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。     

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。     

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。     

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。     

基于集合制导和动态窗口约束的无人船自主动态避碰方法研究

针对无人船在未知海洋环境下的避碰问题,提出了一种基于集合制导和动态窗口约束的无人船自主动态避碰方法。为了使无人船能够在沿预先规划路径航行的同时规避障碍物,采用了一种基于集合制导算法的无人船航行模式切换策略。当满足一定条件时,该策略能够使无人船在路径跟随模式和避碰模式之间进行切换,以实现航迹跟踪控制与避碰路径规划相结合;同时考虑到船舶自身的操纵性能,设计了一种基于动态窗口约束的反应式避碰方法。仿真试验表明,在满足国际海上避碰规则的前提下,该方法能够使无人船在沿预设路径航行的同时,有效地规避障碍物。     

面向船舶避碰的异常轨迹点数据动态挖掘方法

船舶在避碰状态下开展异常轨迹点数据动态挖掘时,若不能及时了解避碰危险等级,会降低船舶异常轨迹点数据挖掘的挖掘性能。为提升异常轨迹点数据动态挖掘精度,提出面向船舶避碰的异常轨迹点数据动态挖掘方法。首先对船舶航行避碰危险程度展开具体分析,并根据分析结果采集船舶异常轨迹点数据,通过小波去噪算法完成船舶异常轨迹点数据的去噪处理。再进行数据去噪处理,提取轨迹点船舶的各项参数特征,结合长短期记忆网络构建船舶异常轨迹点的数据动态挖掘模型。最后将提取的特征向量实施变异赋值,将其赋值结果作为模型输入值输入模型中。根据模型输出实现船舶避碰情况下,异常轨迹点数据的动态挖掘。实验结果表明,使用该方法开展船舶异常轨迹点数据动态挖掘时,挖掘性能较高,挖掘效果好。     

区域目标搜索中基于改进RRT的UAV实时航迹规划

  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。     

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...     

基于CSSOA的多船智能避碰决策研究

[目的]智能避碰决策作为船舶安全航行的关键技术之一,对智能船舶的发展具有重要意义。针对多船会遇下的智能避碰决策问题,提出一种基于高斯变异和Tent混沌的改进麻雀搜索优化算法（CSSOA）。[方法]算法采用Tent混沌映射初始化麻雀原始种群,提高其多样性,并对适应能力差和搜索停滞的麻雀个体进行混沌映射,利用高斯变异提升局部搜索能力和鲁棒性,改进方案优化启发式算法收敛速度慢和易陷入局部最优的问题。综合考虑船舶间船速比、最小会遇距离、相对距离、最小会遇时间、相对方位等因素,利用模糊隶属度函数建立船舶碰撞风险模型,并通过多船典型会遇场景进行实例验证。[结果]实验结果显示,改进算法的平均迭代次数较粒子群算法和原麻雀算法分别减少了77.97%和53.57%。[结论]改进后的麻雀优化算法能以更优的收敛速度寻到安全经济的避碰路径,为船舶驾驶员提供避碰决策参考。     

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。     

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。     

基于改进的神经网络的船舶碰撞危险度的模型

  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。     

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。     

基于规则的多船协调避碰决策算法及仿真验证

为能在多船会遇局面下快速制定满足《国际海上避碰规则》(International Regulations for Preventing Collisions at Sea,COLREGs)和设置安全距离的避碰方案,设计一种在多船之间各自按COLREGs进行避碰决策的协调避让算法,解决现有的多船会遇研究中,仅靠1艘船避让难以达到合理有效的避让效果以及多船近距离转向避让可能无法完全有效避碰的问题;通过蒙特卡洛思想随机生成船舶初始会遇场景,并设置个别船舶未调用避碰决策算法进行决策,验证该决策算法在开阔水域以及在约定条件下的普适性和鲁棒性。研究结果表明:随着船舶数量增加,会遇越来越复杂,在4艘船会遇的复杂场景下,超99.51%能在大于安全会遇距离(Safe Distance of Approach,S_DA)的情况下通过;运用该模型船舶避让行动符合良好船艺要求,运动轨迹平滑,船舶间距离变化均匀;该决策模型具有良好的避让效果,可为船舶避碰提供参考。