规则约束下基于深度强化学习的船舶避碰方法

为减少因人为操作不当导致的船舶避碰事故,提高船舶航行的安全性,提出一种基于深度Q网络(Deep Q Network, DQN)强化学习方法的船舶智能避碰算法。依据船舶间实时获取的航行状态信息,从全局角度构建智能避碰算法深度强化学习状态集;在对《国际海上避碰规则》(International Regulations for Preventing Collisions at Sea,COLREGs)进行充分理解的基础上合理量化部分COLREGs,综合考虑航向跟随、船舶碰撞和规则符合等因素,设计船舶智能避碰DQN算法奖励函数,保证避碰决策安全有效且满足避碰规则的要求。分别针对两船和多船会遇场景进行仿真试验,结果表明:该方法可使船舶在COLREGs的要求下有效避让来船,为船舶智能避碰技术的研究提供参考。     

复杂场景下港口水域船舶异常行为智能识别方法

传统的船舶异常行为识别方法在识别复杂场景下港口水域船舶行为时,识别准确率过低。针对这一问题研究了一种新的船舶异常行为智能识别方法,设定了识别模板,由数据库模块、匹配模块和识别模块3部分组成,给出了识别模板内部算法的计算流程,同时计算港口信息和船舶信息,得到背景值和目标值后进行比较,判断船舶行为是否存在异常,以此实现异常行为的智能识别。与传统识别方法进行实验对比,结果表明,所研究的识别方法准确率更高,识别效果更好。     

水面无人艇动态避碰策略研究

针对水面无人艇局部路径规划的局限性,本文提出基于水面无人艇操纵运动模型的动态智能避碰,根据海事规则将局面划分为对遇、交叉相遇以及追越3种局面,在MMG模型基础上,通过避碰模型改变USV的航速和航向,完成USV对动态障碍物的智能避碰.通过实验仿真表明,该方法有效地完成USV对动态障碍物的危险避碰,符合USV实际航行避碰操纵要求.     

水面无人艇动态避碰策略研究

针对水面无人艇局部路径规划的局限性,本文提出基于水面无人艇操纵运动模型的动态智能避碰,根据海事规则将局面划分为对遇、交叉相遇以及追越3种局面,在MMG模型基础上,通过避碰模型改变USV的航速和航向,完成USV对动态障碍物的智能避碰。通过实验仿真表明,该方法有效地完成USV对动态障碍物的危险避碰,符合USV实际航行避碰操纵要求。     

基于改进RRT算法的无人艇编队路径规划技术

[目的]为了解决无人艇编队在智能航行时全局路径规划与局部自主避碰问题,提出基于改进快速搜索随机树(RRT)算法的无人艇编队路径规划技术。[方法]针对无人艇编队形状稳定问题,在RRT算法扩展环节提出一种非严格保形修正向量与非严格保形控制圆区域,使搜索树有朝着严格保形坐标点生长的趋势;针对突发障碍物与非严格保形规划点碰撞问题,在RRT算法碰撞检测环节提出可调节避碰圆区域与障碍物修正向量,使无人艇安全避碰并最大程度地保持队形稳定。[结果]结果显示,无人艇编队在该算法作用下表现出了良好的保形性能,并能对突发障碍物进行有效的避碰。[结论]该算法效能高、稳定性强、路径规划质量高,在实际工程应用中具有重要的意义。     

机器学习在智能辅助避碰系统中的应用

阐述船舶智能辅助避碰系统的基本决策过程,聚类算法在危险区域划分中的应用,以及在碰撞危险度计算中利用大量实船数据训练神经网络模型的机器学习方法。优化相关参数的计算方法,提升智能辅助避碰系统的可靠度和实用性。     

基于粒子群-遗传优化算法的船舶避碰决策

为能在开阔水域中提升船舶驾驶员在多船会遇场景下的避碰决策能力,按照国际海上避碰规则(Convention on the International Regulations for Prerenting Collisions at Sea,COLREGs)的要求,综合考虑船舶航行的安全性与经济性,提出一种基于粒子群-遗传(Partide Swam Optimization-Genetic Algorithm,PSO-GA)的混合优化避碰决策算法。基于最近会遇距离(Distance of Close Point of Approaching,dCPA)和最近会遇时间(Time to Close Point of Approaching,tCPA)确定船舶碰撞危险度(Collision Risk Index,ICR)的计算方法,基于转向幅度与航行时间建立避碰决策目标函数。基于PSO-GA算法具有提高收敛精度和加速全局寻优的特点,当ICR≥0.5时,启动PSO-GA算法,获得让路船舶在全局范围内的最佳转向幅度和在新航向上的航行时间。仿真结果表明:与单独使用PSO或GA算法相比,PSO-GA算法能够以较少的迭代次数找到安全经济避碰航线。提出的避碰决策算法能够为船舶驾驶人员在避碰决策中提供参考,有助于提升船舶航行的安全性和降低船舶碰撞事故发生的风险。     

基于船舶领域模型的船舶碰撞危险识别方法

为解决传统船舶碰撞危险识别算法对目标船运动参数考虑不全以及在各方位采取相同安全会遇距离(Safe Distance Approach,S_(DA))的缺陷,构建一种适用于动态复杂船舶领域模型的碰撞危险识别方法。选取KIJIMA船舶领域模型来界定船舶安全会遇范围,结合其几何形状,根据不同来船方位将其划分为4个区域;提出一种新的碰撞危险识别决策参数:相对运动航向上边界(φ_(r_Upper))和下边界(φ_(r_Lower)),并推导出适用于不同区域的危险识别参数计算方法,确定在目标船与本船安全会遇时应避免的相对运动航向区间,构建碰撞危险识别模型。通过设置8种不同的会遇场景进行仿真验证,结果表明:构建的方法能对目标船的碰撞危险进行有效识别,可为具备自主避碰能力的船舶智能航行系统研发提供技术参考。     

基于大数据与人工智能的舰船避碰路径优化调度算法

舰船航行路径中存在许多障碍物,当前舰船避碰路径优化调度算法存在障碍物识别正确率低、规划路径长,不仅无法获得最优的舰船航行路径,而且不能保证舰船航行的安全,为了获得最优的舰船航行路径,设计了基于大数据与人工智能的舰船避碰路径优化调度算法。首先分析当前舰船避碰路径优化调度算法的工作原理,找到弊端,然后引入大数据分析方法建立舰船避碰路径优化的数学模型,实现障碍物识别,并采用人工智能技术——遗传算法找到最优的舰船避碰路径,最后进行舰船避碰路径优化调度算法性能的仿真测试,结果表明,本文方法可以更快找到最优的舰船避碰路径,舰船避碰路径更短,不仅减少了舰船航行的时间和成本,而且可以准确识别各种舰船障碍物,具有显著的优越性。     

基于驾驶实践的无人船智能避碰决策方法

[目的]为实现沿海无人驾驶船舶自主航行,充分考虑无人驾驶船舶智能避碰决策的合理性和实时性后,提出并建立一种基于驾驶实践的无人船智能避碰决策方法。[方法]首先,以本体论为基础,设计无人驾驶船舶航行态势本体概念模型,并结合《国际海上避碰规则》及良好的船艺将船舶航行态势量化划分为12种会遇场景;然后,从驾驶实践的角度改进影响碰撞危险度因子的模糊隶属度函数,提出一种多元碰撞危险度评估模型,实现船舶碰撞危险度的精确计算;最后,以船舶避碰总路径最短为目标函数,提出一种基于驾驶员视角(BOP)的智能避碰决策模型,在船舶操纵性、舵角限幅等约束下求解最优避碰策略,并在典型的会遇场景下进行仿真实验。[结果]结果表明,该方法可以准确判断驾驶航行态势,给出合理的转向策略,实现典型会遇场景下的有效避碰。[结论]所做研究可为实现船舶自主航行提供理论基础和方法参考。     

一种用于群无人艇避碰的动态分组策略

为提高水面无人艇(Umanned Surface Vehicle, USV)的避碰能力,实现群水面无人艇之间的自主避碰,针对遵守国际海上避碰规则的无人艇提出一种动态分组策略的避碰方法。在群无人艇避碰的动态分组策略中,考虑无人艇的操纵特性,分析其几何位置关系,对遵守国际海上避碰规则的运动目标进行行为预测,利用交通流的特性,实现周边多个避碰目标的动态分组,同时使用凸包扫描算法扫描障碍物边界,进而达到简化避碰态势的目的。开展多种场景下的案例仿真和对比试验,结果验证上述动态分组策略在群无人艇避碰问题中的有效性,同时为设计、实现复杂环境下的群无人艇自主避碰系统提供有益的借鉴。     

综合考虑速度和安全的船舶智能避碰研究

船舶在水面上航行时,可能会遇到其他船舶或是一些障碍物,若是仍然按照既定航线行进,则会对目标发生碰撞。为保证船舶的航行安全性,需要进行避碰。避碰是保护船舶安全航行的重要手段,想要有效避碰,就必须对相关的信息进行收集和分析,据此产生出合理可行的决策,船舶通过对该决策的执行,达到避碰的目的。船舶在应用智能避碰系统时,应当对航行速度和安全性进行综合考虑,如果速度过慢,会影响经济性,所以应采用合理算法,对避碰路径进行规划。     

海上多目标船物联网智能避碰辅助决策研究

船舶在海上航行的过程中,多船相遇会有不同的情况。本文将基于模拟退火的粒子群优化算法应用于海上多目标船舶智能避碰辅助决策中,建立船舶转向避碰幅度目标函数模型。最后利用仿真实验说明本文算法提高了全局的收敛速度、稳定性和通用性。     

基于航迹推演的船舶动态智能避碰方法

针对受限水域船舶动态智能避碰问题,将航迹预测与改进速度障碍相结合,提出一种船舶动态智能避碰方法。建立两船相对运动模型并实时计算船舶避碰运动参数,基于三自由度船舶操纵运动数学(MMG)模型和Kalman滤波算法分别预测本船(OS)和目标船(TS)下一时刻运动状态;然后结合《国际海上避碰规则》(简称《规则》)、良好船艺、航迹预测模型、速度障碍算法和航向控制系统等分析设计船舶动态智能避碰决策模型;通过仿真试验验证动态智能避碰决策模型的可行性和有效性。结果表明：该算法可满足受限水域两船和多船复杂会遇局面下船舶智能避碰,实现动态避碰条件下的船舶安全航行。     

基于数据融合的单目标船避碰评估系统

建立了一个用于对单目标船避碰操作进行评估的系统。介绍了基于数据融合技术的系统三级处理模型,并重点讨论了基于数据关联的船舶航迹提取,基于坐标转换和几何模型的船舶运动参数计算,基于多测量周期数据融合的船舶操纵识别,和基于知识的碰撞危险、避碰阶段及会遇态势的判定等模块。同时给出了系统的工作流程图,最后通过实例说明系统运行的有效性。     

多方向航行船舶防碰撞航线有限元计算研究

传统船舶防碰撞算法主要以船舶航线间距为碰撞计算要素,但是在多方向航行因素引入后会出现防碰撞航线输出量精准度降低问题。为此提出多方向航行船舶防碰撞航线有限元计算研究。通过对船舶多方向下避碰的计算,获得避碰瞬态速度关系量;以此为基础对避碰计算规则进行遗传计算,得到预输出航线数据;对预输出航线数据进行有限元计算,提升多方向航行船舶的防碰撞航线计算的精准度。为验证计算结果的精准度,设计一组仿真对比实验进行对比测试,并得出结论。     

改进蚁群算法的舰船避碰辅助决策系统可靠性研究

传统舰船避碰辅助决策系统所采用的蚁群算法在对船舶路径碰撞信息素计算过程中,存在收敛速度慢、碰撞信息素浓度低的问题,导致输出结果的可靠性较低,因此提出改进蚁群算法的舰船避碰辅助决策系统可靠性设计方法。通过对船舶避碰路径模型的构建与分析,结合传统蚁群算法在避碰决策计算上的缺失数据,对蚁群算法进行改进,并将改进的蚁群算法引入到避碰辅助决策系统进行仿真计算,通过对决策数据的分析得到舰船避碰辅助决策可靠性数据。通过设计仿真实验对得到的可靠性数据进行验证,证明了本文方法所得数据的可靠性。     

免疫粒子群算法在夜航船舶避碰规划中的应用

受夜晚环境的影响,传统的船舶在航行过程中存在碰撞事故多发的问题,为此应用免疫粒子群算法对夜航船舶避碰规划方法进行优化设计。首先利用航行船舶上的AIS设备确定夜航船舶运动参数,并结合障碍船的位置划分夜航船舶会遇态势。设置夜航船舶安全会遇距离并计算夜航船舶碰撞危险概率。应用免疫粒子群算法更新船舶速度和位置,当两船之间的碰撞危险度达到危险区间,确定避碰时机以及幅度,进行夜航船舶避碰规划。实验结果表明,应用免疫粒子群算法,能够有效地降低碰撞事故发生率。     

基于机器视觉的大规模船舶航行数据自适应识别方法

传统船舶航行数据识别方法,存在瞬态识别数据规模局限性大,超规模阈值下的数据识别准确率过低的问题。在当前船舶航行数据处理规模下,无法高效准确完成船舶航行数据的处理任务。为了在根源解决上述问题,引入机器视觉技术,提出基于机器视觉的大规模船舶航行数据自适应识别方法。首先基于机器视觉技术,对航行数据的识别标准进行定义,同时完成对相关不符识别量进行修正;接着对全局航行数据对应的轨迹信息进行机器视觉结构处理;最后完成对数据的自适应识别计算。通过与传统方法的多组航行数据模拟测试发现,采用提出识别方法的航行数据识别结果,相较传统识别方法具有识别速度快、准确率高、数据规模自适应性强的特点。     

船舶避碰路径规划研究综述

对船舶避碰模型和路径规划方法进行分类综述和评价,将评价碰撞危险的船舶避碰模型分为碰撞危险度模型和船舶领域模型,将现有的船舶避碰路径规划方法分为确定性方法和智能优化方法,并分别对其研究成果进行总结,分析船舶避碰路径规划发展趋势.