波浪滑翔机是一种用于海洋环境观测的无人自主航行器,其独特的双体机构可以将波浪起伏转化为航行动力,具有超长续航、自主导航定位、人工智能识别等特点。波浪滑翔机可以根据任务需求搭载各种传感器,进行海洋环境的数据采集,实现海面、水下、空中的通信中继和目标监测。这种新型的监测平台,克服了传统海洋观测方式能源的限制,使长距离、长时间的海洋观测成为可能。我国已实现了波浪滑翔机的自主研发,掌握了通信、导航、监测等关键技术,其中路径规划是实现自主导航的前决条件,是研究工作的重点和难点。通过对路径规划算法的研究和分析,针对波浪滑翔机的动力特点和航行环境,本文提出了基于人工探路蚁的蚁群路径规划算法ACA-Apa(Ant Colony Algorithm based on Artifical Pathfinder Ant)。首先,引入人工探路蚁种群,通过探路蚁对可行节点方向的障碍物分布提前探索并将信息反馈给搜索蚁,增加了搜索蚁的视觉范围,避免了搜索蚁陷入障碍物内部出现折返或死亡现象,减小了算法陷入死锁的几率;其次,综合考虑海洋环境对波浪滑翔机航行速度的影响,提高了航线距离和耗时的综合效果;最后,引入变异算子,利用路径节点数和信息素浓度控制变异方向,增加解的多样性的同时提高算法收敛速度。为进一步提高算法的性能,将ACA-Apa算法和改进适应度函数的遗传算法进行融合,提高算法的迭代收敛速度。针对动态障碍物环境,采用二次规划的思想,即先静态路径规划,再动态局部路径规划,并对部分局部路径进行平滑处理,以减少因避障而改变的部分路径对整体路径效果的影响。通过仿真模拟,融合算法能够适用于不同的海洋环境,有效避免了算法死锁和局部最优解,提高了收敛速度,并且规划出的路线距离短、安全性高。