本论文的章节安排如下：

第一章绪论，简要阐述了水下机器人研究的背景和意义，分析了路径规划各种算法的特点。

第二章主要是先建立声纳传感器模型，针对未知动态环境中自治水下机器人的路径规划问题，结合D-S信息融合[9]数据的结果，实现了对AUV三维水下环境地图的构建，最后提出了一种判别构建地图准确率的方法并根据原始栅格地图构建效果。论文网

第三章在构建好的地图基础上，给出一种基于生物启发模型的三维路径规划 [10]。仿真实验结果表明了生物启发模型在AUV三维水下环境中路径规划和安全避障上的有效性。

第四章主要是对本课题的研究工作进行了总结，并提出了该课题今后的研究思路和一些改进建议。 

2  基于D-S信息融合的水下机器人地图构建

本章主要介绍AUV坐标系统及声纳传感器模型，为AUV的三维地图构建与路径规划做铺垫。D-S证据理论[11]就是从传感器获得的数据作为该理论中的证据，将这些数据转化为信度函数分配值。

2。1  传感器模型与坐标变换

首先移动机器人要利用自身对环境的信息感知构建一个地图。地图的表示方式大致可分为3类: 几何地图、栅格地图[12]、拓扑地图等，这几种方法各有不同的应用，其中栅格法较为常见。

三维的工作环境与二维的工作环境有着明显不同，所以在将惯性坐标转换到栅格坐标时，栅格大小的选取直接影响着AUV三维路径规划算法的性能。如果选取的栅格较小，会提高AUV对环境的分辨力，但是此时栅格存储的信息量大，导致AUV的路径决策速度慢；如果选取的栅格过大，由于栅格存储的信息量小，导致AUV的路径决策速度变快，但会降低AUV对环境的分辨力，在障碍物较多且环境复杂的情况下削减了AUV路径决策的能力。除此之外，选取栅格的具体大小时也与所使用的传感器特性息息有关，若使用的传感器灵敏度和精度较高，可选取较小的栅格尺寸。综合考虑这些因素，本文采用10m×10m×10m的栅格规模完整描述声纳探测信息即栅格坐标，栅格大小设置为1m×1m×1m，每个栅格有个信度函数分配值，表示存在障碍物的可信度。如图2-1所示：

图2-1 三维水下栅格示意图

2。1。1 坐标的建立与转换

本文研究的声纳传感器属于前视多波束发射器，所以它获取的原始数据是离散的数据点，设辐射区内的栅格单元用距离r仰角θ和方位角 来表示，即 的形式，如图2-2所示。

图2-2 三维工作环境中AUV的坐标系统

然后需要把AUV极坐标映射到惯性坐标中，如图2-6所示。选取惯性坐标系为(X，Y，Z)，设一障碍物的球体坐标为 ，则有

其中: 为障碍物在惯性坐标系中的坐标； 为AUV在惯性坐标系的坐标与方向角；r是障碍物与机器人AUV中心的距离， 是该障碍物在AUV球体坐标系中的矢量角。

2。2  声纳传感器的建模

因为声纳测距数据存在不确定因素，所以在利用声纳创建栅格地图时，首先要对获得的数据进行处理，步骤如下：

（1）声纳传感器存在上下阀值，即有效的测量范围。当读数超过上下阀值时，读数取消；

（2）为了保证测量值更加精确，可以用同一个传感器在相同的位置上进行多次测量，最后求平均值；

（3）在用两个不同传感器对目标进行测量时，在相同位置获得的一组数据可能在两个不同的平均值上下浮动。

声纳传感器模型如图2-3所示： 

图2-3 建立的声纳传感器模型

声波辐射量程R=8m，辐射误差d=1。5m，辐射角度的范围是［－15°～15°］。α=15°是散射波束角度的一半。本实验是在建立声纳传感器模型的基础上，将获取的数据(距离r、方向角θ)转换成信度函数分配值，该值是对各个栅格为障碍物可靠性的一种评估。 基于生物启发神经网络的AUV三维路径规划(3):http://www.youerw.com/jisuanji/lunwen_202824.html