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...     

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K-means改进蚁群算法的船舶航线设计方法

文章提出了一种基于K-means改进蚁群算法的船舶航线设计方法。首先利用Kmeans算法对栅格化海图情况进行聚类,模拟真实海况并得到多个具有区分特性标识的栅格类;然后将每一个类分别看成一个独立的TSP问题(Traveling Salesman Problem,旅行商问题),将蚁群算法应用在每个类内部和类之间,从而规划出一条船舶航线最短且能够安全避障的优化航线。通过仿真实验结果对比表明,该算法能够有效完成航线规划任务,并具有精度高、计算速度快等特点。     

蚁群算法和遗传算法结合的航线生成

为在设计航线时获取最优航线,研究蚁群算法与遗传算法相结合的航线生成方法,讨论海图信息离散化、蚁群搜索产生航线初始种群、遗传优化获取最优航线等问题。介绍海图信息网格结构及网格属性计算方法,蚁群搜索航线的策略及信息素的更新,遗传优化航线的各种操作方法,航线辅助生成系统的功能,验证方法的可行性和模型的准确性。     

基于闭环增益成型算法和改进粒子群算法的舰船航向控制

如今,海上航线的船舶密度不断提高,且船舶的动力性能更强,速度更快,在航线拥挤的地方往往会发生船舶碰撞事故。为了提高船舶的航行安全性,有必要针对船舶的航向控制技术进行优化。本文首先研究闭环增益成形算法和改进粒子群算法的原理,建立舰船航向控制过程的动力学模型,基于这2种优化算法对舰船的航向控制系统进行研究,有助于改进舰船航向控制水平。     

基于遗传学习算法的船舶航向智能控制方法

针对现有船舶航向控制方面采用的传统控制算法,在对船舶航向数据计算过程中存在数据迭代分析准度失常,无法适应性逻辑推导航向数据量的问题。本文提出基于遗传学习算法的船舶航向智能控制方法,利用遗传算法作为理论算法,对船舶航向数据进行遗传数据的建模,从而得到迭代航向控制量计算因子;接着,引入基于遗传算法的NRD蚁群学习算法,对得到的迭代航向控制量计算因子进行最优控制因子的蚁群化计算,得到船舶航向控制的最优适应控制参量;最后,引入适应性控制算法将最优适应控制参量导入算法,使其生成航向适应性计算逻辑策略,最终实现船舶航向的智能化控制。实验数据表明,提出的方法在航向数据迭代分析计算准确性上,准确度较高,满足可行性与有效性测试要求。     

基于改进蚁群的智能船舶全局路径规划方法

船舶路径规划是指在特定的海洋环境下,按照一定的寻优策略,给定出发点和目标点,完成船舶航行所需求的航线规划。本文依据改进的蚁群算法进行智能船舶路径规划,基于对障碍物膨化处理后的栅格地图,针对经典蚁群算法局部最优问题,加入了状态自适应调整,信息素自适应更新和拐角处理策略,在提高算法收敛速度的同时保证了所得路径的平滑性及安全性,实现了智能船舶的安全、经济航线规划。     

基于数据挖掘的船舶海上复杂交通流避障导航建模

船舶在海上航行,由于海洋环境复杂,航道上船舶的航行航速、航向、载重等均存在不同,因此,航行过程中的船舶随时面临着各种风险与障碍物。为了更好地保障船舶安全,必须对各种障碍物进行预判,寻找到最安全科学的航线,为此建立新型的船舶海上复杂交通流避障导航模型——FABP模型。首先将蚁群算法与c均值模糊聚类算法进行融合,得到各种障碍物的聚类中心,然后利用BP神经网络自动寻优能力,根据不同聚类中心的类型,对海上不同类型的障碍物进行预判,得到最优的船舶海上复杂交通流避障航线,最后进行实验仿真,结果表明,本文模型得到的船舶海上复杂交通流避障航线,路途更近,安全性能更高,效率更高。     

基于偏微分方程迭代的最优舰船航线计算模型

在舰船最优航线规划的过程中,使用传统航线计算方法存在着准确性低的问题,为此通过引入迭代偏微分方程的方法设计最优舰船航线计算模型。首先按照舰船航线的计算特点构建航线规划偏积分方程,在此基础上对航线信息迭代更新,同时得出迭代值与更新结果,最终得出舰船航线中航程与航向的计算结果。通过仿真实验发现使用传统的计算方法对舰船航线进行计算,其准确率为81.46%,而偏微分方程迭代计算模型的准确率为97.72%。     

基于改进蚁群算法的邮船舱室模块移运路径规划

针对大型邮船舱室模块运输过程中存在的移运路线长、路线混乱、舱室模块易与障碍物发生碰撞等问题,提出应用加入动态搜索模型的蚁群算法对邮船舱室模块进行路线规划,为运输舱室模块提供清晰、便捷的移运路线。对主竖区的障碍物进行分析,建立模拟实际工况的栅格地图,采用改进蚁群算法寻找移运路径。对不同位置所经过的栅格地图和蚁群数量进行动态调整。采用模拟退火算法寻找蚁群算法的参数。采用离散点分析确定移运路径的主、支通道。仿真试验结果表明,应用改进蚁群算法建立主、支通道进行舱室移运模块可有效提高舱室模块的运输效率。     

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。     

数据驱动的舰船航线生成算法

为了保障舰船能够安全地在海洋中进行航行,必须设计出安全科学合理的航线。针对传统的航线生成算法存在着各种不同的缺陷,设计出了数据驱动的舰船航线自动生成算法。首先利用蚁群算法进行搜索,产生舰船航行航线的初始种群,然后利用遗传算法对各种航线进行优化,获取最优舰船航线。最后进行仿真测试,实验结果表明,本文算法能够获得比对比算法更优的舰船航线,同时,所耗费的时间亦少于对比算法,具有比对比算法更高的实时性,是一种有效的舰船航线自动生成算法。     

船舶航线规划数学建模及求解的人工智能算法

在原有的船舶航线规划数学建模求解算法的使用过程中,其对航向目标函数构建能力较差,导致航向运行成本较高。因此,设计船舶航线规划数学建模及求解的人工智能算法。在航线规划数学模型构建前,需要对路线规划问题进行描述与假设,并设定合理的目标函数。根据此目标函数,选定线性函数作为蓝本,构建约束条件过滤器,同时使用此约束条件过滤器处理结果对可行航线展开分析,得到最优航线方案。构建仿真实验环节,通过与目前使用的求解方法对比可知,此算法的航线选择结果最佳,且成本最低。     

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。     

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。     

船舶航向自动控制的蚁群优化算法

针对当前船舶航向自动控制算法存在的局限性,为了提高船舶航向自动控制的精度,提出船舶航向自动控制的蚁群优化算法。首先对船舶航向自动控制的工作原理进行分析,建立船舶航向自动控制的数学模型,然后采用蚁群算法模拟蚂蚁搜索食物机制对船舶航向自动控制的数学模型进行优化,最后进行船舶航向自动控制的仿真模拟实验。结果表明,本文方法提高了船舶航向自动控制精度,工作十分稳定,而且船舶航向自动控制的超调量小于当前其它船舶航向自动控制算法。     

船舶物流运输中的最优航线选取模型设计

为了解决传统船舶最优航线选取模型最优航线选取效率低、精准度差的难题,提出船舶最优航线选取模型研究。依据海上运输环境信息,通过全局航线规划算法对船舶运输安全区域进行划分,以此为基础,采用Dijkstra算法对船舶安全航线进行获取,以得到的船舶安全航线为依据,采用离散点法对船舶最优航线进行选取,实现船舶最优航线选取模型的构建。通过实验结果显示,与传统船舶最优航线选取模型相比较,构建的船舶最优航线选取模型极大地提升了最优航线选取效率与精准度,充分说明构建的船舶最优航线选取模型具备更好的性能。     

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。     

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。     

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。