智能船舶航行系统测试的方法与体系

如何对智能船舶航行系统进行测试，是世界各国及相关国际组织在智能船舶发展过程中面临的一个重大挑战。在机器学习(Machine Learning, ML)、人工智能(Artificial intelligence, AI)等技术大量应用的背景下，传统的导航系统测试方法已难以有效覆盖智能航行技术的新特征。本文在概述与分析了智能船舶航行系统的功能特征和测试需求基础上，总结了现有智能系统测试方法的优缺点，提出了智能船舶航行系统测试思路和方法，并构建了一种以场景为中心，多种测试方法协同的智能船舶航行系统测试体系，旨在提高系统研发测试效率，促进智能船舶产业发展。     

考虑船位预测不确定性的船舶碰撞危险度计算方法

[目的]船舶碰撞是威胁智能船舶航行安全的主要因素。船舶碰撞危险度计算模型应及时发现船舶航行中潜在的碰撞风险,为智能船舶的自主避让决策提供依据。[方法]首先,根据船舶领域侵入程度与侵入时间等参数,分析基于领域的碰撞危险参数计算模型,将航行场景划分为单船会遇局面和本船与船舶群组的会遇局面,给出一种新的多船会遇情况下的碰撞危险参数计算模型;其次,基于维纳过程对船位预测不确定性进行建模,根据卡方分布获取船位预测不确定性椭圆;最后,给出考虑船位预测不确定性的碰撞危险参数计算方法。[结果]该计算模型能够考虑船位预测不确定性对船舶碰撞危险的影响。[结论]可以进一步保障智能船舶的海上航行安全。     

基于Q-Learning的无人驾驶船舶路径规划

为实现无人驾驶船舶在未知环境中自适应航行,建立一种基于Q-Learning的无人驾驶船舶路径规划模型。应用基于马尔科夫过程的Q学习算法,分别就环境模型、动作空间、激励函数及动作选择策略4大要素建立模型,设计激励函数,规划最优策略,使得无人驾驶船舶路径规划过程中所获奖赏最大;利用python和pygame平台建立仿真环境,仿真结果表明,该方法可有效地在未知环境中规划出较优路径及成功避让多个障碍物。