梁世勋，丁宁宁，刘 健

(1.中国科学院沈阳自动化研究所机器人学国家重点实验室，辽宁 沈阳 110016；2.中国科学院机器人与智能制造创新研究院，辽宁 沈阳 110169；3.中国科学院大学，北京 100049)

0 引 言

深入探索海洋需要越来越多的水下设备部署。当前以蓄电池为动力源的中小型自主水下机器人，续航能力普遍在10～40 h 之间。大型自主水下机器人可携带小型水下设备进行部署、回收；建立水下移动基站，为小型机器人补充能源；能够同时承担多种复合任务，水下设备的作业时间与作业范围能够大大增加。未来大规模水下机器人联网、协同对于高续航的大型自主水下机器人的安全性与自主性要求越来越高。机器人尺寸、重量的增加，其操纵性、机动性必然随之降低，灵活度势必减弱，这些问题使得大型机器人的环境模型更加复杂、机动性约束更加严格、路径选择更加困难，因此需要求解能力更强的全局静态与局部动态路径规划算法。

粒子群优化（PSO）优化算法具有算法简单、收敛迅速等优点，但各粒子间缺少信息交流，“搜索”能力与“收敛”能力难以完美平衡，局部最优解的“陷阱”难以完全避开。在利用PSO 算法规划全局路径时，大量文献在粒子群算法中，通过借鉴其他算法进行融合改进，并提高了粒子群算法的性能，取得良好效果。在全局静态路径规划研究中，文献[1]结合随机采样与均匀变异的方法来更新粒子，在高机动救援机器人的路径规划中生成了高质量的最优路径，但在保证收敛的前提下，其搜索能力仍需提高以保证机器人获取更大的安全活动空间；……