特征。

针对AUV一般的点对点路径，建立二维神经网络模型，通过使用网络中神经元活动值的变化和分布规律来找到最优路径。 神经元活动值的空间传递性和时间衰减使得AUV在复杂环境中自动脱离死锁区域，解决了路径规划中的极小值问题，不仅适用于已知环境中的路径规划，同样适用于环境信息未知的情况。

2基于生物启发神经动力学模型的路径规划算法

2。1 生物启发神经动力学的基本原理

Hodgkin和Huxley在1952年使用电路元件来模拟生物神经系统中的细胞膜电流机制[13]。图2-1是树状神经细胞膜片的等效电路图。在普通的(非突触的)神经细胞膜电路中，激励突触电路和抑制突触电路并联在一起。激励突触回路由一个突触静电势 和一个突触电导 串联组成。同样地，抑制突触回路由一个突触静电势 和一个突触电导 串联组成。静电势 和静电导 串联，再与膜电容 并联起来。 ， ， 和 分别表示各个支路的离子电流。 是提供兴奋性突触的感受器区。不同离子通道的静电导和静电势合并到静电导 和静电势 中。在这个电路模型中，横膜电压 的动态特性用如下状态方程来表示