一种基于AIS数据的船舶航线自动规划方法

为采用航线自动规划技术设计出最优船舶航行路径,提出一种基于船舶自动识别系统(Automatic Identifi-cation System,AIS)数据和航行区域栅格化地图建立环境模型,结合蚁群算法求解最优航线的航线自动规划方法.对航行区域地图进行栅格化处理,利用海量AIS数据定义可通航栅格和障碍物栅格,结合邻接矩阵...     

多约束条件下最优航向控制中的蚁群算法研究

我国最优航向控制技术是智能航海技术中的关键技术之一,能够保证船舶按照最优航向航线到达目的地,提高航行的安全性和经济性。在最优航向控制技术中,引入蚁群算法可满足求解最优化路径的要求,进一步优化最优航向控制系统的性能。本文分析传统蚁群算法的基本原理和缺陷,提出改进后的栅格蚁群算法,以弥补传统算法的不足,并基于栅格蚁群算法构建起多约束条件下的最优航向控制模型,对模型进行实验仿真分析,仿真结果表明该模型可得出最优航向航线结果。     

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。     

改进蚁群算法及其在船舶最优航线导航中的应用

由于海洋航行环境复杂,同时受到各种风、浪、流等多种因素的影响,使得在通航水域发生的安全事故随之增加,造成巨大的财产损失,同时危及船员的生命安全。为了保障船舶在海洋上安全高速航行,必须设计出最为安全可靠的最优航线。针对传统的蚁群算法在船舶最优航线导航过程中后期存在收敛速度慢、易出现停滞的缺陷,设计一种改进的蚁群算法进行船舶最优航线导航。首先利用混合更新策略,对船舶航线栅格上的信息素进行更新,然后在找到的船舶的所有可行航线中,搜索出最优航线,最后进行仿真测试。实验结果表明,相比较于对比算法,改进蚁群算法搜索到的航线更优,更为安全可靠,所耗费的时间少于对比算法,是一种效率高、可靠性好的船舶最优航线导航算法。     

船舶航线规划数学建模及求解的人工智能算法

航线规划结果优劣直接影响船舶航行的安全以及成本,而当前船舶航线规划算法存在难以获得最优规划方案的缺陷。以获得理想的船舶航线规划方案为目标,提出一种人工智能算法的船舶航线规划方法。首先分析船舶航线规划研究的进展,设计船舶航线规划的约束条件,并建立船舶航线规划的数学模型,然后采用人工智能算法中的遗传算法模拟适者生存机制对船舶航线规划的数学模型进行求解,最后进行了船舶航线规划仿真实验。结果表明,人工智能算法能够在短时间内搜索到最优的船舶航线规划方案,相同条件下,相对于其他算法,不仅可以提高找到最优船舶航线规划方案的成功率,而且搜索到的船舶航线规划方案具有十分显著的优越性。     

海上风电场区船舶A~*避碰寻路算法

针对国内风电场距离航道较近、船舶在其附近航行时容易发生碰撞事故的问题,研究基于A~*改进算法的海上风电场水域船舶避碰寻路算法。基于改进的人工势场模型,按照船舶避碰要求建立风机威胁势场和他船威胁势场;将风电场区地图栅格化,计算各小方格处总的威胁值,构建威胁地图;以各栅格的威胁值作为船舶航行代价,利用A~*算法找出从当前点到目标点的移动航线;针对采用普通A~*算法生成的航线中拐点多、方向受限的问题,提取各拐点进行通视性检验并删除冗余点,最终得到符合船舶在风电场区航行要求的安全航线。仿真试验结果表明:采用该方法得到的规划航线能在与风机障碍物保持安全距离的同时,具有最短长度。     

基于船舶行为特征的武汉大桥水域航线优化

为保障内河桥区水域船舶通航的安全性,提高通行效率,以长江武汉大桥水域为研究对象,基于船舶自动识别系统(Automatic Identification System,AIS)信息对该水域的船舶行为特征进行分析。利用基于欧式距离与最小方差法的聚类方法分析,认为过桥船舶可依据主机功率的不同进行划分。在长江船舶定线制的框架下,结合栅格法与蚁群算法建立武汉大桥水域的航道规划模型,对基于船舶行为特征的船舶航线进行优化。仿真结果表明:该方法在保证船舶安全、高效航行的前提下,能有效帮助海事管理部门对武汉大桥水域船舶航线进行优化。     

人工智能在船舶航行数学建模中的应用

为保障船舶在海上安全航行,提出人工智能在船舶航行数学建模中的应用。使用Maklink图论方法描述海上作业点分布,建立作业点Maklink连接图,生成船舶在作业水域内可航行网络图。建立船舶在海上作业区域航线规划数学模型,并设置约束条件;利用Dijkstra算法求解船舶在海上作业危险区域航线规划模型,得到船舶航行初始航线;利用人工智能算法内的蚁群优化算法对船舶航行初始航线实时优化处理,得到船舶航行最终航线,为船舶穿越海上作业区域实时导航。实验结果表明,该方法可有效生成船舶在作业水域航行网络图,得到初始航线并对初始航线优化处理,应用效果较佳。     

船舶航线生成研究

基于减轻船舶驾驶航线绘制劳动强度,克服绘制过程中人为主观因素影响的考虑,引进了蚁群计算法自动生成船舶航线研究问题。利用电子海图、阐述更好信息、搜寻策略、划分网络、选取航线、不航航和算法流程的具体做法。案例验证证明：船舶航线生成运用蚁群计算法具有准确和时效性。该研究实现了运用专家的搜寻策略思维下的船舶航行航线绘制的自动化,为制定船舶航线的高效、安全提供了理论依据。     

基于鱼群算法的船舶避浅航线设计

为解决船舶交通服务(Vessel Traffic Services,VTS)值班人员在指导船舶避浅过程中仅凭借经验的弊端,提出一种可行性算法,结合船舶在海上航行过程中的特点,生成可靠的船舶避浅航线。以实现最短航程为目的,建立以避开浅滩区域、控制转弯角度以及减少转向点数目为约束条件的航线设计模型。在模型建立过程中,利用栅格法对船舶航行环境进行栅格化处理,采用人工鱼群算法生成初始航线,结合船舶航行习惯对航线作进一步的优化和调整,从而实现船舶避浅。试验结果表明:与使用经验指导的船舶避浅航线相比,通过该算法生成的航线,符合船舶避浅航线的设计规则,所生成的航线具有经济、可靠的优点。     

基于Maklink图和蚁群算法的航线规划

为实现航线自动规划设计,提出一种可行的计算方法,并对船舶实际运营中进行航线规划时需注意的问题进行分析。以路径最短为目标,建立以避开障碍物区域和危险区域、控制转弯角度及减少转向点数目等为约束条件的规划模型。在建立模型过程中,采用Maklink图和Dijkstra算法生成初始规划路径,采用蚁群算法对路径作进一步的优化和调整,以满足约束条件。试验结果表明:与传统的在纸质海图上绘制航线及在电子海图上手动输入转向点生成航线相比,通过智能算法生成航线具有耗时短、经济可靠等优点。     

基于蚁群算法的舰船避险航路规划

采用蚁群算法研究舰船避险航路规划问题,利用栅格法将航行海区进行细分,建立舰船避险航路模型,进而求算优化解。仿真结果表明,蚁群算法求解舰船优化航路具有较强的稳定性和鲁棒性。     

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。     

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。     

优化的蚁群算法和船舶电网系统云数据聚类和实现

首先分析蚁群聚类算法,并指出其存在的问题;然后给出传统的蚁群聚类算法在船舶电网云数据聚类的实现流程,针对算法中存在的问题,提出利用惯性因子、随机初始化等方式改进和优化算法对船舶电网故障进行诊断;最后通过实验进行说明,优化后的蚁群聚类算法与K-mean算法、粒子群K-mean算法相比具有较好的收敛性。     

基于数据驱动的船舶航线实时优化

为了给不同海况下的船舶安全航行提供保障,设计基于数据驱动的船舶航线实时优化方法。利用数据驱动方法采集船舶历史航线、海域风速、风向、波高等海况数据,选取K-means聚类算法聚类海况数据,构建海况知识库。依据海况知识库内的船舶航线信息与航线转向点信息,划分船舶航线为不同航段。依据船舶航线的航段划分结果,以航行总时间最短以及总油耗最低为目标函数,设置船舶航速约束与转向点位置约束作为约束条件,构建航线实时优化模型。选取蚁群算法求解所构建的优化模型,输出航线实时优化结果。结果表明,该方法可以实时优化航线,降低船舶的航行时间与主机油耗,适用于不同海况的船舶航行。     

蚁群优化算法在船舶电力系统重构中的应用

船舶工业的发展是我国国防工业、交通运输的重要基础,船舶电力系统的故障重构一直是国内外研究的热点,船舶电力系统故障重构是一典型的非线性组合优化问题。本文提出了一种改进的蚁群算法对船舶电力系统故障重构问题进行研究,并通过实例分析和实验仿真将改进后的蚁群算法和传统基本蚁群算法进行对比分析,得出了改进后的蚁群算法在船舶电力系统故障重构问题上具有更加优越的性能。     

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。     

基于NoSQL数据库的AIS航线设计研究

船舶运输需要充分考虑安全性和经济性,合适的航线能够为船舶安全运输提供有效保证,传统依靠纸质海图和电子海图的航线设计存在实时性不强、精度不够等问题。本文提出一种基于NoSQL数据库和AIS数据的航线自动设计方法,对其中的关键技术进行了研究,包括航线自动规划技术路线、NoSQL数据预处理以及航线自动规划方法。在航线自动规划方法中,设计了基于AIS的航线自动规划流程,使用DBSCAN算法对航迹数据进行了聚类分析。本文的研究成果可以为船舶航线自动规划提供有效辅助。     

基于混合蚁群算法的无人船航行路径自主规划

路径规划是无人船自主导航的核心问题。由于无人船当前位置以及目标位置的确定受到障碍物影响,最佳航行路径的获取难度较大。为此,提出基于混合蚁群算法的无人船航行路径自主规划方法。采用栅格法构建无人船工作环境模型,由上至下、由左至右的对栅格完成编号处理,划分安全区域与障碍物区域。构建无人船航行路径自主规划数学模型,设定地形与威胁、航程上限以及路径平滑度等约束条件。针对蚁群算法初始搜索效率差等问题,将其与粒子群算法相结合,提出混合蚁群算法。利用该算法求解无人船航行路径自主规划数学模型。实验结果显示,研究方法具有较高的路径规划准确性,路径长度、平均能耗及路径规划时间指标均较优。