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。     

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,结合邻接矩阵将栅格地图矩阵化,基于蚁群算法和计算得到的邻接矩阵求取最优规划航线.通过在中国沿海港口进行实例验证,说明该方法在全局最优航线自动规划方面具有经济、便捷、安全的应用效果.     

基于大数据分析的舰船航行轨迹预判研究

现有舰船航行轨迹预判方法存在轨迹预判模式不完善的问题,导致航行轨迹点覆盖程度较低,设计一种基于大数据分析的舰船航行轨迹预判方法。获取舰船航行数据,定义并插补舰船航行基准数据,利用密度聚类算法挖掘航迹图谱,计算航线轨迹点距离,设定航行异常阈值,基于大数据分析设置轨迹预判模式,实现轨迹预判方法设计。实验结果表明,此次设计的轨迹预判方法,其航行轨迹点覆盖程度均值比其他2种现有轨迹预判方法分别高13.621%,12.138%,证明融合了大数据分析的轨迹预判方法更加有效。     

PID航迹控制技术在舰船自动航行系统的应用

舰船自动航行系统在舰船自动化系统中占有重要地位。优秀的舰船自动化系统可以大大减轻船员的工作负担,并为舰船合理规划航线,节约舰船燃料,提升舰船的战斗力。PID航迹技术是目前应用的最为广泛的一种航迹控制技术,通过PID航迹控制技术可以保证舰船航向稳定。本文对PID航迹控制技术的原理进行了研究,并在此基础上提出了一种舰船自动航行系统的功能及架构,最后给出了PID航迹控制的基本流程图。本文提出了舰船自动航行系统功能完备,能够最大程度地为舰船作战及正常航行提供支持。     

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。     

基于地理信息系统的舰船智能导航研究

高精度智能导航算法在舰船航行过程中十分重要,当前高精度智能导航算法无法对一些盲区无法进行准确导航,为了解决当前舰船导航算法存在的缺陷,设计了基于地理信息系统的高精度智能导航算法。首先分析了高精度智能导航研究现状,然后引入地理信息系统采集舰船航行的信息,并采用容积卡尔曼滤波构建高精度智能导航算法,实现对舰船航行状态跟踪,最后通过仿真对比实验对舰船智能导航性能进行测试和分析,结果表明,本文算法不仅可以高精度实现舰船智能导航,适应各种复杂环境的安全航行,而且导航效果要优于当前其他智能导航算法,实际应用价值更高。     

基于蚁群算法的航线自动生成方法

利用基本蚁群算法自动生成航线,在搜索的过程中容易陷入局部最优、搜索时间长等问题,引入Adadelta算法,增加了蚁群算法的随机性,改变了信息素的更新规划,将信息素挥发系数进行自适应调整,从而极大改善了蚁群算法的性能。仿真试验结果显示,本文方法比对比方法的搜索能力更强,效率更高,得到的航线不仅有效避开了海上障碍物与禁航区,而且距离更短,是一种有效的航线自动生成算法。     

人工智能技术舰船航行自动控制研究

传统舰船航行自动控制功能主要通过算法对定义舰船轨迹数据与舰船航行数据综合分析计算,根据计算结果对PID自动控制器下达控制指令来完成自动控制操作。此种控制模式受到算法定义逻辑限制存在一定的控制误差,无法真正做到舰船航行的精准控制。为解决上述问题,提出人工智能技术的舰船航行自动控制研究。首先对舰船航行轨迹进行模型计算,接着对舰船PID控制数据进行模型计算。最后,通过人工智能技术对航向轨迹与PID控制数据进行关联计算,得到精准的舰船航行控制数据。通过对比实验对提出的控制方法与传统控制方法进行对比,数据证明提出方法的控制精准度高于传统自动控制系统。     

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。     

基于深度强化学习的船舶航线自动规划

为解决传统船舶航线规划算法缺少对经验航线的参考及不适用于真实航行需求的问题,提出一种基于深度Q网络(Deep Q Network, DQN)船舶航线自动规划算法,用以在电子海图中提供拟合航道,生成适宜真实航行情况的自动规划航线。这种算法采用当前神经网络和目标神经网络2个二层神经网络结构,达到打乱数据相关性的目的,将智能体的经验存储为经验池,通过随机采样,防止出现局部收敛的问题,实现对未训练的电子海图进行航线规划的功能。通过计算机仿真和实际规划验证,说明该方法可有效实现设计功能。