CN109976189A - 一种智能舰艇自动巡航模拟仿真方法 - Google Patents
一种智能舰艇自动巡航模拟仿真方法 Download PDFInfo
- Publication number
- CN109976189A CN109976189A CN201910214748.4A CN201910214748A CN109976189A CN 109976189 A CN109976189 A CN 109976189A CN 201910214748 A CN201910214748 A CN 201910214748A CN 109976189 A CN109976189 A CN 109976189A
- Authority
- CN
- China
- Prior art keywords
- ship
- virtual
- repulsion
- force
- field
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P.I., P.I.D.
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/028—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using expert systems only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Abstract
一种智能舰艇自动巡航模拟仿真方法,所述方法将船舶作为质点置入虚拟力场中,将巡航目标位置设置为虚拟力场中的最低势能点,将障碍物位置设置为最高势能点,通过计算船舶位置的引力势函数的梯度得到船舶所受的虚拟引力,通过计算障碍物斥力势能场梯度,得到船舶所受的障碍物斥力,利用引力和斥力的合力计算出船舶在虚拟力场中的加速度,再将该加速度映射到虚拟环境中作为船舶控制系统的输入信号,从而实现船舶在虚拟环境中的巡航。本发明采用人工势能场方法实现了船舶的自动避障,使船舶在避开障碍物的同时,快速精准地航向目标位置,且整个仿真过程符合物理规律,不必提前指定航线,从而实现了在虚拟环境下的单船或多船自动巡航。
Description
技术领域
本发明涉及一种智能舰艇自动巡航模拟仿真方法,属于数据处理技术领域。
背景技术
目前,Unigine环境下的船舶自动巡航并未采用控制系统,仅通过单纯的航向偏移或不遵循动力学的固定轨迹运动的方式进行模拟,存在控制精度差、轨迹失真等问题。在多船巡航时,使用现有的航向偏移法会频繁出现船舶碰撞问题,且无法自动避开障碍物。而使用现有的固定轨迹航行法则缺乏动力学理论基础,航行轨迹不符合物理规律,且需要为每艘船指定轨迹,使用复杂且模拟效果失真。总之,现有的舰艇自动巡航模拟仿真方法整体模拟效果不佳,无法实现在虚拟环境下基于动力学的单船或多船自动巡航。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种智能舰艇自动巡航模拟仿真方法,以解决现有的舰艇自动巡航模拟仿真方法整体模拟效果不佳的问题,实现在虚拟环境下基于动力学的单船或多船自动巡航。
本发明所述问题是以下述技术方案解决的:
一种智能舰艇自动巡航模拟仿真方法,所述方法将船舶作为质点置入虚拟力场中,将巡航目标位置设置为虚拟力场中的最低势能点,将障碍物位置设置为最高势能点,通过计算船舶位置的引力势函数的梯度得到船舶所受的虚拟引力,通过计算障碍物斥力势能场梯度,得到船舶所受的障碍物斥力,利用引力和斥力的合力计算出船舶在虚拟力场中的加速度,再将该加速度映射到虚拟环境中作为船舶控制系统的输入信号,从而实现船舶在虚拟环境中的巡航。
上述智能舰艇自动巡航模拟仿真方法,若为多船协同巡航,则需设置船舶之间的斥力,并将当前船舶所受的其他船舶的斥力与障碍物斥力和虚拟引力合并,得到当前船舶所受的合力,进而计算出船舶在虚拟力场中的加速度。
上述智能舰艇自动巡航模拟仿真方法,所述虚拟力场通过Khatib引力势函数构造,船舶所受虚拟引力场公式为:
其中Uattr(W)为虚拟斥力势函数,W为当前船舶在二维平面空间中的坐标,α为斥力增益系数,ρ为距离障碍物或其他船舶的最小距离
斥力的计算公式为:
其中Urep(W)为虚拟斥力势函数,W为当前船舶在二维平面空间中的坐标,β为斥力增益系数,ρ0是一个常数,表示障碍物的影响距离,可根据碰撞风险等级进行自行调整,ρ为距离障碍物或其他船舶的最小距离,
船舶的整体受力为:
其中,F(W)为在W点所受合力,运算符表示求梯度运算。
上述智能舰艇自动巡航模拟仿真方法,所述船舶控制系统采用PID控制系统,或者专家系统与PID控制系统相结合的模糊自整定PID控制系统。
上述智能舰艇自动巡航模拟仿真方法,所述虚拟环境使用Unigine构建。
本发明采用人工势能场方法实现了船舶的自动避障,使船舶在避开障碍物的同时,快速精准地航向目标位置,且整个仿真过程符合物理规律,不必提前指定航线,从而实现了在虚拟环境下基于动力学的单船或多船自动巡航。
附图说明
下面结合附图对本发明作进一步详述。
图1为本发明的流程图。
具体实施方式
本发明采用设备:高性能显卡的计算机1台,要求配置为:CPU酷睿i5-8400及以上,显卡nVIDIA GTX1070Ti及以上,内存16GB DDR4 2666MHz及以上。
本发明采用的软件:三维引擎:Unigine
本发明可根据环境建模精度,选择PID控制或模糊自整定PID控制方法进行巡航控制,并通过人工势能场法实现多船协同巡航和自动避障,从而使船舶能够精准、快速的航向目标,并自动避开障碍物,避免相互之间的碰撞。
PID控制方法:
在环境建模相对简单、控制精度要求不高的情况下,使用经典的PID控制器对船舶巡航进行控制。PID控制的基本公式为:
其中Kp为比例系数,Ti为积分时间常量,Td为微分时间常量,u(x)为输出量,e(t)为输入量。
本发明采用了适合计算机模拟的增量式PID控制算法,即PID控制的离散形式,公式如下:
其中,T为采样间隔,k为第k次迭代,j为迭代下标。
PID控制器结构简单、鲁棒性好、可靠性高、参数易于整定,在节省计算资源的同时,最大程度的提高了控制精度。
模糊自整定PID控制:
船舶在行驶过程中,存在外界海浪、风流等负载的扰动,船舶的推进效率不确定,使得船舶处于强非线性因素的影响下,而使用线性PID控制器无法在不同条件下得到满意的效果,故在计算资源足够的情况下,可以使用模糊自整定PID控制来解决上述问题。
模糊自整定PID控制利用人工智能的方法整合操作人员长期的实践经验,将经典线性PID控制和专家系统相结合,利用模糊数学为基础,实现系统的最佳控制。
PID控制中,比例增益、积分增益和微分增益均为常数,导致PID控制对于非线性问题的控制效果不佳。而模糊自整定的PID控制,可以根据当前系统误差,根据模糊规则,通过模糊推理系统动态调整PID中的比例增益、积分增益和微分增益。
在本发明中,使用Mamdani型模糊推理系统,模糊算子采用标准“Min-Max”模糊算子。在解模糊过程中,采用重心法。此方法计算简便,鲁棒性强,且考虑了各个模糊集合对精确值的影响。
基本步骤为:通过计算当前系统误差e(目标数值和实际数值之间的差值)和误差变化率e′,利用模糊规则进行模糊推理,从而进行对比例增益、积分增益和微分增益进行调整。其模糊推理过程为:
1.在同一规则中输入量隶属度最小值作为条件部的匹配度。
2.将其与结论部的隶属度进行最小运算得出各规则的结论。
3.对所有规则的结论做最大运算。
4.得出最终结果。
在解模糊过程中,采用了常用的重心法,计算公式为:
其中,总模糊集为A,隶属度函数为μA(u),论域为U,u为积分变量。
本系统默认使用的专家系统可以在大多数船型和环境下实现精准控制,也支持动态添加、修改模糊规则,实现在特殊的模拟环境,特殊船型等条件下的控制。
多船协同巡航方法:
多船协同巡航需要考虑船舶间的碰撞、障碍物之间的碰撞问题。本系统采用人工势能场法来解决上述问题。将船舶作为质点置入虚拟力场中,将巡航目标位置设置为虚拟力场中的最低势能点,将障碍物位置设置为最高势能点,并合理设置船舶之间的斥力,从而使得船舶在虚拟力场中协同航向目标位置,并能避免相互之间的碰撞。
本系统通过Khatib引力势函数构造引力场,并通过计算船舶位置的引力势函数的梯度得到虚拟引力。
所述虚拟力场通过Khatib引力势函数构造,船舶所受虚拟引力场公式为:
其中,Uattr(W)为虚拟斥力势函数,W为当前船舶在二维平面空间中的坐标,α为斥力增益系数,ρ为距离障碍物或其他船舶的最小距离
斥力的计算公式为:
其中,Urep(W)为虚拟斥力势函数,W为当前船舶在二维平面空间中的坐标,β为斥力增益系数,ρ0是一个常数,表示障碍物的影响距离,可根据碰撞风险等级进行自行调整。ρ为距离障碍物或其他船舶的最小距离。
故船舶的整体受力为:
其中,F(W)为在W点所受合力,运算符表示求梯度运算。
同引力势能场类似,通过计算障碍物斥力势能场梯度和其他船舶形成的斥力势能场梯度,得到船舶所受障碍物的斥力和其他船舶的斥力。将计算得到的引力斥力进行合成可得当前船舶在虚拟力场中的加速度。再将虚拟力场中的加速度映射到Unigine构建的虚拟环境中,通过模糊自整定的PID控制,将虚拟力场中的行为反映到虚拟环境中,从而实现在虚拟环境中的多船协同巡航。
具体执行步骤如下:
1.在一个计算周期内,取出一个尚未进行导航的船舶。
2.针对此船舶,根据引力势函数,计算巡航目标对船舶的引力。
3.针对此船舶,根据引力势函数,计算障碍物和其他船舶的斥力。
4.计算引力和斥力的合力。
5.在合力方向上,以此船舶当前航速为参照前进。
6.重复上述步骤直到所有船舶导航完毕。
本系统使用了经典的PID控制实现了简单环境下的自动巡航。使用专家系统和经典PID控制相结合的模糊自整定PID控制的方法,实现了强非线性环境下的巡航控制。使得控制器的选择更加灵活、适应性强、节约计算资源。使用人工势能场方法实现了多船协同和自动避障功能,使得在多船协同巡航时,避免了相互之间的碰撞,并能在避开障碍物的同时,快速精准的航向目标位置,且整个仿真过程符合物理规律,不必提前指定航线。
Claims (5)
1.一种智能舰艇自动巡航模拟仿真方法,其特征是,所述方法将船舶作为质点置入虚拟力场中,将巡航目标位置设置为虚拟力场中的最低势能点,将障碍物位置设置为最高势能点,通过计算船舶位置的引力势函数的梯度得到船舶所受的虚拟引力,通过计算障碍物斥力势能场梯度,得到船舶所受的障碍物斥力,利用引力和斥力的合力计算出船舶在虚拟力场中的加速度,再将该加速度映射到虚拟环境中作为船舶控制系统的输入信号,从而实现船舶在虚拟环境中的巡航。
2.根据权利要求1所述的一种智能舰艇自动巡航模拟仿真方法,其特征是,若为多船协同巡航,则需设置船舶之间的斥力,并将当前船舶所受的其他船舶的斥力与障碍物斥力和虚拟引力合并,得到当前船舶所受的合力,进而计算出船舶在虚拟力场中的加速度。
3.根据权利要求1或2所述的一种智能舰艇自动巡航模拟仿真方法,其特征是,所述虚拟力场通过Khatib引力势函数构造,船舶所受虚拟斥力的计算公式为:
其中Urep(W)为虚拟斥力势函数,W为当前船舶在二维平面空间中的坐标,β为斥力增益系数,ρ0是一个常数,表示障碍物的影响距离,可根据碰撞风险等级进行自行调整。ρ为距离障碍物或其他船舶的最小距离。
4.根据权利要求3所述的一种智能舰艇自动巡航模拟仿真方法,其特征是,所述船舶控制系统采用PID控制系统,或者专家系统与PID控制系统相结合的模糊自整定PID控制系统。
5.根据权利要求4所述的一种智能舰艇自动巡航模拟仿真方法,其特征是,所述虚拟环境使用Unigine构建。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910214748.4A CN109976189A (zh) | 2019-03-20 | 2019-03-20 | 一种智能舰艇自动巡航模拟仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910214748.4A CN109976189A (zh) | 2019-03-20 | 2019-03-20 | 一种智能舰艇自动巡航模拟仿真方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109976189A true CN109976189A (zh) | 2019-07-05 |
Family
ID=67079752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910214748.4A Pending CN109976189A (zh) | 2019-03-20 | 2019-03-20 | 一种智能舰艇自动巡航模拟仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109976189A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111561932A (zh) * | 2020-05-27 | 2020-08-21 | 武汉理工大学 | 一种基于虚拟力的船舶导航方法 |
WO2021036833A1 (zh) * | 2019-08-28 | 2021-03-04 | 中国人民解放军国防科技大学 | 一种基于改进虚拟力场的无人机集群护航行为生成方法 |
CN112925222A (zh) * | 2021-02-01 | 2021-06-08 | 武汉理工大学 | 一种基于ros的无人艇运动控制仿真方法及装置 |
US20210295708A1 (en) * | 2020-03-18 | 2021-09-23 | Ship And Ocean Industries R&D Center | Vessel collision avoiding method and system based on artificial potential field |
-
2019
- 2019-03-20 CN CN201910214748.4A patent/CN109976189A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021036833A1 (zh) * | 2019-08-28 | 2021-03-04 | 中国人民解放军国防科技大学 | 一种基于改进虚拟力场的无人机集群护航行为生成方法 |
US20210295708A1 (en) * | 2020-03-18 | 2021-09-23 | Ship And Ocean Industries R&D Center | Vessel collision avoiding method and system based on artificial potential field |
US11676494B2 (en) * | 2020-03-18 | 2023-06-13 | Ship And Ocean Industries R&D Center | Vessel collision avoiding method and system based on artificial potential field |
CN111561932A (zh) * | 2020-05-27 | 2020-08-21 | 武汉理工大学 | 一种基于虚拟力的船舶导航方法 |
CN111561932B (zh) * | 2020-05-27 | 2023-07-18 | 武汉理工大学 | 一种基于虚拟力的船舶导航方法 |
CN112925222A (zh) * | 2021-02-01 | 2021-06-08 | 武汉理工大学 | 一种基于ros的无人艇运动控制仿真方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Path planning and obstacle avoiding of the USV based on improved ACO-APF hybrid algorithm with adaptive early-warning | |
CN109976189A (zh) | 一种智能舰艇自动巡航模拟仿真方法 | |
CN108564202B (zh) | 一种基于环境预报信息的无人艇航线优化方法 | |
CN109144102A (zh) | 一种基于改进蝙蝠算法的无人机航路规划方法 | |
CN109739090A (zh) | 一种自主式水下机器人神经网络强化学习控制方法 | |
CN110362089A (zh) | 一种基于深度强化学习和遗传算法的无人船自主导航的方法 | |
CN101833338B (zh) | 无人潜航器垂直面欠驱动运动控制方法 | |
CN109582027A (zh) | 一种基于改进粒子群优化算法的usv集群避碰规划方法 | |
CN104765368B (zh) | 一种基于模糊自适应算法的无人艇航向航速协同控制方法 | |
Lin | Adaptive critic autopilot design of bank-to-turn missiles using fuzzy basis function networks | |
Junmin et al. | Mechanism of dynamic automatic collision avoidance and the optimal route in multi-ship encounter situations | |
CN111695299A (zh) | 一种中尺度涡轨迹预测方法 | |
Wang et al. | Monitoring trajectory optimization for unmanned surface vessel in sailboat race | |
Yan et al. | Real-world learning control for autonomous exploration of a biomimetic robotic shark | |
CN113391633A (zh) | 一种面向城市环境的移动机器人融合路径规划方法 | |
CN107315348B (zh) | 一种基于惩罚式小波网络的无人潜航器位姿控制方法 | |
CN115686002A (zh) | 一种复杂海域下的水面无人艇路径跟踪控制方法 | |
Wang et al. | Ship motion control based on AMBPS-PID algorithm | |
Guo et al. | Local path planning of mobile robot based on long short-term memory neural network | |
CN108226887A (zh) | 一种观测量短暂丢失情况下的水面目标救援状态估计方法 | |
Mohanty et al. | A new intelligent approach for mobile robot navigation | |
Khademi et al. | Optimal three dimensional Terrain Following/Terrain Avoidance for aircraft using direct transcription method | |
CN114004035B (zh) | 一种水面无人艇目标跟踪控制方法 | |
Sun et al. | Path planning for an autonomous underwater vehicle in a cluttered underwater environment based on the heat method | |
Qin et al. | A path planning algorithm based on deep reinforcement learning for mobile robots in unknown environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190705 |