未知环境中无人驾驶船舶智能避碰决策方法

[目的]为了实现无人驾驶船舶在未知环境下的智能避障功能,[方法]首先,建立一种基于深度强化学习(DRL)技术的无人驾驶船舶智能避碰决策模型,分析无人驾驶船舶智能避碰决策面临的问题,提出智能避碰决策的设计准则。然后,在此基础上,建立基于Markov决策方法(MDP)的智能避碰决策模型,通过值函数求解决策模型中的最优策略,使无人驾驶船舶状态对行为映射中的回报最大,并专门设计由接近目标、偏离航线和安全性组成的激励函数。最后,分别在静态、动态障碍环境下进行仿真实验。[结果]结果表明,该智能决策方法可以有效避让障碍物,保障无人驾驶船舶在未知水域中的航行安全,[结论]所提方法可为无人驾驶船舶的自主航行提供理论参考。     

基于改进NSGA-Ⅲ的船舶路径规划方法

针对船舶路径规划过程中存在多个目标的问题,将船舶路径规划转化为多目标优化问题,提出一种基于改进NSGA-Ⅲ的船舶路径规划方法。研究建立以船舶航路安全性、平滑度及航程为优化目标的数学模型,并设计改进NSGA-Ⅲ求解模型。在种群初始化过程中,引入一种基于有向无环图的种群初始化方法。在种群进化过程中,引入安全算子、平滑算子、最短路径算子及快速修复算子以提高算法收敛速度。试验结果表明,基于改进NSGA-Ⅲ的船舶路径规划方法提高了规划效率,能够得到较好的规划结果。     

虚拟环境下船舶安全航行路径智能规划仿真

为使驾驶员能够识别出航道存在的危险,确保船舶航行安全,研究虚拟环境下船舶安全航行路径智能规划仿真方法。在虚拟环境下,基于船舶航道高程信息,利用连续极小泛函序列方法获取船舶航行航道等距网格数据,利用对象图像渲染引擎处理航道网格数据,得到航道地形模型。利用Solid Works软件,通过创建基准面、生成船舶船体型线以及构建船体曲面模型等过程生成船舶三维模型。根据生成的航道地形模型与船体模型,提出适用于三维空间路径规划的空间分层路径规划方法,通过逆向逐步搜索路径过程得到船舶安全航行路径规划结果。实验结果显示,该方法生成的航道地形与船体模型较为完善,路径规划过程中能够有效躲避固定障碍物与移动障碍物,既保障船舶航行安全性又确保航程最短。     

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。     

船舶航线规划中的精确控制算法研究

海洋开发及海上贸易不断深入,船舶作为海上最重要的交通工具朝着大型化、强动力及智能化方向发展。随之带来的是船舶航行速率的提高及船只密度的增加,船舶的安全航行越来越成为海洋开发关注的重点。船舶航行规划路径的精度控制直接关系到船舶的安全驾驶,操控过程中航迹误差控制是航行路径规划最重要的性能指标。本文研究船舶航行的操纵运行模型,提出一种基于遗传算法的航线精确控制非线性模型,最后对其进行仿真。     

船舶航行中快速疏散路径规划算法设计

传统船舶快速疏散路径模型对船舶航路交叉口限制不足,整体疏散速率较慢,为此提出船舶交通疏散路径规划算法。以船舶和航路为研究实体,以节点表示交叉口建立船舶疏散路径模型;以消散船舶路径冲突点为目标,建立目标函数,设置各变量界线。最后建立EERP算法,确定输入变量,根据目标函数界线执行路径计算,实现船舶疏散路径规划。仿真实验表明,与传统路径规划模型相比,该规划算法船舶交通冲突率降低27.4%;无阻疏散距离提高47.5%,有效提高了船舶交通疏散效率。     

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。     

基于改进蚁群算法的船舶冰区航行路径规划

在北极航道开通的背景下,针对在冰区航行环境中船舶航行路径选择的特殊性,通过改进蚁群算法提高船舶航行路径的规划效果。综合考虑航线距离、航行操作复杂度和流冰规避在内的冰区航行路径影响因素,建立路径选择多目标规划模型,结合人工势场法对蚁群算法进行改进,通过人工势场法获得初始路径和节点间距离因素构造启发信息,并以电子海图为基础建立海冰覆盖率分别为30%和50%情况下的冰区航道环境栅格模型,将算法应用在栅格模型中对算法进行验证。结果表明:该算法实现简单,规划的路径优良,能够有效地满足船舶在冰区复杂环境中航行路径规划的需要。     

云环境下船舶系统制造商的筛选研究

阐述在云环境下船舶系统制造商的筛选过程,构建筛选指标体系。在获取筛选权重的过程中利用主观权重和客观权重相结合的组合权重值。运用基于未知测度理论建立船舶系统制造商筛选模型,最后通过与实际应用相结合,提出利用此模型的实施建议。     

船舶避碰的粒子群-遗传(PSO-GA)的混合优化算法研究

随着海运航线的愈加繁忙,船舶碰撞事故时有发生,为避免船舶发生碰撞,船舶避碰决策研究已成为目前研究的热点.本文在既往研究的基础上,综合考虑船舶避碰的经济性及安全性要求,基于粒子群算法、遗传算法与非线性编程理论,建立了船舶避碰路径规划的优化模型,并通过具体案例进行仿真分析.仿真结果显示,粒子群遗传混合优化算法的收敛速度较快,船舶避碰的优化路径能够同时满足经济性及安全性要求,算法的有效性及运算效率均有了显著提高.     

基于神经动力学的水下目标观测路径规划

针对水下工程应用中的自治水下机器人目标观测的路径需求问题,提出基于生物启发神经动力学的路径规划方法,在二维栅格地图的基础上,建立二维生物启发神经网络模型,引入来自目标观测任务区域的激励信号和障碍物的抑制信号,任务区域能够全局地吸引机器人,障碍物对机器人具有局部排斥作用,从而使得机器人能够近距离观测目标。仿真结果表明,在未知的动态水下环境中,机器人能够有效规避障碍物,自主规划出目标观测路径和返航路径。     

船舶无人驾驶中的数据融合技术应用

海上船舶无人驾驶技术是现代海上信息化发展的重要方向,其不仅需要按照规定的航向航速运行,还需要考虑船舶碰撞及各类突然情况。无人驾驶技术对采集的信息及数据融合处理要求很高,通过各类传感器采集海上地形﹑环境﹑目标船只等信息,进行融合处理,为船舶无人操控提供可靠的航行数据。本文重点研究无人驾驶领域中利用AIS与雷达数据的信息融合方法,提出一种基于船舶航行及数据加权融合算法,最后进行仿真。     

机器学习在路径跟踪误差分析中的应用

为了提高无人驾驶船舶的控制精度,使无人驾驶船能够更好地完成探测任务,有必要对无人驾驶船舶的路径误差与控制进行研究。本文介绍了一种神经网络机器算法,基于该神经网络控制算法,设计了一种无人驾驶船舶路径跟踪与误差控制系统,取得了良好的效果。     

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。     

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。     

基于蚁群算法的AUV全局路径规划方法

在大范围海洋环境中，应用蚁群算法对自主式水下潜器（AUV）的全局路径规划问题进行了研究。基于栅格环境模型建立了蚁群可视图模型，设计了蚁群信息素更新规则；给出了蚁群全局路径规划的操作步骤；针对蚁群规划路径不平滑问题，设计了切割算子和插点算子。仿真实验结果表明，蚁群全局规划算法非常适合于求解复杂环境中的规划问题，规划时间短、路径平滑。     

基于自抗扰控制技术的船舶航向自动舵控制方法研究

本文基于线性Nomoto船舶运动模型,以传统PID控制器为基础,考虑到船舶自身状态和外界未知干扰对船舶航向系统的影响,对船舶航向自动舵控制系统引入自抗扰技术,建立以自抗扰控制方法为基础的船舶航向控制系统。最后利用Simulink仿真软件搭建系统的仿真模块,对改进的船舶航向控制系统的性能进行仿真验证。结果表明该方法具有较强鲁棒性、抗干扰性,解决了超调性与快速性之间的矛盾。在应对海上复杂的环境时有良好的动态性能和稳态性能。     

结合状态观测与遗传算法的船舶路径预测控制

为实现具有速度不易测﹑模型不确定﹑受外界因素干扰﹑输入需约束及优化等特点的欠驱动船舶的路径跟踪，提出带状态观测的模型预测控制（MPC）。在限制条件下利用MPC求解性能指标函数，处理舵角优化﹑舵幅与舵速约束问题。设计扩张状态观测器（ESO）对环境干扰和模型不确定项进行估计，提高MPC的性能。通过预测未来估计误差，利用遗传算法在线调节ESO参数，提高估计性能。基于指数函数建立速度观测器，避免速度不易测。稳定性分析和仿真试验结果表明，采用该结合状态观测的MPC船舶路径控制方案，当速度和干扰均未知时，船舶仍能跟踪上参考路径，舵角平滑且始终在约束值内，MPC控制精度和ESO估计精度均得到提高。研究结果说明该方案是可行的、有效的。     

基于蚁群优化的AUV全局路径规划研究(英文)

路径规划是自主式水下潜器(AUV)导航研究的重要课题,AUV可用于未知环境如海洋空间探测.在大范围海洋环境中,应用蚁群优化原理对自主式水下潜器的全局路径规划问题进行了研究.引入栅格建模方法建立了蚁群可视图模型,设计了蚁群信息素更新规则;给出了蚁群全局路径规划的操作步骤;针对蚁群规划路径不平滑问题,设计了切割算予和插点算子.仿真实验结果表明,蚁群全局规划算法非常适合于求解复杂环境中的规划问题,规划时间短、路径平滑,其原型系统可应用于非结构化无人环境监测.     

基于战术动作的舰艇作战指挥过程建模

针对舰艇作战过程的模拟仿真,在分析了舰艇作战指挥过程的构成与特性的基础上,将舰艇作战过程分解为我、敌及战场环境3个动作序列,并提出了基于作战过程分解的态势模型。进一步将作战过程分解为基本战术动作,并分析了作战目的和态势对作战动作转换的驱动机制,建立了基于基本战术动作的舰艇作战过程模型。