针对复杂水下环境中水下自主航行器(autonomous underwater vehicle,AUV)路径规划问题,提出一种改进启发式快速随机扩展树(rapidly-exploring random trees,RRT)的路径规划算法。针对路径点采样过程中缺乏目标导向性的问题,采用目标点...
详细信息
针对复杂水下环境中水下自主航行器(autonomous underwater vehicle,AUV)路径规划问题,提出一种改进启发式快速随机扩展树(rapidly-exploring random trees,RRT)的路径规划算法。针对路径点采样过程中缺乏目标导向性的问题,采用目标点概率偏置采样策略与目标偏向扩展策略,可使目标节点在随机采样时成为采样点。在路径点扩展过程中,使非目标采样点的扩展结点位置偏向于目标点的方向,从而增强算法在随机采样与扩展过程中的目标搜索能力。为解决水下路径规划过程中存在过多无效搜索空间的问题,在随机采样过程中引入启发式采样策略,构建包含所有初始路径的采样空间子集,减小采样空间范围,从而提高算法的空间搜索效率。针对AUV在水下环境中抗洋流扰动能力不足的问题,采用速度矢量合成法,使AUV速度矢量与洋流速度矢量合成后指向期望路径的方向,从而抵消水流的影响。在山峰地形中叠加多个Lamb涡流模拟水下流场环境,进行多次仿真实验。实验结果表明:改进启发式RRT算法解决了采样过程中随机性问题,显著缩小了搜索空间,兼顾了路径的安全性与平滑性,并使AUV具有良好的抗洋流扰动能力。
针对建筑物储能系统能量调度控制策略灵活性、智能性差的问题,提出一种基于滚动预测控制引导的深度确定性策略梯度调度方案(PGADDPG)。方案在DDPG网络基础上,制定混合奖励函数,利用注意力机制进行通信,增强储能设备间的协同交流;此外,使用循环平均和自注意力双向长短时网络(SA-BiLSTM),分别对负荷和光伏进行24小时滚动预测,依据预测结果制定分层控制策略引导强化学习训练,结合自适应权重调整及熵正则化,实现控制策略的平滑提升。在模拟微电网环境下,对装备有电池储能系统(Battery Energy Storage System,BESS)和光伏(Photovoltaic,PV)系统的多住宅进行测试,结果表明,所提方法能够在不确定场景下,对储能进行合理控制,使微电网节能减排、平抑用电波动的能力得到提高。
暂无评论