盛亮， 苏宁， 罗荣， 冯炜

(1.海军航空大学 航空基础学院，山东，烟台 264001； 2.锦西工业学校，辽宁，葫芦岛 125001；3.海军研究院，北京 102442)

自主水下潜航器(autonomous underwater vehicle，AUV)在复杂的海洋环境中航行时，一是事先不可能预知航路范围内的所有固定障碍物和威胁区；二是突发的移动障碍物，比如大型鱼类、鱼群、其他水下潜航器等也可能出现在预先规划好的航路上；三是预先规划的全局航路上也可能会遇到时空变化剧烈的海流. 以上这些情况都会危及AUV的航行安全，故其必须具备良好的自主实时避障、避险航路规划能力. 基于此，众多学者开展了AUV实时避障航路规划方法的研究.

文献[1-10]中开展了水下潜航器的实时避障航路规划研究，如进化计算[1]、遗传算法[2]、粒子群算法[3-4]、蚁群[5]、人工势场法[6,7]、几何方法[8]、生物启发方法[9]以及启发式搜索的D*Lite算法[10]等，仿真表明这些算法都能够有效地规避未知的静止障碍物和突发运动障碍物，但这些算法都存在一个明显的先天不足之处：未知障碍物建模为圆形或球形，且假定圆心或球心和半径可由传感器获得的信息直接得出. 而在实际航行中，AUV很难获得障碍物的具体尺寸和中心位置. 文献[11-13]中基于虚拟子目标的思想研究了机器人的避障路径规划，原理清晰、简单，实现方便. 此外，从AUV实时避障航路规划的众多研究中可知，绝大多数的实时避障研究仍在二维平面内进行，少量的三维空间避障规划也是将空间分成了水平面和垂直面进行规划，理论……