

已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、自主式水下機器人(Autonomous Underwater Vehicle),簡稱AUV,是一種在具備自主導航和規(guī)劃能力的基礎上可進行水下環(huán)境探測和海洋開發(fā)的運載平臺,可代替人類到危險或者難以到達的水域,擴大了人類在水下的探測范圍,增強了人類在水下的作業(yè)能力。路徑規(guī)劃對智能水下機器人的運動有著至關重要的作用,一直以來都是研究的熱門課題。根據(jù)各種傳感器采集的周圍環(huán)境數(shù)據(jù),從目前所處位置開始出發(fā),安全繞過障礙物,到達設定的目標點的最優(yōu)路徑
2、,直接關系到AUV自身的安全,最終關系到自主導航的成功與否。
論文首先介紹AUV的國內外研究現(xiàn)狀,分析了AUV的路徑規(guī)劃原理和常用的方法,對各種方法的優(yōu)缺點進行對比,分析出這些方法對路徑規(guī)劃的不足,路徑規(guī)劃要解決的有兩個問題:環(huán)境的建模和路徑的搜索。
在全局路徑規(guī)劃中,對已知的環(huán)境地圖中障礙物進行膨脹和預處理,用四叉樹環(huán)境建模,節(jié)省了環(huán)境信息的保存空間,使搜索更加快捷,然后運用A*算法搜尋路徑,能保證向終點方向進行最
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于極限學習機的AUV決策控制系統(tǒng)的研究.pdf
- 基于深度學習的極限學習機算法研究.pdf
- 基于極限學習機的圖像標注研究.pdf
- 基于集成學習的極限學習機的算法研究.pdf
- 基于穩(wěn)健估計的極限學習機方法研究.pdf
- 基于極限學習機的多示例算法研究.pdf
- 基于極限學習機的半監(jiān)督分類.pdf
- 極限學習機的研究與應用.pdf
- 基于極限學習機的目標識別算法研究.pdf
- 基于Hadoop的差分進化極限學習機研究.pdf
- 基于極限學習機的風電功率預測研究.pdf
- 基于極限學習機的實物期權定價模型研究
- 基于極限學習機的實物期權定價模型研究.pdf
- 基于極限學習機的短期電力負荷預測.pdf
- 基于極限學習機的選擇性集成學習算法研究.pdf
- 支持隱私保護的極限學習機研究.pdf
- 深度極限學習機的研究與應用.pdf
- 基于堆疊極限學習機的衛(wèi)星云圖分類研究.pdf
- 基于序列數(shù)據(jù)獲取的改進極限學習機算法研究.pdf
- 基于監(jiān)督聚類的極限學習機的增量學習算法研究.pdf
評論
0/150
提交評論