CN107577230B - 一种面向无人船的智能避碰系统 - Google Patents

Abstract

本发明公开了一种面向无人船的智能避碰系统，一种面向无人船的智能避碰系统，包括：多传感器感知模块、多传感器信息融合控制器、拟人驾驶避碰决策模块；所述多传感器感知模块用于采集ARPA雷达信息、AIS信息、水流信息、风向信息、无人船的GPS定位信息以及本船运动信息；所述多传感器信息融合控制器，用于将采集的ARPA雷达信息、AIS信息进行融合,得到无人船避碰目标的定位；拟人驾驶避碰决策系统包括预测控制滚动优化系统、机器学习系统和控制系统；所述控制器，用于根据机器学习系统给出的航路规划控制无人船的航向，避让碰撞目标。本发明利用机器学习方法植入船舶驾驶员的经验做法，能够实时实现无人船在紧迫局面时可以安全而经济地避让危险。

Description

一种面向无人船的智能避碰系统

技术领域

本发明涉及无人船技术，尤其涉及一种面向无人船的智能避碰系统。

背景技术

随着全球经济的一体化的发展，海洋成为世界各国交通运输、发展贸易的一条纽带。然而，海上碰撞事故的频繁发生，不仅给人类生命、财产造成了极大的损失，而且涉及范围广，对海洋生态和环境构成了严重的威胁，船舶作为全球贸易的主要载体，其安全性越来越受到人们的关注。根据国内外的资料统计，每年失事的船舶约200艘，总吨位数为120万吨，约占世界船舶的0.4％，相当于平均15天就有一艘5万吨级的船舶失事，其中将近半(43％)的事故是船舶碰撞，水路运输相关部门研究报告显示，2010年上半年，运输船舶交通事故共发生161起，直接经济损失17346.0万元，死亡和失踪人数166人。随着全球海上遇险和安全系统(Global Maritime Distress Safety System简称GMDSS)、全球卫星定位系统(Global Positioning System简称GPS)和电子海图显示系统(Electronic ChartDisplayand Information System简称ECDIS)等现代先进技术应用于航海领域。在航海助航设备已经高度发达的今天，船舶碰撞事故还缕缕发生，这不能不引起我们高度关注。船舶碰撞事故的发生，不仅造成了重大的人员伤亡、巨额财产损失，而且对海洋造成的污染也不容忽视。国际海事组织的调查研究表明，有80％以上的海事事故是由于人为因素直接或者间接造成，驾驶员主要依靠经验手动完成避碰措施。在航运行业的初期阶段，船舶数量少，船舶体积小，凭借这种主观判断方法进行避碰决策是可以满足需要。如今，船舶数量日益增长，密度随之增加，船舶本身也逐渐高速化、大型化、现代化，手动完成避碰决策比较困难。而解决人为因素导致的船舶碰撞事故的重要途径之一是实现船舶智能避碰决策自动化，因此研究具有多目标船智能避碰辅助决策支持功能的综合船桥系统，对减少或者避免海事事故发生有着重要的现实意义。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种面向无人船的智能避碰系统。

本发明解决其技术问题所采用的技术方案是：一种面向无人船的智能避碰系统，包括：

多传感器感知模块、多传感器信息融合控制器、拟人驾驶避碰决策模块；

所述多传感器感知模块用于采集无人船的以外目标的ARPA雷达信息、无人船附近船只的AIS信息、无人船所在区域的水流信息、风向信息、无人船的GPS定位信息以及本船运动信息；

所述多传感器感知模块包括设置在无人船上的ARPA雷达、AIS船舶定位系统、水流感知系统、风向感知系统、GPS系统和电子罗经系统；

所述多传感器信息融合控制器，用于将采集的ARPA雷达信息、AIS信息进行融合,得到无人船避碰目标的定位；

拟人驾驶避碰决策系统包括预测控制滚动优化系统、机器学习系统和控制系统；

所述预测控制滚动优化系统，对融合后的数据进行分析，利用局部航路规划算法和滚动航路规划算法计算出目标参数的运动轨迹，并且利用推理机分析目标参数的运动轨迹，判断是否有碰撞的可能；

所述机器学习系统，用于在判断结果为有碰撞的可能时，生成用于避碰的航路规划；

所述控制器，用于根据机器学习系统给出的航路规划控制无人船的航向，避让碰撞目标。

按上述方案，所述多传感器信息融合控制器中进行融合为将AIS数据和雷达ARPA的数据进行融合，方法如下：

1)进行针对航迹关联所必需的坐标转换：将ARPA雷达信息坐标转换到AIS位置信息所在坐标系；

2)将测量到的ARPA雷达信息的空间直线距离化为大地线距离的地面观测元素的归算问题，在椭球面上利用高斯平均引数正算公式求解待定点大地经纬度，进行基于ARPA雷达信息的定位计算；

3)获得AIS数据和雷达ARPA的数据融合后的无人船避碰目标的定位；

4)、无人船航向控制，通过控制系统控制无人船的航向，避让碰撞目标。

按上述方案，所述机器学习系统的工作方法具体如下：基于驾驶人行为采集模块，对有经验的驾驶人的行为进行采集学习，利用存储模块，存储记忆驾驶人操作，使用滚动窗口的船舶航路规划方法，利用多传感器感知模块探测到的实时导航信息进行在线滚动规划，获得不确定环境下船舶自动避碰的航路规划；

所述实时导航信息包括ARPA雷达信息、无人船附近船只的AIS信息、无人船所在区域的水流信息、风向信息、无人船的GPS定位信息以及本船运动信息。

本发明产生的有益效果是：

1、通过设置多传感器，利用ARPA雷达和AIS船舶定位系统数据具有互补性，雷达具有主动探测的优势，可以同时对静止和运动的目标进行探测，但雷达目标受到盲区限制，容易漏检丢失，然而AIS船舶定位系统受客观环境的影响较小，可以弥补这个缺陷，将AIS数据和雷达ARPA的数据进行融合，可以有效提高目标信息采集的准确性。

2、预测控制滚动优化系统，可以对目标信息进行分析，分析出目标是否有碰撞的危险。

3、机器学习系统中的驾驶人行为采集模块可以将有经验的驾驶员的操作进行学习存储，预测控制滚动优化系统分析后，机器学习系统利用存储的数据对控制系统进行操作，从而改变无人船的航向，本发明可以有效的避免人为驾驶船只过程中误操作，提高无人船的安全性能。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的结构示意图；

图2为本发明实施例的结构功能示意图；

图3为本发明实施例的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1和图2所示，一种面向无人船的智能避碰系统，包括多传感器感知系统、多传感器信息融合控制器和拟人驾驶避碰决策系统，所述多传感器感知系统包括ARPA雷达、AIS船舶定位系统、水流感知系统、风向感知系统、GPS系统、电子罗经系统，所述ARPA雷达和AIS船舶定位系统具有互补性，所述ARPA雷达可以主动进行静止和运动的目标进行探测，所述AIS船舶定位系统可以对船舶的位置进行精准定位；所述多传感器信息融合控制器，可以将ARPA雷达信息、AIS信息、水流信息、风向信息、定位信息、本船运动信息进行融合。所述拟人驾驶避碰决策系统包括预测控制滚动优化系统、机器学习系统和控制系统，所述预测控制滚动优化系统包括数据库、推理机、局部航路规划算法和滚动航路规划算法。所述机器学习系统是学习船舶驾驶人避碰决策，所述控制系统是根据决策信息控制船舶。

优选的，如图3，拟人驾驶避碰决策系统计算步骤如下：

S1、目标参数的采集，通过多传感器感知系统对无人船的以外的目标参数进行采集，采集后的数据通过多传感器信息融合算法控制器进行融合，针对航迹关联所必需的坐标转换，将ARPA雷达信息坐标转换到AIS位置信息所在坐标系，并且将测量到的ARPA雷达信息的空间直线距离化为大地线距离的地面观测元素的归算问题，在椭球面上利用高斯平均引数正算公式求解待定点大地经纬度，进行定位计算。

S2、目标参数的分析，将S1中采集到的数据通过预测控制滚动优化系统进行分析，预测控制滚动优化系统利用数据库、局部航路规划算法和滚动航路规划算法计算出目标参数的运动轨迹，并且利用推理机对计算出目标参数的数据，分析目标参数是否有碰撞的可能。

S3、机器学习系统，机器学习系统基于驾驶人行为采集模块，对有经验的驾驶人的行为进行采集学习，利用存储模块，存储记忆驾驶人操作，使用滚动窗口的船舶航路规划方法，利用多传感器探测到的实时导航信息进行在线滚动规划，将滚动航路的规划方法应用于动态未知环境下船舶的自动避碰问题的求解中，其中包括动态障碍物目标船航路计划已知和未知两种情况，在规划过程中要考虑到船舶可行区域和目标障碍区禁入区这两块不同的区域，应用多传感器融合信息，进行场景预测，选择局部航路规划算法，使滚动航路规划算法有效地解决动态不确定环境下船舶自动避碰问题。

S4、无人船航向控制，通过控制系统控制无人船的航向，避让碰撞目标。

优选的，所述推理机包括目标参数分析模块、目标态势分析模块、目标危险性分析模块，通过设置的多传感器感知系统和拟人驾驶避碰决策系统，多传感器感知系统可以采集可以利用ARPA雷达和AIS船舶定位系统数据具有互补性，雷达具有主动探测的优势，可以同时对静止和运动的目标进行探测，但雷达目标受到盲区限制，容易漏检丢失，然而AIS船舶定位系统受客观环境的影响较小，可以弥补这个缺陷，将AIS数据和雷达ARPA的数据进行融合，可以有效提高目标信息采集的准确性，另外，预测控制滚动优化系统，可以对目标信息进行分析，分析出目标是否有碰撞的危险。机器学习系统基于驾驶人行为采集模块，对有经验的驾驶人的行为进行采集学习，利用存储模块，存储记忆驾驶人操作，使用滚动窗口的船舶航路规划方法，利用多传感器探测到的实时导航信息进行在线滚动规划，将滚动航路的规划方法应用于动态未知环境下船舶的自动避碰问题的求解中，其中包括动态障碍物目标船航路计划已知和未知两种情况，在规划过程中要考虑到船舶可行区域和目标障碍区禁入区这两块不同的区域，应用多传感器融合信息，进行场景预测，选择局部航路规划算法，使滚动航路规划算法有效地解决动态不确定环境下船舶自动避碰问题；所述实时导航信息包括ARPA雷达信息、无人船附近船只的AIS信息、无人船所在区域的水流信息、风向信息、无人船的GPS定位信息以及本船运动信息，所述多传感器信息融合控制器用于将采集的ARPA雷达信息、AIS信息、水流信息、风向信息、定位信息、本船运动信息进行融合，确定无人船避碰目标的定位，从而改变无人船的航向，本发明可以有效的避免人为驾驶船只过程中误操作，提高无人船的安全性能，值得大力推广。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (2)

1.一种面向无人船的智能避碰系统，其特征在于，包括：

多传感器感知模块、多传感器信息融合控制器、拟人驾驶避碰决策模块；

所述多传感器感知模块用于采集无人船的以外目标的ARPA雷达信息、无人船附近船只的AIS信息、无人船所在区域的水流信息、风向信息、无人船的GPS定位信息以及本船运动信息；

所述多传感器感知模块包括设置在无人船上的ARPA雷达、AIS船舶定位系统、水流感知系统、风向感知系统、GPS系统和电子罗经系统；

所述多传感器信息融合控制器，用于将采集的ARPA雷达信息、AIS信息进行融合,得到无人船避碰目标的定位；拟人驾驶避碰决策系统包括预测控制滚动优化系统、机器学习系统和控制系统；

所述预测控制滚动优化系统，对融合后的数据进行分析，利用局部航路规划算法和滚动航路规划算法计算出目标参数的运动轨迹，并且利用推理机分析目标参数的运动轨迹，判断是否有碰撞的可能；

所述机器学习系统，用于在判断结果为有碰撞的可能时，生成用于避碰的航路规划；

所述控制器，用于根据机器学习系统给出的航路规划控制无人船的航向，避让碰撞目标；

所述多传感器信息融合控制器中进行融合为将AIS数据和雷达ARPA的数据进行融合，方法如下：

1)进行针对航迹关联所必需的坐标转换：将ARPA雷达信息坐标转换到AIS位置信息所在坐标系；

2)将测量到的ARPA雷达信息的空间直线距离化为大地线距离的地面观测元素的归算问题，在椭球面上利用高斯平均引数正算公式求解待定点大地经纬度，进行基于ARPA雷达信息的定位计算；

3)获得AIS数据和雷达ARPA的数据融合后的无人船避碰目标的定位；

4)无人船航向控制，通过控制系统控制无人船的航向，避让碰撞目标。

2.根据权利要求1所述的面向无人船的智能避碰系统，其特征在于，所述机器学习系统的工作方法具体如下：基于驾驶人行为采集模块，对有经验的驾驶人的行为进行采集学习，利用存储模块，存储记忆驾驶人操作，使用滚动窗口的船舶航路规划方法，利用多传感器感知模块探测到的实时导航信息进行在线滚动规划，获得不确定环境下船舶自动避碰的航路规划；

所述实时导航信息包括ARPA雷达信息、无人船附近船只的AIS信息、无人船所在区域的水流信息、风向信息、无人船的GPS定位信息以及本船运动信息。

Images