• 中国科技核心期刊
  • JST收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进混合运动麻雀搜索算法的水电站ROV路径规划

曾学文 黄秀华 陈敏 周达 张福林

曾学文, 黄秀华, 陈敏, 等. 基于改进混合运动麻雀搜索算法的水电站ROV路径规划[J]. 水下无人系统学报, 2024, 32(2): 320-327 doi: 10.11993/j.issn.2096-3920.2023-0162
引用本文: 曾学文, 黄秀华, 陈敏, 等. 基于改进混合运动麻雀搜索算法的水电站ROV路径规划[J]. 水下无人系统学报, 2024, 32(2): 320-327 doi: 10.11993/j.issn.2096-3920.2023-0162
ZENG Xuewen, HUANG Xiuhua, CHEN Min, ZHOU Da, ZHANG Fulin. ROV Path Planning of Hydropower Plants Based on Improved Hybrid Motion Sparrow Search Algorithm[J]. Journal of Unmanned Undersea Systems, 2024, 32(2): 320-327. doi: 10.11993/j.issn.2096-3920.2023-0162
Citation: ZENG Xuewen, HUANG Xiuhua, CHEN Min, ZHOU Da, ZHANG Fulin. ROV Path Planning of Hydropower Plants Based on Improved Hybrid Motion Sparrow Search Algorithm[J]. Journal of Unmanned Undersea Systems, 2024, 32(2): 320-327. doi: 10.11993/j.issn.2096-3920.2023-0162

基于改进混合运动麻雀搜索算法的水电站ROV路径规划

doi: 10.11993/j.issn.2096-3920.2023-0162
详细信息
    作者简介:

    曾学文(1984-), 男, 工程师, 主要研究方向为清洁智能发电及能源动力控制

  • 中图分类号: TJ630.34; U666

ROV Path Planning of Hydropower Plants Based on Improved Hybrid Motion Sparrow Search Algorithm

  • 摘要: 水下遥控机器人(ROV)路径规划是水电站水下巡检作业的关键。针对电站水库下复杂环境及现有路径规划算法存在规划时间长、算法稳定性差、易陷入局部最优及生成路径不平滑等问题, 提出一种基于改进混合运动麻雀搜索算法的水电站ROV路径规划方法。首先, 引入佳点集改进麻雀种群初始化方法, 提高了种群多样性; 其次, 提出混合运动策略优化麻雀群体位置更新方式, 提高了算法收敛精度及稳定性; 然后, 结合工程实际问题, 考虑水库下水流速度大、强磁场、障碍物以及投入成本等因素,建立了包含时间成本、路径威胁、水流扰动和偏置函数的多元目标函数; 最后, 采用三次B样条插值得到最优光滑路径。仿真结果表明, 相较于其他路径规划算法, 所提方法在计算精度、收敛速度和稳定性方面表现更好, 适用于水电站水下巡检任务。

     

  • 图  1  种群分布对比

    Figure  1.  Comparison of population distribution

    图  2  算法流程

    Figure  2.  Flow chart of the algorithm

    图  3  仿真环境建模图

    Figure  3.  Diagram of simulation environment modeling

    图  4  不同仿真算法下ROV路径规划结果对比

    Figure  4.  Results of ROV path planing under different simulation algorithms

    图  5  不同算法耗时对比

    Figure  5.  Time consumption comparison of different algorithms

    表  1  不同算法实验性能对比

    Table  1.   Experimental performance comparsion of different algorithms

    算法Tbest/sTmean/sSTD/sPs/%Tsingle/s
    PSO87.0987.9136.9154.9511.25
    BOA86.5988.4528.2762.429.87
    WOA85.2486.7432.6978.3610.32
    SSA84.1285.3723.4579.418.57
    SSA-C82.0483.2519.2785.968.24
    IMMSSA79.9481.0212.7497.428.06
    下载: 导出CSV
  • [1] 苏畅, 谢宝丰, 程科林, 等. 水电站水下建筑物受冲磨蚀破坏修复方案研究与实践[J]. 广东水利水电, 2021(5): 17-22.

    Su Chang, Xie Baofeng, Cheng Kelin, et al. Research and practice on repairing scheme of underwater buildings damaged by erosion and erosion in hydropower station[J]. Guangdong Water Resources and Hydropower, 2021(5): 17-22.
    [2] 井国庆, 卜俊杰, 蔡加付. 基础设施的水下机器人检测应用与展望[J]. 水利技术监督, 2023(7): 18-20, 81.

    Jing Guoqing, Pu Junjie, Cai Jiafu. Underwater robotic inspection of infrastructure applications and perspectives[J]. Technical Supervision in Water Resources, 2023(7): 18-20, 81.
    [3] 修皓天. 基于Dijkstra算法的拉萨市旅游公共交通线路规划[J]. 中国新技术新产品, 2023(10): 137-139.

    Xiu Haotian. Tourist public transportation route planning for Lhasa city based on Dijkstra’s algorithm[J]. New Technology & New Products of China, 2023(10): 137-139.
    [4] 郭超, 陈香玲, 郭鹏, 等. 基于时空A*算法的多AGV无冲突路径规划[J]. 计算机系统应用, 2023, 31(10): 137-139.

    Guo Chao, Chen Xiangling, Guo Peng, et al. Multi-AGV non-conflict path planning based on space-time A* algorithm[J]. Computer Systems & Applications, 2023, 31(10): 137-139.
    [5] 李钧泽, 孙咏, 焦艳菲, 等. 基于改进人工势场的AGV路径规划算法[J]. 计算机系统应用, 2022, 31(3): 269-274.

    Li Junze, Sun Yong, Jiao Yanfei, et al. AGV path planning algorithm based on improved artificial potential field[J]. Computer Systems & Applications, 2022, 31(3): 269-274.
    [6] 徐小小, 周启银, 席艳艳, 等. 基于改进RRT算法的路径规划[J]. 中国科技信息, 2023(17): 124-127.

    Xu Xiaoxiao, Zhou Qiyin, Xi Yanyan, et al. Path planning based on improved RRT algorithm[J]. China Science and Technology Information, 2023(17): 124-127.
    [7] 程泽新, 李东生, 高杨. 一种改进遗传算法的无人机航迹规划[J]. 计算机仿真, 2019, 36(12): 31-35.

    Cheng Zexin, Li Dongsheng, Gao Yang. GASA drone path planning to improve mutation strategy[J]. Computer Simulation, 2019, 36(12): 31-35.
    [8] 唐文倩, 徐海芹, 刘洋. 基于改进PSO混合算法的无人机三维路径规划研究[J]. 青岛大学学报(自然科学版), 2023, 36(3): 57-63.

    Tang Wenqian, Xu Haiqin, Liu Yang. Research on 3D path planning of UAV based on improved PSO hybrid algorithm[J]. Journal of Qingdao University(Natural Science Edition), 2023, 36(3): 57-63.
    [9] 钱平, 顾才东, 鲜学丰, 等. 基于改进蚁群算法的水下机器人路径规划研究[J]. 制造业自动化, 2022, 44(12): 181-184,208.

    Qian Ping, Gu Caidong, Xian Xuefeng, et al. Research on underwater robot path planning based on improved ant colony algorithm[J]. Manufacturing Automation, 2022, 44(12): 181-184,208.
    [10] 孙兵, 朱大奇, 杨元元. 基于粒子群优化的自治水下机器人模糊路径规划[J]. 高技术通讯, 2013, 23(12): 1284-1291.

    Sun Bing, Zhu Daqi, Yang Yuanyuan. Fuzzy path planning for autonomous underwater vehicles based on particle swarm optimization[J]. Chinese High Technology Letters, 2013, 23(12): 1284-1291.
    [11] 龙舰涵, 许湘扬. 基于改进萤火虫算法的无人机路径规划[J]. 计算机测量与控制, 2023, 31(5): 166-173.

    Long Jianhan, Xu Xiangyang. AUV path planning based on improved firefly algorithm[J]. Computer Measurement & Control, 2023, 31(5): 166-173.
    [12] 马小陆, 梅宏, 谭毅波, 等. 蝴蝶优化算法的移动机器人全局路径规划研究[J]. 机械科学与技术, 2023, 42(12): 2085-2092.

    Ma Xiaolu, Mei Hong, Tan Yibo, et al. Research of butterfly optimization algorithm of global path planning for mobile robot[J]. Mechanical Science and Technology for Aerospace Engineering, 2023, 42(12): 2085-2092.
    [13] 赵俊涛, 罗小川, 刘俊秘. 改进鲸鱼优化算法在机器人路径规划中的应用[J]. 东北大学学报(自然科学版), 2023, 44(8): 1065-1071.

    Zhao Juntao, Luo Xiaochuan, Liu Junmi. Application of improved whale optimization algorithm in robot path planning[J]. Journal of Northeastern University(Natural Science), 2023, 44(8): 1065-1071.
    [14] 方泗喃, 高萍萍, 肜郝捷, 等. 基于改进天牛须搜索算法的路径规划方法[J]. 信息技术与信息化, 2021(11): 23-28.

    Fang Sinan, Gao Pingping, Tong Haojie, et al. A path planning method based on an improved tenkara whisker search algorithm[J]. Information Technology and Informatization, 2021(11): 23-28.
    [15] Xue J, Shen B. A novel swarm intelligence optimization approach: sparrow search algorithm[J]. Systems science & control engineering, 2020, 8(1): 22-34.
    [16] 汤安迪, 韩统, 徐登武, 等. 基于混沌麻雀搜索算法的无人机航迹规划方法[J]. 计算机应用, 2021, 41(7): 2128-2136.

    Tang Andi, Han Tong, Xu Dengwu, et al. Path planning method of unmanned aerial vehicle based on chaos sparrow search algorithm[J]. Journal of Computer Applications, 2021, 41(7): 2128-2136.
    [17] 宋立业, 胡朋举. 改进SSA在三维路径规划中的应用[J]. 传感器与微系统, 2022, 41(3): 158-160.

    Song Liye, Hu Pengju. Application of improved SSA in 3D path planning[J]. Transducer and Microsystem Technologies, 2022, 41(3): 158-160.
    [18] 程孟飞, 丁蕊. 基于佳点集遗传算法的多路径覆盖测试用例生成[J]. 计算机与数字工程, 2022, 50(9): 1940-1944.

    Cheng Mengfei, Ding Rui. Multi-path coverage test case generation based on improved good point set genetic algorithm[J]. Computer & Digital Engineering, 2022, 50(9): 1940-1944.
  • 加载中
图(5) / 表(1)
计量
  • 文章访问数:  57
  • HTML全文浏览量:  16
  • PDF下载量:  23
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-12-12
  • 修回日期:  2024-01-03
  • 录用日期:  2024-02-07
  • 网络出版日期:  2024-03-12

目录

    /

    返回文章
    返回
    服务号
    订阅号