CN105564609A - 一种用于船舶避碰的免疫智能控制装置 - Google Patents
一种用于船舶避碰的免疫智能控制装置 Download PDFInfo
- Publication number
- CN105564609A CN105564609A CN201410540824.8A CN201410540824A CN105564609A CN 105564609 A CN105564609 A CN 105564609A CN 201410540824 A CN201410540824 A CN 201410540824A CN 105564609 A CN105564609 A CN 105564609A
- Authority
- CN
- China
- Prior art keywords
- collision prevention
- ship
- collision avoidance
- immunization
- strategy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种用于船舶避碰的免疫智能控制装置。本发明的特征为采用危险模式免疫算法。危险模式免疫算法是仿照生物免疫系统和基因学的一种优化搜索方法,适用于复杂问题的求解。危险模式人工免疫算法具有快速优化搜索的能力和优点,因此,采用该算法能够很好地进行船舶避碰策略的优化。系统在正常航行中采用自动控制方式,通过航向给定进行闭环控制。当两船会遇需要采取避碰措施时,切换到手动控制方式,通过避碰策略优化所得到的结果指导操纵船舶,从而实现船舶避碰。
Description
技术领域
本发明涉及船舶安全领域,具体涉及一种用于船舶避碰的免疫智能控制装置。
背景技术
船舶碰撞在航运事故中占很大比例,因此解决避碰问题是保障船舶航运安全的首要任务。近年来,随着计算机导航和信息技术的发展,很多学者采用智能方法处理船舶避碰的决策问题。船舶避碰策略优化,是根据一定的优化准则如路线最短、耗损最小等在一定的搜索空间内找出合理的操作方式,能使船舶从起始避碰点到船舶复航的过程中,避开各种障碍的最优避碰策略。有些学者将确定安全路径作为1个非线性优化问题。在特定的船舶航行过程中,产生1条安全路径,使本船沿着既定航线航行实现安全避碰。这种路径规划方法对解决移动灵活的设备之间的避碰是有效的,但对于惯性大的船舶,在短时间、短距离内按照设定的航线航行相当困难。因此非线性优化方法无法应用于船舶的避碰操作。
发明内容
为了弥补以上技术的不足,本发明提供了一种用于船舶避碰的免疫智能控制装置。本发明的特征为采用危险模式免疫算法。危险模式免疫算法是仿照生物免疫系统和基因学的一种优化搜索方法,适用于复杂问题的求解。危险模式人工免疫算法具有快速优化搜索的能力和优点,因此,采用该算法能够很好地进行船舶避碰策略的优化。系统在正常航行中采用自动控制方式,通过航向给定进行闭环控制。当两船会遇需要采取避碰措施时,切换到手动控制方式,通过避碰策略优化所得到的结果指导操纵船舶,从而实现船舶避碰。避碰策略优化模块开启后,首先根据船舶避碰决策的目标产生初始避碰策略种群;然后采用危险模式人工免疫算法计算种群中个体的亲和度,即评价各条策略实施时船舶避碰的安全度和经济性指标;最后采用相关操作算子操作种群个体形成新的种群,反复迭代至不产生危险信号后,选择最优的避碰策略,反馈给驾驶人员以提示驾驶人员进行避碰操作。在避碰过程中,直航船在与让路船没有驶过让清之前,除保向、保速外,通常不应采取其他行动。实现了船舶避碰策略的优化,通过仿真验证了有效性从而为船舶避碰决策提供了新的方法。
危险模式人工免疫算法是仿照生物免疫系统和基因学的1种优化搜索方法,能用于高度复杂工程问题的求解。因此适合于处理大型船舶避碰策略的优化,采用危险模式人工免疫算法实现船舶避碰策略优化,并通过仿真试验,验证该算法在优化船舶避碰策略的有效性。
1、危险模式人工免疫控制算法的原理:1994,年著名的理论免疫学家Matzinger,首先对抗原识别中传统的“自我-非我”理论提出质疑,并率先提出危险模式理论。
危险模式中的危险信号包括:危险外界病原和有害体自身,不再将自身划为绝对耐受,病原的外源性对启动免疫应答不再显得那么重要。只要它们损伤了机体内的细胞,这些受损细胞就会发出危险信号。从而激活免疫系统,发挥其特异性免疫应答功能。
2、船舶避碰策略的优化
船舶避碰策略优化的目的是在充分分析和处理船上ARPA(自动留达标绘仪)、AIS(船舶自动识别系统)及GPRS(全球定位系统)等提供的本船和周边目标船信息的基础上,得出本船与目标船的会遇态势以及各种避让方案,遵循船舶避碰规则的要求,从众多的避让方案中寻求既安全又经济的避让措施。
在船舶信息设备中GPRS用于船舶定位,ARPA和AIS用于识别船舶和障碍物,接收和处理它船和障碍物的信息,包括目标船的航向、航速、方位等,还有其他的一些设备用于获得船舶航行环境等相关参数。在整个过程中信息的获取:⑴根据相关信息;⑵计算船舶会遇形势;⑶船舶所要采取的避碰策略进行优化;⑷驾驶人员对船舶的操纵;⑸船舶动态显示及其他相关报警提示等。船舶运动模型采用nomoto模型,控制器采用传统的PID(比例-积分-微分)控制器。
避碰策略优化的机理是根据他船及本船当前信息,预测未来时刻他船与本船采取避碰策略后(需要本船采取避碰措施情况下)的运动轨迹,从中选择出符合评价指标的避碰策略。
船舶会遇态势计算模块在获得船舶相关信息后,判断两船的会遇状态及避让责任。如果两船会遇需要采取避碰措施时,启动船舶避碰策略优化模块,产生危险模式人工免疫算法的第1危险信号,然后启动优化程序。
3、避碰策略优化仿真实例结果
船舶避碰分会遇、追越、交叉等情况,以仿真实例说明,如何采用危险模式人工免疫控制算法进行船舶避碰策略的优化。
通过仿真实例可以说明,基于危险模式人工免疫算法的船舶避碰策略优化程序是有效的,比采用其它避碰算法能更快速、准确地给出避碰优化策略,为驾驶人员提供较好的避碰决策支持。
船舶避碰策略决策过程涉及到很多方面,如船舶之间的信息实时性、船舶航行参数、环境条件、气象条件、操作人员的素质等,由于危险模式人工免疫算法具有快速优化搜索的能力和优点,因此,采用该算法能够很好地进行船舶避碰策略的优化。由于条件的限制无法进行实船验证,仅进行了数字仿真研究。此外,为了提高危险模式人工免疫算法的性能还有很多工作需要做,如高级变异算子的使用、与克隆选择算法的融合以及与免疫记忆特性的融合等。
Claims (2)
1.一种用于船舶避碰的免疫智能控制装置,其特征为采用危险模式免疫算法:系统在正常航行中采用自动控制方式,通过航向给定进行闭环控制;当两船会遇需要采取避碰措施时,切换到手动控制方式,通过避碰策略优化所得到的结果指导操纵船舶,从而实现船舶避碰。
2.避碰策略优化模块开启后,首先根据船舶避碰决策的目标产生初始避碰策略种群;然后采用危险模式人工免疫算法计算种群中个体的亲和度,即评价各条策略实施时船舶避碰的安全度和经济性指标;最后采用相关操作算子操作种群个体形成新的种群,反复迭代至不产生危险信号后,选择最优的避碰策略,反馈给驾驶人员以提示驾驶人员进行避碰操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410540824.8A CN105564609A (zh) | 2014-10-14 | 2014-10-14 | 一种用于船舶避碰的免疫智能控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410540824.8A CN105564609A (zh) | 2014-10-14 | 2014-10-14 | 一种用于船舶避碰的免疫智能控制装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105564609A true CN105564609A (zh) | 2016-05-11 |
Family
ID=55875358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410540824.8A Pending CN105564609A (zh) | 2014-10-14 | 2014-10-14 | 一种用于船舶避碰的免疫智能控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105564609A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107577230A (zh) * | 2017-08-16 | 2018-01-12 | 武汉理工大学 | 一种面向无人船的智能避碰系统 |
CN108333940A (zh) * | 2018-02-12 | 2018-07-27 | 北京建筑大学 | 一种优化指定控制器参数的方法及装置 |
CN111833657A (zh) * | 2020-06-28 | 2020-10-27 | 武汉理工大学 | 船舶避碰方法、系统和存储介质 |
CN112052984A (zh) * | 2020-08-07 | 2020-12-08 | 智慧航海(青岛)科技有限公司 | 一种智能船舶避碰方法及系统 |
-
2014
- 2014-10-14 CN CN201410540824.8A patent/CN105564609A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107577230A (zh) * | 2017-08-16 | 2018-01-12 | 武汉理工大学 | 一种面向无人船的智能避碰系统 |
CN107577230B (zh) * | 2017-08-16 | 2020-01-14 | 武汉理工大学 | 一种面向无人船的智能避碰系统 |
CN108333940A (zh) * | 2018-02-12 | 2018-07-27 | 北京建筑大学 | 一种优化指定控制器参数的方法及装置 |
CN108333940B (zh) * | 2018-02-12 | 2021-08-06 | 北京建筑大学 | 一种优化指定控制器参数的方法及装置 |
CN111833657A (zh) * | 2020-06-28 | 2020-10-27 | 武汉理工大学 | 船舶避碰方法、系统和存储介质 |
CN111833657B (zh) * | 2020-06-28 | 2022-03-15 | 武汉理工大学 | 船舶避碰方法、系统和存储介质 |
CN112052984A (zh) * | 2020-08-07 | 2020-12-08 | 智慧航海(青岛)科技有限公司 | 一种智能船舶避碰方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110221546B (zh) | 虚实融合的船舶智能控制系统测试平台 | |
CN112100917B (zh) | 一种基于专家对抗系统的智能船舶避碰仿真测试系统与方法 | |
Haq et al. | Comparing offline and online testing of deep neural networks: An autonomous car case study | |
CN103901806B (zh) | 一种智能船舶靠泊辅助系统及方法 | |
CN110069071A (zh) | 无人机导航方法与装置、存储介质、电子设备 | |
CN106997693A (zh) | 一种飞行器防撞算法验证测试方法及系统 | |
CN105564609A (zh) | 一种用于船舶避碰的免疫智能控制装置 | |
CN101359420B (zh) | 一种用于监测隧道岩体塌方的报警系统 | |
Sun et al. | Collision avoidance of podded propulsion unmanned surface vehicle with COLREGs compliance and its modeling and identification | |
CN108121338B (zh) | 一种usv的航迹闭环控制方法 | |
Wang et al. | Modeling pilot behaviors based on discrete-time series during carrier-based aircraft landing | |
CN110188474A (zh) | 基于水面无人艇的避碰决策方法 | |
CN203094401U (zh) | 一种采用声纳探测的船载(ais)自动智能避碰系统 | |
Hansen et al. | Colregs-based situation awareness for marine vessels-a discrete event systems approach | |
Xiao et al. | Artificial force fields for multi-agent simulations of maritime traffic: a case study of Chinese waterway | |
Vagale et al. | Evaluation of path planning algorithms of autonomous surface vehicles based on safety and collision risk assessment | |
Sun et al. | USV compliant obstacle avoidance based on dynamic two ship domains | |
KR20220035343A (ko) | 자율 운전 특징의 확정 방법, 장치, 기기, 매체 및 컴퓨터 프로그램 | |
Wu et al. | An autonomous coverage path planning algorithm for maritime search and rescue of persons-in-water based on deep reinforcement learning | |
Wang et al. | Data-driven path-following control of underactuated ships based on antenna mutation beetle swarm predictive reinforcement learning | |
Zhang et al. | Dynamic path planning algorithm for unmanned surface vehicle under island-reef environment | |
Lamm et al. | Detecting maneuvers in maritime observation data with CUSUM | |
WO2024045539A1 (zh) | 一种欠驱商船自主靠离泊测试方法及系统 | |
Dai et al. | Traffic signal control using offline reinforcement learning | |
Jose et al. | Navigating the Ocean with DRL: Path following for marine vessels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160511 |