舰船管道检测机器人最优移动路径自动规划算法

现有舰船管道检测路径自动规划算法存在搜索时间与路径长度较长的问题,因此提出一种新的舰船管道检测机器人最优移动路径自动规划算法。对舰船管道检测机器人最优移动路径规划的对应数学模型进行构建。利用舰船管道检测机器人检测运行空间对应概率,配置舰船管道检测机器人的运行环境。通过在线查询实现舰船管道检测机器人最优移动路径自动规划算法。实验结果表明,该路径自动规划算法的搜索时间与路径长度均低于现有算法,实现了性能突破。     

蚁群算法在船舶路径优化仿真中的应用

随着航运业的发展,海上物流的经济性成为各国需要考虑的重要因素之一,对各港口的船舶进行路径优化成为现代航运业的重要研究方向。同时,船舶的路径优化朝着智能化方向发展。蚁群算法是解决路径优化问题最常用的算法,但是其求解结果往往陷入了局部最优解,在海上船舶路径规划中具有局限性。本文研究传统路径优化中的蚁群算法,针对海上船舶航行特点,对蚁群算法中的信息素更新策略及搜索区域机制进行改进,提高算法的效率。     

船舶智能巡检机器人移动路径的自动控制与优化

传统机器人移动路径控制优化方法,其规划路径迭代次数较少,局部采样间隔较长,导致局部路径与规划路径存在偏差,且对巡检目标点定位不准确。为此,提出船舶智能巡检机器人移动路径的自动控制与优化方法。网格划分舰船环境信息,获取起始点至目标点的所有无碰路径,通过遗传算法,搜索出最优全局路径,检测全局最优路径环境信息,构造一个人工势场函数,判定机器人所受合力的方向和大小,在全局路径中局部控制机器人行进,再计算新位置势能,直至机器人到达目标点。进行对比实验,结果表明,此次设计方法相比传统方法,规划路径行进偏差减小了0.069 m,对目标点的定位偏差减小了5.39 cm,机器人自动控制更加精确。     

基于遗传算法规划路径的船舶避碰系统

为了更好地解决船舶避碰路径规划问题,寻找到船舶运动的最优最短的避碰路径,提出了遗传算法规划路径的船舶避碰系统,首先在遗传算法的选择、交叉和变异阶段,利用粒子群算法引入强化变异、改进交叉对象、变异淘汰机制,从而对遗传算法进行自我调整,避免遗传算法陷入局部最优,然后,将寻优得到的最优个体的位置与速度进行解码,得到最优的船舶避碰规划路径,最后进行了仿真实验。实验结果表明,本文算法不仅能够得到最优的船舶运动避碰路径,安全性高,而且整个求解所需时间最少,具有明显的优势,对于船舶运动避碰路径规划问题求解具有较好的可行性。     

船舶自动航行中的多目标遗传算法应用

船舶自动航行是未来航海领域重要的关键技术,算法通过对船舶航行目标及安全水域的分析,自动的寻找船舶航行最佳路径,属于路径规划研究一类。标准遗传算法通过对遗传物质基因的继承和映射,来寻找自然进化过程中的最优解,也是解决路径规划类问题的重要方法,但是其最优解往往会陷入局部最优,需要进行优化。本文研究海上自动航行中的路径匹配模型,利用多目标遗传算法给出船舶路径规划图解决方法,并对算法进行仿真。     

基于CSSOA的多船智能避碰决策研究

[目的]智能避碰决策作为船舶安全航行的关键技术之一,对智能船舶的发展具有重要意义。针对多船会遇下的智能避碰决策问题,提出一种基于高斯变异和Tent混沌的改进麻雀搜索优化算法（CSSOA）。[方法]算法采用Tent混沌映射初始化麻雀原始种群,提高其多样性,并对适应能力差和搜索停滞的麻雀个体进行混沌映射,利用高斯变异提升局部搜索能力和鲁棒性,改进方案优化启发式算法收敛速度慢和易陷入局部最优的问题。综合考虑船舶间船速比、最小会遇距离、相对距离、最小会遇时间、相对方位等因素,利用模糊隶属度函数建立船舶碰撞风险模型,并通过多船典型会遇场景进行实例验证。[结果]实验结果显示,改进算法的平均迭代次数较粒子群算法和原麻雀算法分别减少了77.97%和53.57%。[结论]改进后的麻雀优化算法能以更优的收敛速度寻到安全经济的避碰路径,为船舶驾驶员提供避碰决策参考。     

船舶物流路径规划的数学模型构建及求解

船舶物流路径规划的研究具有十分重要的经济价值,当前船舶物流路径规划方法无法找到最优的船舶物流路径规划方案,使得船舶物流运输的成本过高,为此本文设计了基于蚁群算法和粒子群算法的船舶物流路径规划方法。首先分析船舶物流路径规划研究的历史,建立船舶物流路径规划的数学模型,然后采用粒子群算法对船舶物流路径规划的数学模型进行求解,找到有效的船舶物流路径规划方案集合,并在此基础上采用蚁群算法对船舶物流路径规划方案集合进行搜索,找到最优的船舶物流路径规划方案,最后与单一蚁群算法、粒子群算法进行了船舶物流路径规划问题求解的仿真实验。本文方法避免了单一蚁群算法、粒子群算法求解速度慢,难以找到最优船舶物流路径规划方案不足,得到的船舶物流路径规划方案可以帮助企业节约物流运输成本。     

海上交通高峰航线船舶疏导路径规划仿真分析

面对海上交通高峰航线船舶疏导路径规划复杂性,研究海上交通高峰航线船舶疏导路径规划仿真分析方法,以确定最佳的船舶疏导路径。构建以航程、安全性、平滑性最小为海上交通高峰航线船舶疏导路径规划目标函数,采用栅格法仿真模拟海上交通高峰航线船舶环境,利用仿真软件实施建模,经改进遗传算法寻找海上交通高峰航线船舶疏导路径规划模型的全局最优解后,采用非性规划求解海上交通高峰航线船舶疏导路径规划模型的局部最优解,确定最佳的船舶疏导路径,实现海上交通高峰航线船舶疏导路径规划仿真。仿真结果表明,该方法针对2种场景下海上交通高峰航线船舶疏导路径具有较好的方向性,所规划最优疏导路径安全性、平滑性、航程均最小,符合海上交通高峰航线船舶疏导路径目标函数。     

船型方案优化设计的应用探讨

根据设计船舶的具体要求确定设计变量、目标函数及约束条件，构造描述船舶优化设计的数学模型。运用有约束条件非线性规划问题的罚函数算法、多目标决策问题的分层序列算法，结合MATLAB“Optimization Toolbox”进行优化计算。计算结果和实际营运效果表明，优化船型船舶与本航区同类非优化船型船舶相比，营运性能有显著提高。     

改进遗传算法的船舶航行路径规划方法

船舶航行环境十分复杂,路径规划是保证船舶智能航行的基本技术,针对当前船舶航行路径规划方法存在搜索最优路径速度慢、得到最优路径质量差等缺陷,设计了基于改进遗传算法的船舶航行路径规划方法。首先对船舶航行路径规划原理进行分析,构建船舶航行路径规划的建模环境,然后产生船舶航行路径规划的可行解,引入改进遗传算法模拟生物进化机制对船舶航行路径规划可行解进行分析,搜索到最优的船舶航行路径规划方案,最后在Matlab 2017平台上进行了船舶航行路径规划仿真测试。改进遗传算法不仅能够在有效时间内找到最优的船舶航行路径规划方案,让船舶航行路径十分安全,能够有效避开所有障碍物,而且找到船舶航行路径规划方案的迭代次数明显减少,是有一种有效的船舶航行路径规划方法。     

船舶网络通信最优路径的规划与设计

最优路径的规划与设计对船舶网络通信系统至关重要,针对当前船舶网络通信最优路径的规划与设计方法存在数据传输成功率低、数据传输时延长的缺陷,提出基于蚁群优化算法的船舶网络通信最优路径规划与设计方法。首先对当前船舶网络通信最优路径的规划与设计研究进展进行回顾,指出各种船舶网络通信最优路径的规划与设计方法的缺陷,然后采用蚁群优化算法搜索食物原理对船舶网络通信最优路径的规划问题进行求解,找到最优的船舶网络通信最优路径,最后采用C++编程实现了船舶网络通信最优路径的规划仿真测试,结果表明,蚁群优化算法可以提高船舶网络通信系统的数据传输成功率,减少船舶网络通信数据传输时延长,数据丢包率大幅度减少,获得了理想的船舶网络通信效果。     

交互式水域环卫机器人的避障路径规划算法

为使交互式水域环卫机器人（Interactive Water Sanitation Vehicle，IWSV）在进行垃圾收集时成功捕获水中浮动垃圾并顺利规避水域障碍物，提出一种将基于采样的快速搜索随机树（Rapidly-exploring Random Tree，RRT）算法与速度障碍模型相结合的路径规划算法。利用双目摄像头基于视差定位法获取水域动态障碍物的位置坐标，利用IWSV搭载的感应元件获取其自身与障碍物的相对方位角，基于速度障碍法计算可成功避开障碍物的移动角度调整范围，对更优的RRT*算法中的随机采样过程进行进一步优化，得到改进的避障路径规划算法。考虑实际应用场景，引入抗积分饱和比例积分微分控制（Proportional Integral Differential Control，PID Control）法使航向控制器的控制效果更为精准有效。在实景测试时避障路径规划算法存在稳健性，基于到达时间（Time of Arrival，TOA）定位法进行仿真分析。仿真试验结果表明，该路径规划算法比RRT算法和改进前的RRT*算法路径规划效果更优，可靠性更好，可在较短时间内避障并得到较优移动路径。在实景测试时基于TOA的Chan算法更加符合定位估计需求，且IWSV本体感应装置的噪声测算宜在10 m以内。     

遗传算法的改进策略及其应用

针对基本遗传算法在优化应用中遇到的诸如局部搜索能力差，计算量大，对较大搜索空间适应能力差和早熟收敛等棘手问题，本文将传统的单纯形搜索算法与遗传算法结合，提出了一种混合遗传算法，并在进行操作中将交叉，变异概率与个体的适应度结合提出一种个体自适应概率，使算法在产生新个体的同时，最大限度地保护优秀个体不受破霈，从而提高了整个算法的运算效率，在上述基础上又引入了加循环操作以加强对优秀个体的利用率，进一步提高算法的效率，通过典型测试函数的数值算例验证，表明本文方法不但可以有效的克服遗传算法的上述缺陷，而且计算速度，稳定性，精度都有明显提高。     

基于弹性网格的改进遗传算法在无人艇路径规划中的研究

针对传统遗传算法进行路径规划时搜索空间大、出现过多搜索冗余和收敛效率低等问题,提出在基于网格的遗传算法上加入弹性网格概念。在低密度的网格地图下求解当前最优路径,针对转向点局部增加网格密度,进一步路径寻优,如此重复,以减小算法搜索空间,提高路径规划效率;同时,给出自适应变异概率,使其根据各代路径离散程度自适应调整大小,以提高各代路径多样化,并进行仿真分析和试验。仿真结果表明:平均迭代次数明显少于传统遗传算法,收敛速度得到改善,最终寻优路径达到与障碍物无干涉,总长度明显较短的基本预期效果。     

基于人工智能技术的船舶航迹点生成算法

利用栅格法构建海洋环境数据模型作为船舶航迹点生成的模拟图.在此基础上将航行距离最短与航行障碍物最少作为目标构建船舶航迹点生成数学模型,使用自适应交叉概率与变异概率优化鱼群算法,使用优化后的鱼群算法确定船舶航迹点生成数学模型的最终解,获取最佳船舶航迹点.经过试验分析,该算法能够准确生成船舶航迹点,与同类算法相比具有明显优...     

基于移动定位技术的船舶自动避礁行驶路径精确识别

由于船舶位置模糊,导致传统的船舶自动避礁行驶路径识别方法存在误差大、效率低的问题,为此提出基于移动定位技术的船舶自动避礁行驶路径精确识别方法。利用投影变换原理生成并显示船舶行驶环境电子海图,并分析在礁石环境中,船舶自动避礁的行驶方式。利用移动定位技术,实时采集船舶的行驶位置信息,并在电子海图中显示定位结果。最终通过路径生成和地图匹配2个步骤,得出最终的船舶自动避礁行驶路径识别结果。实验结果表明:设计方法的识别误差仅为1.67 km,平均时间开销为2.18 s,即具有较高的运行效率。     

基于改进A*GBNN算法的AUV路径规划研究

针对现有的离散生物启发神经网络(Glasius bioinspired neural networks, GBNN)算法在未知环境下,存在的路径规划时间长、易陷入局部最优等问题,提出一种结合A*与GBNN模型的改进算法。在GBNN活性值栅格网络中,算法将各栅格的活性值作为A*的代价函数进行运算并使用跳点搜索规则优化,实现未知环境下的实时路径规划。仿真实验结果表明,该算法有效改善了自主水下航行器在未知环境下的寻路效率,可以满足自主水下航行器实时路径规划需求。     

基于动态油耗模型的节能航迹规划

针对某案例船的实时能耗数据库，从航迹角度分析了能耗特性并设计了一种节能航迹规划方法。首先，采用栅格法构建了海域模型，根据环境参数与船舶性能参数对船舶油耗的影响，拟合了船舶油耗模型，并植入到海域栅格模型中；进而采用里程蚁和能耗蚁协同规划机制，设计了一种双蚁群算法，提升了算法对格栅属性的动态适应性；最后，基于案例船能耗数据库执行了动态节能航迹规划算法，迭代过程和路径节能效果表明：该算法拥有高效的寻优能力并且收敛速度较快，能为船舶实时节能航迹规划技术提供解决方案。     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

未知环境中水下无人航行器的路径规划方法

针对水下无人航行器路径规划需要提前获得海图以得到全局障碍物信息,难以做到未知环境下实时规划路径的问题,提出一种对探测空间进行采样并判断采样点是否具有障碍,最终将探测到的障碍结果加权赋值给A*算法待扩展点的方法,实现了探测与路径规划同步进行,同时考虑到航行器的运动学约束,将A*算法的搜索域修正为圆域并且仅搜索在运动学约束...