本發(fā)明屬于水下滑翔機(jī)，具體來(lái)說(shuō)涉及一種基于改進(jìn)rrt*算法的水下滑翔機(jī)路徑規(guī)劃方法。

背景技術(shù)：

1、水下滑翔機(jī)是一種新型的水下航行器，具有功耗低、航程長(zhǎng)、工作時(shí)間長(zhǎng)、隱蔽性高等優(yōu)點(diǎn)，因此，水下滑翔機(jī)在執(zhí)行長(zhǎng)期海洋資源探測(cè)任務(wù)時(shí)具有顯著優(yōu)勢(shì)。為提升水下滑翔機(jī)的偵察及探測(cè)效率，路徑規(guī)劃在其中起到至關(guān)重要的作用。

2、目前針對(duì)傳統(tǒng)移動(dòng)機(jī)器人的路徑規(guī)劃算法主要包括圖搜索算法、生物智能算法、機(jī)器學(xué)習(xí)、快速拓展隨機(jī)樹(shù)(rrt)算法。其中，a*與d*的圖搜索算法不適用于大規(guī)?；蚋呔鹊木W(wǎng)格地圖，隨著地圖尺寸增大，運(yùn)行時(shí)間急劇增加；生物智能算法中常用的算法主要包括蟻群算法(aco)和粒子群優(yōu)化算法(pso)，蟻群算法易于與洋流結(jié)合，對(duì)于最短路徑規(guī)劃具有明顯優(yōu)勢(shì)，但其存在收斂速度慢、計(jì)算時(shí)間長(zhǎng)、易陷入局部最優(yōu)等問(wèn)題，粒子群優(yōu)化算法由于粒子之間缺乏信息交互，存在過(guò)早收斂的問(wèn)題；機(jī)器學(xué)習(xí)中強(qiáng)化學(xué)習(xí)作為路徑規(guī)劃的技術(shù)手段雖然通常可得到最大收益路徑的效果，但存在維數(shù)爆炸、實(shí)驗(yàn)成本高、數(shù)學(xué)模型不確定性等諸多問(wèn)題?？焖偻卣闺S機(jī)樹(shù)算法通過(guò)生成采樣點(diǎn)，構(gòu)建根節(jié)點(diǎn)、采樣點(diǎn)以及目標(biāo)點(diǎn)之間的連邊，進(jìn)而生成從起點(diǎn)至終點(diǎn)的有效路徑。而rrt*算法在快速拓展隨機(jī)樹(shù)(rrt)算法的基礎(chǔ)上引進(jìn)chooseparent以及rewire，以使在隨機(jī)生成采樣點(diǎn)的過(guò)程中優(yōu)化快速拓展隨機(jī)樹(shù)的連邊結(jié)構(gòu)，其中，chooseparent以及rewire為rrt*算法的兩個(gè)內(nèi)置函數(shù)。

3、但rrt*算法以漸進(jìn)搜索無(wú)碰撞最短路徑為目標(biāo)進(jìn)行路徑規(guī)劃，并沒(méi)有考慮到海流對(duì)路徑規(guī)劃的影響以及求解出的路徑是否滿足水下滑翔機(jī)的航行或通行的條件，所以rrt*算法不能滿足水下滑翔機(jī)在復(fù)雜海洋環(huán)境下路徑規(guī)劃的需求。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種基于改進(jìn)rrt*算法的水下滑翔機(jī)路徑規(guī)劃方法。

2、本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)。

3、基于改進(jìn)rrt*算法的水下滑翔機(jī)路徑規(guī)劃方法，包括以下步驟：

4、s1，準(zhǔn)備矩形海試區(qū)域的深度平均流數(shù)據(jù)，深度平均流數(shù)據(jù)包括：矩形海試區(qū)域內(nèi)坐標(biāo)點(diǎn)的速度矢量，每個(gè)坐標(biāo)點(diǎn)的速度矢量包括該坐標(biāo)點(diǎn)的速度大小和方向，其中，方向?yàn)樵撟鴺?biāo)點(diǎn)在不同深度下的海流速度方向的平均值，速度大小為該坐標(biāo)點(diǎn)在不同深度下的海流速度大小的平均值；

5、s2，對(duì)矩形海試區(qū)域進(jìn)行網(wǎng)格化處理，在經(jīng)度方向上得到xnum個(gè)相同的方格海域、在緯度方向上得到y(tǒng)num個(gè)相同的方格海域；其中，將每個(gè)方格海域的四個(gè)頂點(diǎn)的深度平均流數(shù)據(jù)的平均值作為該方格海域的深度平均流數(shù)據(jù)；

6、s3，提取矩形海試區(qū)域中rrt*算法的偏好采樣區(qū)域；

7、s4，基于偏好采樣區(qū)域按照下述“獲取路徑的方法”循環(huán)執(zhí)行，每次執(zhí)行“獲取路徑的方法”后得到一個(gè)路徑，當(dāng)?shù)螖?shù)達(dá)到k時(shí)，輸出當(dāng)前最佳路徑，其中，每次執(zhí)行“獲取路徑的方法”后，將該次執(zhí)行“獲取路徑的方法”所得路徑的消耗時(shí)間與此前“獲取路徑的方法”生成的所有路徑中消耗時(shí)間最小的路徑進(jìn)行比較，保留時(shí)間最小的路徑作為當(dāng)前最佳路徑，每次執(zhí)行“獲取路徑的方法”所得的隨機(jī)搜索樹(shù)用于下一次執(zhí)行“獲取路徑的方法”；其中，迭代次數(shù)為在“獲取路徑的方法”循環(huán)執(zhí)行的過(guò)程中步驟1執(zhí)行的次數(shù)總和，k為迭代次數(shù)的設(shè)定上限，即最大迭代次數(shù)；

8、其中，獲取路徑的方法包括：

9、步驟1，確定采樣點(diǎn)xrand：將目標(biāo)點(diǎn)xgoal作為采樣點(diǎn)xrand或在偏好采樣區(qū)域內(nèi)隨機(jī)選取點(diǎn)作為采樣點(diǎn)xran，

10、步驟2，基于rrt*算法，將起點(diǎn)xinit作為隨機(jī)搜索樹(shù)的根節(jié)點(diǎn)，在隨機(jī)搜索樹(shù)中將距離采樣點(diǎn)xrand最近的點(diǎn)作為采樣點(diǎn)xrand的最鄰近節(jié)點(diǎn)xnearest，其中，根據(jù)采樣點(diǎn)xrand和最鄰近節(jié)點(diǎn)xnearest組成的方向向量和擴(kuò)展步長(zhǎng)s，確定xnew的經(jīng)緯度坐標(biāo)，判斷xnearest至xnew之間的路徑的有效性：如果xnearest至xnew之間的路徑具有有效性，將xnearest作為xnew的父節(jié)點(diǎn)，并將xnew與其父節(jié)點(diǎn)xparent進(jìn)行連接，如果xnearest至xnew之間的路徑不具有有效性，則返回步驟1重新執(zhí)行；其中，將xnearest和xnew作為相鄰路徑點(diǎn)，按照“判斷相鄰路徑點(diǎn)之間路徑的有效性的方法”判斷xnearest至xnew之間的路徑的有效性；

11、步驟3，根據(jù)海流影響程度i更新xnew的父節(jié)點(diǎn)xparent，包括步驟3-1和步驟3-2：

12、步驟3-1，以xnew為圓心、r為半徑構(gòu)建xnew的圓形鄰域，將在隨機(jī)搜索樹(shù)中且在該圓形鄰域內(nèi)的所有節(jié)點(diǎn)作為xnew的鄰域節(jié)點(diǎn)集合，其中，n為隨機(jī)搜索樹(shù)的節(jié)點(diǎn)的數(shù)量，c是一個(gè)常數(shù)，c根據(jù)應(yīng)用場(chǎng)景進(jìn)行設(shè)定，d為rrt*算法中搜索空間的維度；

13、步驟3-2，遍歷xnew的鄰域節(jié)點(diǎn)集合，將xnew和鄰域節(jié)點(diǎn)集合中每個(gè)鄰域節(jié)點(diǎn)xnear作為相鄰路徑點(diǎn)，根據(jù)“判斷相鄰路徑點(diǎn)之間路徑的有效性的方法”，判斷鄰域節(jié)點(diǎn)集合中的每個(gè)鄰域節(jié)點(diǎn)xnear到xnew的路徑是否有效，并使得有效的路徑對(duì)應(yīng)的鄰域節(jié)點(diǎn)xnea組成有效鄰域節(jié)點(diǎn)集合；計(jì)算有效鄰域節(jié)點(diǎn)集合中每個(gè)鄰域節(jié)點(diǎn)xnear對(duì)應(yīng)的海流影響程度itotal,其中，itotal＝i1+i2，i1為鄰域節(jié)點(diǎn)xnear到xnew的路徑的海流影響程度，i2為自起點(diǎn)xinit經(jīng)過(guò)當(dāng)前隨機(jī)搜索樹(shù)的節(jié)點(diǎn)運(yùn)動(dòng)至鄰域節(jié)點(diǎn)xnear的路徑中所有相鄰節(jié)點(diǎn)之間路徑的海流影響程度的總和；選擇有效鄰域節(jié)點(diǎn)集合中最大的海流影響程度itotal對(duì)應(yīng)的鄰域節(jié)點(diǎn)xnear作為xnew的父節(jié)點(diǎn)xparent，并將xnew與其父節(jié)點(diǎn)xparent進(jìn)行連接，其中，隨機(jī)搜索樹(shù)中的每個(gè)節(jié)點(diǎn)有且僅有一個(gè)父節(jié)點(diǎn)；

14、步驟4，對(duì)步驟3-2的有效鄰域節(jié)點(diǎn)集合中除xnew的父節(jié)點(diǎn)之外的每個(gè)xnear按照重組連邊方法進(jìn)行計(jì)算，重組連邊方法包括步驟4-1和步驟4-2：

15、步驟4-1，采用“計(jì)算相鄰路徑點(diǎn)之間路徑的運(yùn)動(dòng)時(shí)間的方法”計(jì)算從起點(diǎn)xinit經(jīng)過(guò)當(dāng)前隨機(jī)搜索樹(shù)的節(jié)點(diǎn)運(yùn)動(dòng)至xnear的運(yùn)動(dòng)時(shí)間t1；采用“計(jì)算相鄰路徑點(diǎn)之間路徑的運(yùn)動(dòng)時(shí)間的方法”計(jì)算從起點(diǎn)xinit經(jīng)過(guò)當(dāng)前隨機(jī)搜索樹(shù)的節(jié)點(diǎn)運(yùn)動(dòng)至xnew再?gòu)膞new沿直線運(yùn)動(dòng)至xnear的運(yùn)動(dòng)時(shí)間t2；

16、步驟4-2，若t1>t2，則令xnear與其父節(jié)點(diǎn)斷開(kāi)連接，將xnew作為該xnear的父節(jié)點(diǎn)，并將xnew與該xnear進(jìn)行連接，更新當(dāng)前隨機(jī)搜索樹(shù)，該xnear的判斷方法結(jié)束；如果t1≤t2，則不對(duì)當(dāng)前隨機(jī)搜索樹(shù)進(jìn)行更新，該xnear的判斷方法結(jié)束；

17、步驟5，判斷xnew與目標(biāo)點(diǎn)xgoal之間的歐式距離是否小于距離閾值dthreshhold：若xne與目標(biāo)點(diǎn)xgoal之間的歐式距離是大于等于距離閾值dthreshhold，則返回步驟1；若xnew與目標(biāo)點(diǎn)xgoal之間的歐式距離是小于距離閾值dthreshhold，則執(zhí)行步驟6；

18、步驟6，根據(jù)“判斷相鄰路徑點(diǎn)之間路徑的有效性的方法”判斷從xnew至目標(biāo)點(diǎn)xgoal的路徑的有效性：如果從xnew至目標(biāo)點(diǎn)xgoal的路徑有效，則將xnew作為目標(biāo)點(diǎn)xgoal的父節(jié)點(diǎn)，并將xnew與目標(biāo)點(diǎn)xgoal進(jìn)行連接，更新當(dāng)前隨機(jī)搜索樹(shù)；如果從xnew至目標(biāo)點(diǎn)xgoal的路徑無(wú)效，則基于蒙特卡洛圓形區(qū)域采樣策略在xnew與目標(biāo)點(diǎn)xgoal之間補(bǔ)充路徑點(diǎn)，并將補(bǔ)充的路徑點(diǎn)及其對(duì)應(yīng)連邊加入至隨機(jī)搜索樹(shù)中，更新當(dāng)前隨機(jī)搜索樹(shù)；

19、步驟7，在步驟6得到的隨機(jī)搜索樹(shù)中，將目標(biāo)點(diǎn)xgoal作為當(dāng)前路徑點(diǎn)，根據(jù)隨機(jī)搜索樹(shù)找到當(dāng)前路徑點(diǎn)的父節(jié)點(diǎn)作為下一個(gè)當(dāng)前路徑點(diǎn)，繼續(xù)尋找下一個(gè)當(dāng)前路徑點(diǎn)的父節(jié)點(diǎn)，重復(fù)上述操作，直到追溯到起點(diǎn)xinit為止，得到從目標(biāo)點(diǎn)xgoal至起點(diǎn)xinit的所有路徑點(diǎn)，進(jìn)而得到從起點(diǎn)xinit至目標(biāo)點(diǎn)xgoal的一條路徑。

20、上述技術(shù)方案中，s3包括：s3-1、s3-2、s3-3、s3-4和s3-5：

21、s3-1，在矩形海試區(qū)域中，設(shè)置水下滑翔機(jī)的任務(wù)的起點(diǎn)xinit和目標(biāo)點(diǎn)xgoal，將水下滑翔機(jī)的任務(wù)的起點(diǎn)xinit和水下滑翔機(jī)的任務(wù)的目標(biāo)點(diǎn)xgoal連線的方向作為方向向量固定起點(diǎn)xinit并以方向向量順時(shí)針和逆時(shí)針各旋轉(zhuǎn)ω，所圍成的角度范圍作為閾值范圍ωthreshhold，提取該閾值范圍ωthreshhold在矩形海試區(qū)域內(nèi)的所有坐標(biāo)點(diǎn)并組成數(shù)組array；

22、s3-2，包括s3-2-1、s3-2-2、s3-2-3、s3-2-4和s3-2-5，具體步驟如下：

23、s3-2-1，令j＝1；

24、s3-2-2，創(chuàng)建一個(gè)空的簇cj；

25、s3-2-3，在數(shù)組array中任取一個(gè)坐標(biāo)點(diǎn)添加至簇cj中，并在數(shù)組array中刪除該坐標(biāo)點(diǎn)，刪除后數(shù)組array作為數(shù)組array′，使i＝1；

26、s3-2-4，計(jì)算數(shù)組array′中第i個(gè)坐標(biāo)點(diǎn)到簇cj中所有坐標(biāo)點(diǎn)的歐氏距離，得到距離集合di；

27、s3-2-5，判斷距離集合di中是否存在小于設(shè)定的距離閾值lthreshold的歐氏距離：如果存在，則將數(shù)組array′中第i個(gè)坐標(biāo)點(diǎn)添加至簇cj中且保持?jǐn)?shù)組array′不變，執(zhí)行s3-2-6；如果不存在，則直接執(zhí)行s3-2-6；

28、s3-2-6，令i的值加1，如果i小于或等于數(shù)組array′中坐標(biāo)點(diǎn)總數(shù)量，則執(zhí)行s3-2-4～s3-2-5；如果i大于數(shù)組array′中坐標(biāo)點(diǎn)總數(shù)量，則刪除數(shù)組array′中與簇cj相同的所有坐標(biāo)點(diǎn)，刪除后數(shù)組array′作為數(shù)組array″，清空s3-2-3中的數(shù)組array，并將數(shù)組array″中的所有坐標(biāo)點(diǎn)賦值給s3-2-3中的數(shù)組array，令j的值加1，重復(fù)執(zhí)行步驟s3-2-2～s3-2-6，直到數(shù)組array″為空，此時(shí)j＝j(luò)，得到j(luò)個(gè)簇c1......cj；

29、s3-3，將j個(gè)簇c1......cj作為輸入，重復(fù)下述合并簇方法，直至簇的數(shù)量不再變化，得到j(luò)′個(gè)合并簇，其中，合并簇方法包括：如果任意兩個(gè)簇中存在兩個(gè)坐標(biāo)點(diǎn)之間的歐氏距離小于設(shè)定的距離閾值lthreshold，則合并該兩個(gè)簇；

30、s3-4，篩選簇：選擇j′個(gè)合并簇中同時(shí)包括水下滑翔機(jī)的任務(wù)的起點(diǎn)xinit和目標(biāo)點(diǎn)xgoal的一個(gè)簇作為目標(biāo)簇；

31、s3-5，基于alpha?shapes算法提取目標(biāo)簇的外輪廓，將目標(biāo)簇的外輪廓的內(nèi)部區(qū)域作為偏好采樣區(qū)域。

32、上述技術(shù)方案中，獲取路徑的方法中的步驟1，具體操作如下：

33、在[0,1]區(qū)間內(nèi)生成一個(gè)隨機(jī)數(shù)rand，比較生成的隨機(jī)數(shù)rand與預(yù)設(shè)閾值p的大小關(guān)系：若隨機(jī)數(shù)rand小于閾值p，則將目標(biāo)點(diǎn)xgoal作為采樣點(diǎn)xrand；若隨機(jī)數(shù)rand大于或等于預(yù)設(shè)閾值p，則在矩形海試區(qū)域內(nèi)進(jìn)行隨機(jī)采樣，得到采樣點(diǎn)xrand，判斷該采樣點(diǎn)xrand是否位于偏好采樣區(qū)域內(nèi)，若該采樣點(diǎn)xrand不在偏好采樣區(qū)域內(nèi)，則重新在矩形海試區(qū)域內(nèi)進(jìn)行隨機(jī)采樣，直至采樣點(diǎn)xrand位于偏好采樣區(qū)域內(nèi)。

34、上述技術(shù)方案中，獲取路徑的方法中的步驟3-2中，計(jì)算隨機(jī)搜索樹(shù)中兩節(jié)點(diǎn)之間路徑的海流影響程度i的計(jì)算公式如下：

35、

36、式中，m是兩節(jié)點(diǎn)之間路徑經(jīng)過(guò)的方格海域的數(shù)量，θk表示兩節(jié)點(diǎn)之間路徑經(jīng)過(guò)的所有方格海域中第k個(gè)方格海域內(nèi)兩節(jié)點(diǎn)之間路徑的前進(jìn)方向與第k個(gè)方格海域的深度平均流數(shù)據(jù)對(duì)應(yīng)的方向之間的夾角，dk表示兩節(jié)點(diǎn)之間路徑在第k個(gè)方格海域內(nèi)的路徑長(zhǎng)度，vk表示兩節(jié)點(diǎn)之間路徑經(jīng)過(guò)的第k個(gè)方格海域的深度平均流數(shù)據(jù)的速度大小。

37、上述技術(shù)方案中，獲取路徑的方法中的步驟6中，利用蒙特卡洛圓形區(qū)域采樣策略在xnew與目標(biāo)點(diǎn)xgoal之間補(bǔ)充路徑點(diǎn)具體步驟如下：

38、xnew到目標(biāo)點(diǎn)xgoal的路徑所經(jīng)過(guò)的方格海域個(gè)數(shù)為a，設(shè)q為xnew到目標(biāo)點(diǎn)xgoal的路徑與其無(wú)效的子路徑的方格海域邊界的第一個(gè)交點(diǎn)；根據(jù)“判斷相鄰路徑點(diǎn)之間路徑的有效性的方法”判斷xnew到q的路徑是否具有有效性，如果有效，則執(zhí)行(1)；如果無(wú)效，則執(zhí)行(2)；

39、(1)將q作為路徑點(diǎn)并再增加路徑點(diǎn)m，以使路徑xnewq、路徑qm、路徑mxgoal均具有有效性，更新當(dāng)前隨機(jī)搜索樹(shù)，其中，獲取路徑點(diǎn)m的具體步驟如下：

40、以q和xgoal連線的中點(diǎn)為圓心，q和xgoal連線的長(zhǎng)度為半徑構(gòu)建圓形采樣區(qū)域，并利用蒙特卡洛算法思想在圓形采樣區(qū)域內(nèi)進(jìn)行采樣得到滿足需求的點(diǎn)作為路徑點(diǎn)m，同時(shí)舍棄不滿足需求的點(diǎn)，將路徑點(diǎn)m作為目標(biāo)點(diǎn)xgoal的父節(jié)點(diǎn)，使目標(biāo)點(diǎn)xgoal與路徑點(diǎn)m連接,將路徑點(diǎn)q作為路徑點(diǎn)m的父節(jié)點(diǎn)，使路徑點(diǎn)m與路徑點(diǎn)q連接，將xnew作為路徑點(diǎn)q的父節(jié)點(diǎn)，使路徑點(diǎn)q與xnew連接；

41、(2)通過(guò)增加路徑點(diǎn)m，使得xnew至m的路徑具有有效性，m至xgoal的路徑具有有效性，更新當(dāng)前隨機(jī)搜索樹(shù)，獲取路徑點(diǎn)m的具體步驟如下：

42、以xnew和xgoal連線的中點(diǎn)為圓心，xnew和xgoal連線的長(zhǎng)度為半徑構(gòu)建圓形采樣區(qū)域，并利用蒙特卡洛算法思想在圓形采樣區(qū)域內(nèi)進(jìn)行采樣得到滿足需求的點(diǎn)作為路徑點(diǎn)m，同時(shí)舍棄不滿足需求的點(diǎn)，將路徑點(diǎn)m作為目標(biāo)點(diǎn)xgoal的父節(jié)點(diǎn),使目標(biāo)點(diǎn)xgoal與路徑點(diǎn)m連接，將xnew作為路徑點(diǎn)m的父節(jié)點(diǎn)，使路徑點(diǎn)m與xnew連接。

43、上述技術(shù)方案中，判斷相鄰路徑點(diǎn)之間路徑的有效性的方法為：

44、(1)，判斷相鄰路徑點(diǎn)之間的路徑是否經(jīng)過(guò)不可通行區(qū)域，如果經(jīng)過(guò)，則相鄰路徑點(diǎn)之間路徑為無(wú)效；如果不經(jīng)過(guò)，則執(zhí)行下述步驟：

45、(2)，將路徑經(jīng)過(guò)每個(gè)方格海域的部分路徑作為一段子路徑，令e＝1；

46、(3)，根據(jù)速度計(jì)算公式計(jì)算第e段子路徑的vf和θug，其中，速度計(jì)算公式如下：

47、vug×cosθug+vcur×cosθcur＝vf×cosθf(wàn)

48、vug×sinθug+vcur×sinθcur＝vf×sinθf(wàn)，

49、其中，為水下滑翔機(jī)在第e段子路徑的水平面方向上的速度矢量，vug為中速度大小，θug為中方向與正東方向的夾角；為第e段子路徑所在方格海域的深度平均流數(shù)據(jù)，vcur為中速度大小，θcur為中方向與正東方向的夾角；為和的合速度矢量，vf為中速度大小，θf(wàn)為中方向與正東方向的夾角；

50、上述公式中，vug、vcur、θcur、θf(wàn)均為已知量，通過(guò)已知量計(jì)算vf和θug；

51、(4)，判斷vf是否大于0：如果vf≤0，則第e段子路徑為無(wú)效；

52、(5)，如果vf>0，則第e段子路徑為有效，令e的值加1，重復(fù)執(zhí)行(3)-(4)，直到e大于該路徑中子路徑的數(shù)量為止，若路徑中所有子路徑均有效，則該路徑具有有效性；其中，不可通行區(qū)域?yàn)楹５咨疃容^淺或極端環(huán)境對(duì)應(yīng)的海域。

53、本發(fā)明由于采取以上技術(shù)方案，具有以下優(yōu)點(diǎn)：

54、1.本發(fā)明的水下滑翔機(jī)路徑規(guī)劃方法，通過(guò)提取矩形海試區(qū)域中rrt*算法的偏好采樣區(qū)域，確保了采樣點(diǎn)盡可能規(guī)避逆流海域的影響，解決了rrt*算法在海域環(huán)境中盲目采樣的問(wèn)題，有效提升了本發(fā)明的水下滑翔機(jī)路徑規(guī)劃方法的采樣效率。

55、2.本發(fā)明的水下滑翔機(jī)路徑規(guī)劃方法，通過(guò)引入海流影響程度i，將海流影響程度i作為隨機(jī)搜索樹(shù)選取父節(jié)點(diǎn)的有力依據(jù),實(shí)現(xiàn)了根據(jù)海流影響程度引導(dǎo)隨機(jī)搜索樹(shù)的連邊，本發(fā)明的水下滑翔機(jī)路徑規(guī)劃方法基于運(yùn)動(dòng)時(shí)間進(jìn)行重組連邊，進(jìn)而提升了探索效率。

56、3.本發(fā)明的水下滑翔機(jī)路徑規(guī)劃方法，在考慮了不可通行區(qū)域的基礎(chǔ)上，提出了“判斷相鄰路徑點(diǎn)之間路徑的有效性的方法”，保證了本發(fā)明的水下滑翔機(jī)路徑規(guī)劃方法得到的路徑在海域環(huán)境中的可行性以及適用性。

57、4.本發(fā)明的水下滑翔機(jī)路徑規(guī)劃方法，針對(duì)本發(fā)明規(guī)劃出的路徑中最后兩個(gè)路徑點(diǎn)之間的無(wú)效路徑提出了蒙特卡洛圓形區(qū)域采樣策略，以使本發(fā)明規(guī)劃出的路徑具有有效性，解決了傳統(tǒng)rrt*算法在海域環(huán)境下未考慮路徑是否具有有效性(是否可通行)的問(wèn)題，提升了本發(fā)明的水下滑翔機(jī)路徑規(guī)劃方法的規(guī)劃效率。

58、5.本發(fā)明的水下滑翔機(jī)路徑規(guī)劃方法，基于路徑消耗時(shí)間進(jìn)行優(yōu)化規(guī)劃路徑，確保規(guī)劃路徑更加符合實(shí)際需求，提升了本發(fā)明的水下滑翔機(jī)路徑規(guī)劃方法在海域環(huán)境下的適用性。