摘要
本发明公开了一种面向复杂海洋环境的AUV路径规划与控制一体化方法，主要针对海底地形起伏、洋流扰动频繁以及动态障碍物分布不确定等水下导航难题，提出一种融合强化学习与局部避障的智能路径控制方案。该方法通过构建真实感三维海洋栅格环境，利用改进Q‑learning算法完成全局路径规划，生成一组最优路径点序列，确保AUV具备宏观导航能力。结合三维动态窗口法(3D DWA)进行局部避障，通过速度采样与轨迹预测动态规避突发障碍。进一步引入基于深度强化学习的DDPG控制策略，实现路径规划与控制执行的端到端训练，系统可根据实时感知状态直接输出控制指令。方法中融合了余弦衰减学习率、自适应探索机制、能耗惩罚函数、动态障碍预测与控制动作滤波技术，有效提升路径规划的智能性、控制输出的平稳性与避障响应的鲁棒性。通过本发明，可显著增强AUV在复杂海洋环境下的自主导航能力、环境适应能力与安全任务完成效率，为水下作业提供可靠的智能控制技术支撑。
