目录1.摘要2.改进A*算法3.无人艇路径规划与自主避碰4.IDWA算法5.论文结果6.参考文献7.算法辅导·应用定制·读者交流1.摘要针对复杂海况及COLREGs避碰规则要求本文提出一种融合改进A* 算法与DQN动态窗口法IDWA无人艇自主导航算法该算法能有效避开动静态障碍物并防止陷入局部最优实验证实其在多艇、多目标场景下兼具高效性与安全性为自主航行提供了新思路。2.改进A*算法两阶段路径优化在航路点周围设置浅红色危险区以确保安全距离采用双重剪枝法剔除冗余航路点。第一阶段若两点间无障碍则直接连线简化路径第二阶段若连线入侵危险区则向前回溯迭代连接第m − 1 m-1m−1或m − 2 m-2m−2个像元直至避开危险区从而在保障安全的前提下缩短航程、减少转折。3.无人艇路径规划与自主避碰采用Nomoto三自由度模型及船舶参数评估无人艇USV运动轨迹其运动特性及短时间间隔Δ t \Delta tΔt内的坐标推算公式如下{ ψ ˙ r r ˙ 1 T ( K δ − r ) δ ˙ 1 T E ( δ d − δ ) \begin{cases} \dot{\psi} r \\ \dot{r} \frac{1}{T}(K\delta - r) \\ \dot{\delta} \frac{1}{T_E}(\delta_d - \delta) \end{cases}⎩⎨⎧ψ˙rr˙T1(Kδ−r)δ˙TE1(δd−δ){ x ( t 1 ) x ( t ) [ u vessel cos ψ ( t ) − v vessel sin ψ ( t ) ] Δ t y ( t 1 ) y ( t ) [ u vessel sin ψ ( t ) v vessel cos ψ ( t ) ] Δ t ψ ( t 1 ) ψ ( t ) r ( t ) Δ t \begin{cases} x(t1) x(t) [u_{\text{vessel}} \cos\psi(t) - v_{\text{vessel}} \sin\psi(t)]\Delta t \\ y(t1) y(t) [u_{\text{vessel}} \sin\psi(t) v_{\text{vessel}} \cos\psi(t)]\Delta t \\ \psi(t1) \psi(t) r(t)\Delta t \end{cases}⎩⎨⎧x(t1)x(t)[uvesselcosψ(t)−vvesselsinψ(t)]Δty(t1)y(t)[uvesselsinψ(t)vvesselcosψ(t)]Δtψ(t1)ψ(t)r(t)Δt结合最近会合距离DCPA和最近会合时间TCPA评估碰撞风险当满足下式时判定存在碰撞危险并触发避碰( DCPA X d ) 2 ( TCPA X t ) 2 ≤ 1 \left(\frac{\text{DCPA}}{X_d}\right)^2 \left(\frac{\text{TCPA}}{X_t}\right)^2 \leq 1(XdDCPA)2(XtTCPA)2≤14.IDWA算法结合 COLREGs 规则的速度空间剪枝IDWA 根据本船OS与目标船TS的相对方位将相遇态势划分为对遇、左舷交叉、右舷交叉和追越四种场景。基于 DQN 的评价函数权重自适应训练针对传统 DWA 权重系数人工调参困难的问题引入DQN其状态输入包括本船速度、位置、船长、航向角及期望航向角。总奖惩函数设计为R r e w a r d r 1 r 2 r 3 r 4 R_{\mathrm{reward}}r_1r_2r_3r_4Rrewardr1r2r3r45.论文结果6.参考文献Guan W, Wang K. Autonomous collision avoidance of unmanned surface vehicles based on improved A-star and dynamic window approach algorithms[J]. IEEE Intelligent Transportation Systems Magazine, 2023, 15(3): 36-50.7.算法辅导·应用定制·读者交流xx
2023年IEEE ITSM，基于改进A*与DWA算法的无人艇自主避碰
发布时间：2026/6/5 11:33:48
目录1.摘要2.改进A*算法3.无人艇路径规划与自主避碰4.IDWA算法5.论文结果6.参考文献7.算法辅导·应用定制·读者交流1.摘要针对复杂海况及COLREGs避碰规则要求本文提出一种融合改进A* 算法与DQN动态窗口法IDWA无人艇自主导航算法该算法能有效避开动静态障碍物并防止陷入局部最优实验证实其在多艇、多目标场景下兼具高效性与安全性为自主航行提供了新思路。2.改进A*算法两阶段路径优化在航路点周围设置浅红色危险区以确保安全距离采用双重剪枝法剔除冗余航路点。第一阶段若两点间无障碍则直接连线简化路径第二阶段若连线入侵危险区则向前回溯迭代连接第m − 1 m-1m−1或m − 2 m-2m−2个像元直至避开危险区从而在保障安全的前提下缩短航程、减少转折。3.无人艇路径规划与自主避碰采用Nomoto三自由度模型及船舶参数评估无人艇USV运动轨迹其运动特性及短时间间隔Δ t \Delta tΔt内的坐标推算公式如下{ ψ ˙ r r ˙ 1 T ( K δ − r ) δ ˙ 1 T E ( δ d − δ ) \begin{cases} \dot{\psi} r \\ \dot{r} \frac{1}{T}(K\delta - r) \\ \dot{\delta} \frac{1}{T_E}(\delta_d - \delta) \end{cases}⎩⎨⎧ψ˙rr˙T1(Kδ−r)δ˙TE1(δd−δ){ x ( t 1 ) x ( t ) [ u vessel cos ψ ( t ) − v vessel sin ψ ( t ) ] Δ t y ( t 1 ) y ( t ) [ u vessel sin ψ ( t ) v vessel cos ψ ( t ) ] Δ t ψ ( t 1 ) ψ ( t ) r ( t ) Δ t \begin{cases} x(t1) x(t) [u_{\text{vessel}} \cos\psi(t) - v_{\text{vessel}} \sin\psi(t)]\Delta t \\ y(t1) y(t) [u_{\text{vessel}} \sin\psi(t) v_{\text{vessel}} \cos\psi(t)]\Delta t \\ \psi(t1) \psi(t) r(t)\Delta t \end{cases}⎩⎨⎧x(t1)x(t)[uvesselcosψ(t)−vvesselsinψ(t)]Δty(t1)y(t)[uvesselsinψ(t)vvesselcosψ(t)]Δtψ(t1)ψ(t)r(t)Δt结合最近会合距离DCPA和最近会合时间TCPA评估碰撞风险当满足下式时判定存在碰撞危险并触发避碰( DCPA X d ) 2 ( TCPA X t ) 2 ≤ 1 \left(\frac{\text{DCPA}}{X_d}\right)^2 \left(\frac{\text{TCPA}}{X_t}\right)^2 \leq 1(XdDCPA)2(XtTCPA)2≤14.IDWA算法结合 COLREGs 规则的速度空间剪枝IDWA 根据本船OS与目标船TS的相对方位将相遇态势划分为对遇、左舷交叉、右舷交叉和追越四种场景。基于 DQN 的评价函数权重自适应训练针对传统 DWA 权重系数人工调参困难的问题引入DQN其状态输入包括本船速度、位置、船长、航向角及期望航向角。总奖惩函数设计为R r e w a r d r 1 r 2 r 3 r 4 R_{\mathrm{reward}}r_1r_2r_3r_4Rrewardr1r2r3r45.论文结果6.参考文献Guan W, Wang K. Autonomous collision avoidance of unmanned surface vehicles based on improved A-star and dynamic window approach algorithms[J]. IEEE Intelligent Transportation Systems Magazine, 2023, 15(3): 36-50.7.算法辅导·应用定制·读者交流xx
