CN110595472A - 一种无人船双目标气象航线优化方法和系统 - Google Patents
一种无人船双目标气象航线优化方法和系统 Download PDFInfo
- Publication number
- CN110595472A CN110595472A CN201910750037.9A CN201910750037A CN110595472A CN 110595472 A CN110595472 A CN 110595472A CN 201910750037 A CN201910750037 A CN 201910750037A CN 110595472 A CN110595472 A CN 110595472A
- Authority
- CN
- China
- Prior art keywords
- waypoints
- route
- dual
- ship
- energy consumption
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005265 energy consumption Methods 0.000 claims abstract description 83
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000009977 dual effect Effects 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000002706 hydrostatic effect Effects 0.000 claims description 4
- 230000003094 perturbing effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 230000002411 adverse Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000004800 variational method Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种无人船双目标气象航线优化方法和系统,该方法包括:获取初始航线,并对初始航线进行离散化处理,得到多个初始航路点,多个初始航路点包括起始点、终点以及位于起始点与终点之间的多个中间航路点;结合采集的海洋气象数据得到双目标优化函数,双目标优化函数同时满足最短时航线优化准则和最优能耗航线优化准则;对多个中间航路点中的任一中间航路点进行随机扰动求得多个新的航路点,并对多个新的航路点利用所述双目标优化函数计算得到最佳航路点;基于双目标优化函数对所述多个中间航路点进行遍历,分别得到多个与中间航路点相对应的最佳航路点,根据起始点、终点和多个最佳航路点得到最佳航线。本发明节省船舶耗能的同时缩短航时。
Description
技术领域
本发明涉及船舶技术领域,尤其涉及一种无人船双目标气象航线优 化方法和系统。
背景技术
近年来,随着船运业的快速发展,气象航线设计成为保障智能无人 船舶安全高效航行的重要研究内容,航线的安全性和经济性也是衡量船 舶航线优劣的两个指标,能耗和航行时间是影响航线经济性的两个重要 因素。
但是,现有的研究缺乏对能耗与航时的同时考量,已有研究多为实 现航线的单目标最优,仅实现航线的航时最短或能耗最低不能满足船舶 实际航行需求。另外,已有的航线规划多采用等时线法、变分法和建立 网格模型等方法设计气象航线。等时线法是一种递归算法,当气象数据 较多时,易引起存储空间的消耗和复杂度的增加,因此,该方法只能用于设计航程较短的航线,且难以利用计算机程序实现。变分法则是构建 一个航行时间的函数,采用欧拉方程进行极值求解。由于方程构建有较 多的约束条件,求解难度高,当需要二阶微分时,方程求解将产生不准 确的情况。建立网格模型求解气象航线是将船舶航线优化问题转化为网 络路径问题,计算航程较长的航线时,该方法需要读取和处理数据量较 大,导致算法运行效率较低。
可见,现有方法在航线规划过程中存在无法同时考虑能耗与航时的 双重因素进行优化的问题。
上述缺陷是本领域技术人员期望克服的。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题,本发明提供一种无人船双目标气象 航线优化方法和系统,以解决现有方法在航线规划过程中存在无法同时 考虑能耗与航时的双重因素进行优化的问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
本发明一实施例提供一种无人船双目标气象航线优化方法,其包括:
获取初始航线,并对所述初始航线进行离散化处理,得到多个初始 航路点,所述多个初始航路点包括起始点、终点以及位于所述起始点与 所述终点之间的多个中间航路点;
结合采集的海洋气象数据得到双目标优化函数,其中所述双目标优 化函数同时满足最短时航线优化准则和最优能耗航线优化准则;
对所述多个中间航路点中的任一中间航路点进行随机扰动求得多个 新的航路点,并对所述多个新的航路点利用所述双目标优化函数计算得 到最佳航路点;
基于所述双目标优化函数对所述多个中间航路点进行遍历,分别得 到多个与所述中间航路点相对应的最佳航路点,根据所述起始点、所述 终点和所述多个最佳航路点得到最佳航线。
本发明的一个实施例中,所述获取初始航线为大圆航线,所述大圆 航线为所述起始点到所述终点之间航程最短的航线。
本发明的一个实施例中,所述海洋气象数据包括:风向角度、船体 迎风角、波高和船舶失速。
本发明的一个实施例中,所述双目标优化函数为:
s.t.0<vi≤vmax
N>0
Si>0
Te≥0
其中Z为双目标函数值,ω1和ω2分别为能耗与航时的权重因子,且 ω1+ω2=1,γ1和γ2为转换因子,用于将能耗和航时转化为评价航线的经济 性指标,N为所述初始航线上的恒向线个数,vi为第i段恒向线的船舶实 际航速,vmax为船舶临界速度,Si为第i段恒向线的长度,Te为船舶的主机 推力;
船舶临界速度vmax的计算公式为:
vmax=e0.13[1.4×10-4q23+12.0-h]1.6+4.0×10-4q23+7.0
其中h为所述波高,q为相对波向,用于表示船舶行驶方向与波浪方 向的夹角。
本发明的一个实施例中,所述对所述多个中间航路点中的任一中间 航路点进行随机扰动求得多个新的航路点,并对所述多个新的航路点利 用所述双目标优化函数计算得到最佳航路点包括:
从所述多个中间航路点中紧邻所述初始点的中间航路点开始,针对 所述中间航路点按照预设扰动规则得到相对应的多个新的航路点;
连接所述中间航路点之前的航路点与所述多个新的航路点,得到多 条恒向线;
计算所述船舶通过每段所述恒向线所需的能耗和时间;
根据计算得到所述能耗和所述时间通过理想点算法计算得到目标函 数值;
选择所述目标函数值最小的航路点为最佳航路点。
本发明的一个实施例中,所述针对所述中间航路点按照预设扰动规 则得到相对应的多个新的航路点包括:
获取中间航路点的经度和纬度;
产生第一随机数,所述第一随机数的范围为0-1;
判断所述第一随机数是否大于0.5,如果所述第一随机数大于0.5, 则所述中间航路点的经度增加0.25~1.25范围内的随机的数值,如果所述 第一随机数小于或等于0.5,则所述中间航路点的经度减少0.25~1.25范 围内的随机的数值;
产生第二随机数,所述第二随机数的范围为0-1;
判断所述第二随机数是否大于0.5,如果所述第二随机数大于0.5, 则所述中间航路点的纬度增加0.25~1.25范围内的随机的数值,如果所述 第二随机数小于或等于0.5,则所述中间航路点的纬度减少0.25~1.25范 围内的随机的数值;
根据所述第一随机数和所述第二随机数扰动后的经度和纬度得到所 述多个新的航路点。
本发明的一个实施例中,所述计算所述船舶通过每段所述恒向线所 需的能耗和时间包括:
计算所需的能耗的公式为:
其中We为船舶主机提供的能量,N为航线上恒向线的个数,(Te)i为第 i段恒向线上船舶的主机推力,Si代表第i段恒向线的长度;
针对所述初始航线的航行时间的计算公式为:
其中t为航程的总航时,v为船舶实际航速,vi为第i段恒向线的船舶 实际航速,v0为船舶静水航速,h为波高,vwind为风速。
本发明的一个实施例中,所述根据计算得到所述能耗和所述时间通 过理想点算法计算得到目标函数值包括:
根据所述能耗和所述时间分别计算关于能耗和航时的两个单目标函 数,其中所述两个单目标函数为能耗最优目标函数Za和航时最短目标函 数Zb,计算公式分别为:
根据所述两个单目标函数结合理想点算法计算目标函数值h,所述目 标函数值h的计算公式为:
其中fa和fb为根据所述理想点算法确定的可行区内的横坐标和纵坐 标,ω1和ω2分别为能耗与航时的权重因子,且ω1+ω2=1,γ1和γ2为转换因 子,用于将能耗和航时转化为评价航线的经济性指标,为单目标函数Za的最小值,为单目标函数Zb的最小值,且fa和fb满足:
本发明的一个实施例中,对于所述能耗最优目标函数Za和所述航时 最短目标函数Zb采用智能水滴算法进行求解得到最小值。
本发明另一实施例还提供一种无人船双目标气象航线优化系统,包 括:
离散处理模块,用于获取初始航线,并对所述初始航线进行离散化 处理,得到多个初始航路点,所述多个初始航路点包括起始点、终点以 及位于所述起始点与所述终点之间的多个中间航路点;
双目标函数模块,用于结合采集的海洋气象数据得到双目标优化函 数,其中所述双目标优化函数同时满足最短时航线优化准则和最优能耗 航线优化准则;
求解最佳值模块,用于对所述多个中间航路点中的任一中间航路点 进行随机扰动求得多个新的航路点,并对所述多个新的航路点利用所述 双目标优化函数计算得到最佳航路点;
航线规划模块,用于基于所述双目标优化函数对所述多个中间航路 点进行遍历,分别得到多个与所述中间航路点相对应的最佳航路点,根 据所述起始点、所述终点和所述多个最佳航路点得到最佳航线。
(三)有益效果
本发明的有益效果是:本发明上述实施例提供的无人船双目标气象 航线优化方法和系统,结合海洋气象数据以最短时航线优化准则和最优 能耗航线优化准则对初始航线进行双目标优化,调整航路点的位置,降 低不利的气象水文因素对船舶航行的影响,求解能耗和航时的双重最优 气象航线,节省船舶耗能的同时缩短航时。
附图说明
图1为本发明一实施例提供的一种无人船双目标气象航线优化方法 的流程图;
图2为本发明一实施例中某一历史时期全球风速分布图;
图3为本发明一实施例中风向计算示意图;
图4为本发明一实施例图1中步骤S130的流程图;
图5为本发明一实施例中理想点法的示意图;
图6为本发明一实施例中航路点寻优的示意图;
图7为本发明一实施例实现上述航线优化方法的寻优流程图;
图8为本发明另一实施例提供的一种无人船双目标气象航线优化系 统的示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实 施方式,对本发明作详细描述。
本文所使用的所有的技术和科学术语与属于本发明的技术领域的技 术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语 只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使 用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组 合。
本发明以下实施例提供一种无人船双目标气象航线优化方法,建立 无人船双目标全局气象航线模型,该模型通过分析海洋气象信息,结合 航路点优化准则,调整原大圆航线上航路点位置,优化船舶能耗与航行 时间,降低不利的气象水文因素对船舶航行的影响,求解能耗与航时的 双重最优气象航线,节省船舶能耗和航时,从而对无人船的航线进行规 划。
图1为本发明一实施例提供的一种无人船双目标气象航线优化方法 的流程图,如图1所示,该方法包括以下步骤:
如图1所示,在步骤S110中,获取初始航线,并对所述初始航线进 行离散化处理,得到多个初始航路点,所述多个初始航路点包括起始点、 终点以及位于所述起始点与所述终点之间的多个中间航路点;
如图1所示,在步骤S120中,结合采集的海洋气象数据得到双目标 优化函数,其中所述双目标优化函数同时满足最短时航线优化准则和最 优能耗航线优化准则;
如图1所示,在步骤S130中,对所述多个中间航路点中的任一中间 航路点进行随机扰动求得多个新的航路点,并对所述多个新的航路点利 用所述双目标优化函数计算得到最佳航路点;
如图1所示,在步骤S140中,基于所述双目标优化函数对所述多个 中间航路点进行遍历,分别得到多个与所述中间航路点相对应的最佳航 路点,根据所述起始点、所述终点和所述多个最佳航路点得到最佳航线。
在图1所示本发明实施例所提供的技术方案中,结合海洋气象数据 以最短时航线优化准则和最优能耗航线优化准则对初始航线进行双目标 优化,调整航路点的位置,降低不利的气象水文因素对船舶航行的影响, 求解能耗和航时的双重最优气象航线,节省船舶耗能的同时缩短航时。
以下对图1所示实施例的各个步骤的具体实现进行详细阐述:
在步骤S110中,获取初始航线,并对所述初始航线进行离散化处理, 得到多个初始航路点,所述多个初始航路点包括起始点、终点以及位于 所述起始点与所述终点之间的多个中间航路点。
本发明的一个实施例中,所述获取初始航线为大圆航线,由于大圆 航线是地球上两点之间的最短航线,因此本实施例中针对船舶设定的大 圆航线为起始点到终点之间航程最短的航线。基于大圆航线进行气象航 线设计,可以保证在总航程变化不大的基础上实现航线优化,降低航行 时间和能耗的同时,使航程相对较短,当气象条件发生变化时,以大圆 航线作为参照,能够对初始航线进行优化,更快生成新航线。
在步骤S120中,结合采集的海洋气象数据得到双目标优化函数,其 中所述双目标优化函数同时满足最短时航线优化准则和最优能耗航线优 化准则。
本发明的一个实施例中,该步骤中采集的海洋气象数据包括:风向 角度、船体迎风角、波高和船舶失速,具体如下:
1)风场数据处理
图2为本发明一实施例中某一历史时期全球风速分布图,如图2所示, 其中横轴为纬度,纵轴为经度,灰色区域代表陆地,下方的彩色横条下的数 字表示风速,风速单位为m·s-1,图2中海洋区域风速大小用横条中的颜色对 应,从图2中可以看出整个海洋环境中的风场分布情况。
本实施例中以经度增大的方向作为横轴的正方向,以纬度增大的方向作 为纵轴的正方向,在风场数据中,某一栅格点上的风向通过经度和纬度分量 上的风向数据来计算,风向角度的计算公式为:
其中α为风向角度,Lon为经向风的风向值,Lat为纬向风的风向值,根 据公式(1)求得风向角度的角度范围为[-π,π]。
2)船体迎风角计算
风向度量基准为x轴的正方向,航向C的度量基准为y轴正方向,二者 角度范围均为[0,π)。因此,需要将风向与航向采取统一的度量基准和方式。
首先,改变度量基准:从而风向的基准变为正北,度量范围变 为
其次,改变度量范围:α=rem(α+π,π),其中rem函数为趋于,函数 α=rem(α,π)函数作用α除以π的余数,目的是使角度均不小于零且不大于 180°,α=rem(α,π)为:
船体迎风角β是指船舶航向C与风向α之间的夹角,建立直角坐标系, 图3为本发明一实施例中风向计算示意图,如图3所示,设y轴正方向为正 北方向,根据图3所示,迎风角β的计算公式为:
β=|180°-|C-α|| 公式(3)
其中α为风向角度,C为船舶航向,根据公式(3)求得船体迎风角的角 度范围为[0,π)。
3)浪数据处理
在实际的海洋气象环境中,风、浪数据都可分别获取,但由于数据时效 性不同,不能准确获取同一时刻的风、浪数据,为保证浪数据的精确,采用 以下式推算波高h:
其中g为重力加速度,取9.8m/s,F为风区长度,风区长度F是指状态大 致相同的风作用的海域范围。
4)船舶失速数据处理
无人船在航行过程中,会受到气象和水文因素的影响,进而产生失速现 象,在其中各种因素中,受到风、浪的影响尤为严重。船舶在航行中由于受 到风、浪带来的影响,其受到的航行阻力会远远大于其在静水中所受到的阻 力,而这一现象被称为船舶的自然失速。采用以下公式计算船舶失速:
v=v0-(1.08h-0.126qh+2.77vwindcosβ)(1-2.33Dv0) 公式(5)
其中v为船舶实际航速,v0为船舶静水航速,vwind为风速,h为波高, β为船体迎风角,D为船舶排水量,q为相对波向。为简化计算难度,假 设波浪方向与风向一致,因此相对波向q与船体迎风角β一致。
本发明的一个实施例中,该步骤助攻根据上述海洋气象数据狗仔得 到所述双目标优化函数为:
s.t.0<vi≤vmax
N>0
Si>0
Te≥0
其中Z为双目标函数值,ω1和ω2分别为能耗与航时的权重因子,且 ω1+ω2=1,γ1和γ2为转换因子,用于将能耗和航时转化为评价航线的经济 性指标,N为所述初始航线上的恒向线个数,vi为第i段恒向线的船舶实 际航速,vmax为船舶临界速度,Si为第i段恒向线的长度,Te为船舶的主机 推力,(Te)i为第i段恒向线上的主机推力;
其中船舶临界速度vmax的计算公式为:
vmax=e0.13[1.4×10-4q23+12.0-h]1.6+4.0×10-4q23+7.0 公式(7)
其中自然常数e=2.71828182846,是一个无限循环数,h为所述波高, q为相对波向,用于表示船舶行驶方向与波浪方向的夹角。
在步骤S130中,对所述多个中间航路点中的任一中间航路点进行随 机扰动求得多个新的航路点,并对所述多个新的航路点利用所述双目标 优化函数计算得到最佳航路点。
图4为本发明一实施例图1中步骤S130的流程图,具体包括以下步 骤:
在步骤S401中,从所述多个中间航路点中紧邻所述初始点的中间航 路点开始,针对所述中间航路点按照预设扰动规则得到相对应的多个新 的航路点。
本发明的一个实施例中,由于船舶行驶的航线上存在若干航路点, 当无人船行至航路点i,选择下一航路点j时,应调整原航路点的位置, 选择最佳航路点行驶。初始航路点(所有中间航路点)的经度值和纬度 值在规定的某个范围内随机扰动,因此步骤S401中针对所述中间航路点 按照预设扰动规则得到相对应的多个新的航路点包括:
获取中间航路点的经度和纬度,首先,产生第一随机数rand1,所述 第一随机数rand1的范围为0-1;判断所述第一随机数rand1是否大于0.5, 如果所述第一随机数rand1大于0.5,则所述中间航路点的经度增加 0.25~1.25范围内的随机的数值,如果所述第一随机数rand1小于或等于 0.5,则所述中间航路点的经度减少0.25~1.25范围内的随机的数值;还产 生第二随机数rand2,所述第二随机数rand2的范围为0-1;判断所述第二 随机数rand2是否大于0.5,如果所述第二随机数rand2大于0.5,则所述 中间航路点的纬度增加0.25~1.25范围内的随机的数值,如果所述第二随 机数rand2小于或等于0.5,则所述中间航路点的纬度减少0.25~1.25范围 内的随机的数值;根据所述第一随机数rand1和所述第二随机数rand2扰 动后的经度和纬度得到所述多个新的航路点。
在步骤S402中,连接所述中间航路点之前的航路点与所述多个新的 航路点,得到多条恒向线。
在步骤S403中,计算所述船舶通过每段所述恒向线所需的能耗和时 间。
本发明的一个实施例中,步骤S403中计算所述船舶通过每段所述恒 向线所需的能耗和时间包括:
计算所需的能耗的公式为:
其中We为船舶主机提供的能量,N为航线上恒向线的个数,(Te)i为第 i段恒向线上船舶的主机推力,Si代表第i段恒向线的长度;
针对所述初始航线的航行时间的计算公式为:
其中t为航程的总航时,v为船舶实际航速,vi为第i段恒向线的船舶 实际航速,v0为船舶静水航速,h为波高,vwind为风速。
在步骤S404中,根据计算得到所述能耗和所述时间通过理想点算法 计算得到目标函数值。
本发明的一个实施例中,步骤S404根据计算得到所述能耗和所述时 间通过理想点算法计算得到目标函数值包括:
首先,根据所述能耗和所述时间分别计算关于能耗和航时的两个单 目标函数,其中所述两个单目标函数为能耗最优目标函数Za和航时最短 目标函数Zb,计算公式分别为:
计算能耗时,设起始点到终点之间有N-1个航路点(也就是中间航路 点),N-1+2=N+1个点之间形成N条线,即整条航线由N条恒向线构成, 在航线上,燃料消耗与船舶主机输出和航程密切相关,船舶主机在航线 上提供的能量的计算参照上述公式。
其次,根据所述两个单目标函数结合理想点算法计算目标函数值h, 所述目标函数值h的计算公式为:
其中fa和fb为根据所述理想点算法确定的可行区内的横坐标和纵坐 标,ω1和ω2分别为能耗与航时的权重因子,且ω1+ω2=1,γ1和γ2为转换因 子,用于将能耗和航时转化为评价航线的经济性指标,为单目标函数Za的最小值,为单目标函数Zb的最小值,且fa和fb满足:
本发明的一个实施例中,对于所述能耗最优目标函数Za和所述航时 最短目标函数Zb采用智能水滴算法进行求解得到最小值。
由于船舶沿大圆航线行驶时的航程最短,假设船舶主推力不变,即服务 功率不变,航程变化不多的情况下,适当调整航线使得外部环境辅助推力不 断变化,船舶能以更快的速度到达终点,其能耗越小。同时,船舶航速与航 时密切相关,航速越快则航时越短,双目标评价函数式为:
理想点法是根据决策者的先验信息构造出理想点,在指定条件下寻 求与此理想点最接近可行解。图5为本发明一实施例中理想点法的示意 图,如图5所示,其几何意义为,首先在目标空间中确定一个理想点Z*, 而后在可行域F中寻找一个可行点F*,使F*与Z*的距离尽可能最小,此 时F*是最优解。具体在本实施例中,船舶在航行中的输出功率和航速是不断变化的,为简化计算,本文根据评价函数式h中的权重值来作出假 设。若ω1≥ω2,则设定船舶航速不变;若ω1<ω2,则设定船舶输出功率不 变。设Za为能耗函数值,Zb为航行时间函数值,令
其中极小值解分别为和构造评价函数h参见上述公式(12), 其中fa与Za *数值,以及fb和Zb *数值不会相等,Za *和Zb *作为单目标函数中 的最优解,在双目标函数中无限接近。
在步骤S405中,选择所述目标函数值最小的航路点为最佳航路点。
基于上述步骤,图6为本发明一实施例中航路点寻优的示意图,如 图6所示为例,任一对中间航路点j于扰动后产生n个新航路点,jn为无 人船所有可能选择的航路点。连接航路点i与调整后的n个新航路点,得 到n条恒向线,依次计算船舶通过每段恒向线所需能耗与时间,并通过理 想点模型计算目标函数值h,经比较后选择h最小的航路点,该航路点即 为最佳航路点。
基于上述,该步骤中进行航路点寻优的过程可以概括为:当船舶行 驶至航路点i,调整该航路点i的下一个航路点j的多个位置,连接航路 点i与航路点j的恒向线,然后基于对无人船通过该恒向线ij所需的能耗 以及所需航时,通过理想点算法计算目标函数h,得到h最小的航路点未 最佳航路点。
智能水滴算法对初始航线的中间航路点进行优化时的调整规则为:
假设两航路点i和j之间的航行时间为含泥沙量soil(i,j),水滴的运行速度 为vel(i,j),确定起始点和目标点,在两点之间建立一条大圆航线,对大圆航 线进行离散化处理后得到N个初始航路点。
固定初始航路点的经度值plon,只对其纬度值plat在规定的某个范围内 随机扰动,水滴从航路点i出发,初始航线上的下一个相邻航路点为j,扰动 后产生n个新航路点,水滴在选择路径时会倾向于选择泥沙含量更少的路径, 以p(i,j)表示水滴在位置i处选择j作为下一位置的概率,它与路径(i,j)的泥沙 含量soil(i,j)成反比例关系,节点选择概率公式为:
式中,ε为极小的正实数,防止分母为0,并且
式中,k为水滴所有可能选择的节点,k∈[1,n]。
在步骤S140中,基于所述双目标优化函数对所述多个中间航路点进 行遍历,分别得到多个与所述中间航路点相对应的最佳航路点,根据所 述起始点、所述终点和所述多个最佳航路点得到最佳航线。
该步骤中通过以双目标最优确定的最佳航路点与初始航线的起始点 和终点进行连接,形成最佳航线。
本发明的一个实施例中,智能水滴算法对能耗最优目标函数Za和航 时最短目标函数Zb最小值求解时的参数参见表1,表2和表3分别为最低 能耗航线航路点经纬度值和最短航时航线航路点经纬度值。
表1
表2
表3
基于上述表1-表3,计算总航程、能耗和航时分别如表4所示。
表4
基于表4,对传统的大圆航线,单目标的最细能耗航线和最短航时航 线以及双目标航线的总航程、能耗值以及航行时间进行对比,可以看出, 大圆航线总航程最短,但能耗值与航行时间较其他三种航线均最高;最 低能耗航线模型对能耗值的优化最为明显,比大圆航线低4.8×107kJ,但航 时高3.14h;最短时航线模型对航时的优化最佳,较大圆航线低了9.36h; 双目标航线对能耗和航时的优化效果显著,分别较大圆航线低3.53×107kJ 和5.78h,表明本实施例的双目标航线优化方法具有较高的可靠性和适用 性。
图7为本发明一实施例实现上述航线优化方法的寻优流程图,如图7 所示,包括以下步骤:
在步骤S701中,生成两点之间的大圆航线;
在步骤S702中,对大圆航线做离散化处理得到初始航路点数据;
在步骤S703中,获取并处理海洋气象数据;
在步骤S704中,单目标优化准则与双目标航线优化算法相结合,其 中两个单目标优化准则包括最短时航线优化准则和最优能耗航线优化准 则,进行多目标航线优化,通过将双目标问题转化为单目标问题并求解, 得到新航线。
在步骤S705中,经多次航线寻优输出最佳航线,该航线即为满足双 目标的最优航线。
综上所述,本发明实施例提供的无人船双目标气象航线优化方法, 通过建立无人船双目标全局气象航线模型,通过分析海洋气象信息,结 合最短时航线优化准则和最优能耗航线优化准则两个航路点优化准则, 调整原大圆航线上航路点位置,对船舶能耗与航行时间进行双重优化, 适当绕航和改变航向,降低不利的气象水文因素对船舶航行的影响,求 解能耗与航时的双重最优气象航线,节省船舶能耗和航时。
图8为本发明另一实施例提供的一种无人船双目标气象航线优化系 统的示意图,如图8所示,该系统800包括:离散处理模块810、双目标 函数模块820、求解最佳值模块830和航线规划模块840。
离散处理模块810用于获取初始航线,并对所述初始航线进行离散 化处理,得到多个初始航路点,所述多个初始航路点包括起始点、终点 以及位于所述起始点与所述终点之间的多个中间航路点;双目标函数模 块820用于结合采集的海洋气象数据得到双目标优化函数,其中所述双 目标优化函数同时满足最短时航线优化准则和最优能耗航线优化准则; 求解最佳值模块830用于对所述多个中间航路点中的任一中间航路点进 行随机扰动求得多个新的航路点,并对所述多个新的航路点利用所述双 目标优化函数计算得到最佳航路点;航线规划模块840用于基于所述双 目标优化函数对所述多个中间航路点进行遍历,分别得到多个与所述中 间航路点相对应的最佳航路点,根据所述起始点、所述终点和所述多个 最佳航路点得到最佳航线。
由于本公开的示例实施例的无人船双目标气象航线优化系统的各个功 能模块与上述图1所示的无人船双目标气象航线优化方法的示例实施例的 步骤对应,因此对于本公开装置实施例中未披露的细节,请参照本公开 上述的无人船双目标气象航线优化方法的实施例。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若 干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的 实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一 个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征 和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描 述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件 的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品 的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以 是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等) 执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想 到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或 者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原 理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说 明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权 利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的 精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范 围仅由所附的权利要求来限制。
Claims (10)
1.一种无人船双目标气象航线优化方法,其特征在于,其包括:
获取初始航线,并对所述初始航线进行离散化处理,得到多个初始航路点,所述多个初始航路点包括起始点、终点以及位于所述起始点与所述终点之间的多个中间航路点;
结合采集的海洋气象数据得到双目标优化函数,其中所述双目标优化函数同时满足最短时航线优化准则和最优能耗航线优化准则;
对所述多个中间航路点中的任一中间航路点进行随机扰动求得多个新的航路点,并对所述多个新的航路点利用所述双目标优化函数计算得到最佳航路点;
基于所述双目标优化函数对所述多个中间航路点进行遍历,分别得到多个与所述中间航路点相对应的最佳航路点,根据所述起始点、所述终点和所述多个最佳航路点得到最佳航线。
2.如权利要求1所述的无人船双目标气象航线优化方法,其特征在于,所述获取初始航线为大圆航线,所述大圆航线为所述起始点到所述终点之间航程最短的航线。
3.如权利要求1所述的无人船双目标气象航线优化方法,其特征在于,所述海洋气象数据包括:风向角度、船体迎风角、波高和船舶失速。
4.如权利要求3所述的无人船双目标气象航线优化方法,其特征在于,所述双目标优化函数为:
s.t.0<vi≤vmax
N>0
Si>0
Te≥0
其中Z为双目标函数值,ω1和ω2分别为能耗与航时的权重因子,且ω1+ω2=1,γ1和γ2为转换因子,用于将能耗和航时转化为评价航线的经济性指标,N为所述初始航线上的恒向线个数,vi为第i段恒向线的船舶实际航速,vmax为船舶临界速度,Si为第i段恒向线的长度,Te为船舶的主机推力;
船舶临界速度vmax的计算公式为:
vmax=e0.13[1.4×10-4q23+12.0-h]1.6+4.0×10-4q23+7.0
其中h为所述波高,q为相对波向,用于表示船舶行驶方向与波浪方向的夹角。
5.如权利要求1所述的无人船双目标气象航线优化方法,其特征在于,所述对所述多个中间航路点中的任一中间航路点进行随机扰动求得多个新的航路点,并对所述多个新的航路点利用所述双目标优化函数计算得到最佳航路点包括:
从所述多个中间航路点中紧邻所述初始点的中间航路点开始,针对所述中间航路点按照预设扰动规则得到相对应的多个新的航路点;
连接所述中间航路点之前的航路点与所述多个新的航路点,得到多条恒向线;
计算所述船舶通过每段所述恒向线所需的能耗和时间;
根据计算得到所述能耗和所述时间通过理想点算法计算得到目标函数值;
选择所述目标函数值最小的航路点为最佳航路点。
6.如权利要求5所述的无人船双目标气象航线优化方法,其特征在于,所述针对所述中间航路点按照预设扰动规则得到相对应的多个新的航路点包括:
获取中间航路点的经度和纬度;
产生第一随机数,所述第一随机数的范围为0-1;
判断所述第一随机数是否大于0.5,如果所述第一随机数大于0.5,则所述中间航路点的经度增加0.25~1.25范围内的随机的数值,如果所述第一随机数小于或等于0.5,则所述中间航路点的经度减少0.25~1.25范围内的随机的数值;
产生第二随机数,所述第二随机数的范围为0-1;
判断所述第二随机数是否大于0.5,如果所述第二随机数大于0.5,则所述中间航路点的纬度增加0.25~1.25范围内的随机的数值,如果所述第二随机数小于或等于0.5,则所述中间航路点的纬度减少0.25~1.25范围内的随机的数值;
根据所述第一随机数和所述第二随机数扰动后的经度和纬度得到所述多个新的航路点。
7.如权利要求5所述的无人船双目标气象航线优化方法,其特征在于,所述计算所述船舶通过每段所述恒向线所需的能耗和时间包括:
计算所需的能耗的公式为:
其中We为船舶主机提供的能量,N为航线上恒向线的个数,(Te)i为第i段恒向线上船舶的主机推力,Si代表第i段恒向线的长度;
针对所述初始航线的航行时间的计算公式为:
其中t为航程的总航时,v为船舶实际航速,vi为第i段恒向线的船舶实际航速,v0为船舶静水航速,h为波高,vwind为风速。
8.如权利要求7所述的无人船双目标气象航线优化方法,其特征在于,所述根据计算得到所述能耗和所述时间通过理想点算法计算得到目标函数值包括:
根据所述能耗和所述时间分别计算关于能耗和航时的两个单目标函数,其中所述两个单目标函数为能耗最优目标函数Za和航时最短目标函数Zb,计算公式分别为:
根据所述两个单目标函数结合理想点算法计算目标函数值h,所述目标函数值h的计算公式为:
其中fa和fb为根据所述理想点算法确定的可行区内的横坐标和纵坐标,ω1和ω2分别为能耗与航时的权重因子,且ω1+ω2=1,γ1和γ2为转换因子,用于将能耗和航时转化为评价航线的经济性指标,为单目标函数Za的最小值,为单目标函数Zb的最小值,且fa和fb满足:
9.如权利要求8所述的无人船双目标气象航线优化方法,其特征在于,对于所述能耗最优目标函数Za和所述航时最短目标函数Zb采用智能水滴算法进行求解得到最小值。
10.一种无人船双目标气象航线优化系统,其特征在于,包括:
离散处理模块,用于获取初始航线,并对所述初始航线进行离散化处理,得到多个初始航路点,所述多个初始航路点包括起始点、终点以及位于所述起始点与所述终点之间的多个中间航路点;
双目标函数模块,用于结合采集的海洋气象数据得到双目标优化函数,其中所述双目标优化函数同时满足最短时航线优化准则和最优能耗航线优化准则;
求解最佳值模块,用于对所述多个中间航路点中的任一中间航路点进行随机扰动求得多个新的航路点,并对所述多个新的航路点利用所述双目标优化函数计算得到最佳航路点;
航线规划模块,用于基于所述双目标优化函数对所述多个中间航路点进行遍历,分别得到多个与所述中间航路点相对应的最佳航路点,根据所述起始点、所述终点和所述多个最佳航路点得到最佳航线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910750037.9A CN110595472B (zh) | 2019-08-14 | 2019-08-14 | 一种无人船双目标气象航线优化方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910750037.9A CN110595472B (zh) | 2019-08-14 | 2019-08-14 | 一种无人船双目标气象航线优化方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110595472A true CN110595472A (zh) | 2019-12-20 |
CN110595472B CN110595472B (zh) | 2021-06-15 |
Family
ID=68854433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910750037.9A Active CN110595472B (zh) | 2019-08-14 | 2019-08-14 | 一种无人船双目标气象航线优化方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110595472B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709579A (zh) * | 2020-06-17 | 2020-09-25 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶航速优化方法及装置 |
CN112749847A (zh) * | 2021-01-15 | 2021-05-04 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶航线的确定方法、装置及电子设备 |
CN112833882A (zh) * | 2020-12-30 | 2021-05-25 | 成都方位导向科技开发有限公司 | 一种动态加权航线自动推荐方法 |
CN113191571A (zh) * | 2021-05-26 | 2021-07-30 | 上海海事大学 | 基于多目标适应性权重进化算法的航线优化方法 |
WO2021195875A1 (zh) * | 2020-03-30 | 2021-10-07 | 深圳市大疆创新科技有限公司 | 飞行控制方法、装置、设备及存储介质 |
CN113935676A (zh) * | 2021-08-31 | 2022-01-14 | 震兑工业智能科技有限公司 | 一种用于精确计算的航线计划优化方法和系统 |
CN114252078A (zh) * | 2022-02-28 | 2022-03-29 | 南京信息工程大学 | 基于改进的Dijkstra算法的飞行器航迹快速规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100280750A1 (en) * | 2009-04-30 | 2010-11-04 | The Boeing Company | Estimating Probabilities of Arrival Times for Voyages |
CN102788581A (zh) * | 2012-07-17 | 2012-11-21 | 哈尔滨工程大学 | 一种基于改进的微分进化算法的船舶航路规划方法 |
CN108564202A (zh) * | 2018-03-18 | 2018-09-21 | 哈尔滨工程大学 | 一种基于环境预报信息的无人艇航线优化方法 |
CN109829582A (zh) * | 2019-01-29 | 2019-05-31 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 航线航速优化方法及系统 |
-
2019
- 2019-08-14 CN CN201910750037.9A patent/CN110595472B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100280750A1 (en) * | 2009-04-30 | 2010-11-04 | The Boeing Company | Estimating Probabilities of Arrival Times for Voyages |
CN102788581A (zh) * | 2012-07-17 | 2012-11-21 | 哈尔滨工程大学 | 一种基于改进的微分进化算法的船舶航路规划方法 |
CN108564202A (zh) * | 2018-03-18 | 2018-09-21 | 哈尔滨工程大学 | 一种基于环境预报信息的无人艇航线优化方法 |
CN109829582A (zh) * | 2019-01-29 | 2019-05-31 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 航线航速优化方法及系统 |
Non-Patent Citations (2)
Title |
---|
JOANNA SZLAPCZYNSKA: "Multi-objective Weather Routing with Customised Criteria and Constraints", 《THE JOURNAL OF NAVIGATION》 * |
赵华川: "基于实况气象的动态航线规划方法设计", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021195875A1 (zh) * | 2020-03-30 | 2021-10-07 | 深圳市大疆创新科技有限公司 | 飞行控制方法、装置、设备及存储介质 |
CN111709579A (zh) * | 2020-06-17 | 2020-09-25 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶航速优化方法及装置 |
CN111709579B (zh) * | 2020-06-17 | 2023-12-01 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶航速优化方法及装置 |
CN112833882A (zh) * | 2020-12-30 | 2021-05-25 | 成都方位导向科技开发有限公司 | 一种动态加权航线自动推荐方法 |
CN112749847A (zh) * | 2021-01-15 | 2021-05-04 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶航线的确定方法、装置及电子设备 |
CN112749847B (zh) * | 2021-01-15 | 2024-03-08 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 船舶航线的确定方法、装置及电子设备 |
CN113191571A (zh) * | 2021-05-26 | 2021-07-30 | 上海海事大学 | 基于多目标适应性权重进化算法的航线优化方法 |
CN113191571B (zh) * | 2021-05-26 | 2024-04-05 | 上海海事大学 | 基于多目标适应性权重进化算法的航线优化方法 |
CN113935676A (zh) * | 2021-08-31 | 2022-01-14 | 震兑工业智能科技有限公司 | 一种用于精确计算的航线计划优化方法和系统 |
CN114252078A (zh) * | 2022-02-28 | 2022-03-29 | 南京信息工程大学 | 基于改进的Dijkstra算法的飞行器航迹快速规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110595472B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110595472B (zh) | 一种无人船双目标气象航线优化方法和系统 | |
CN110608738B (zh) | 一种无人船全局气象航线动态规划方法和系统 | |
CN110849371B (zh) | 一种无人船气象航线动态优化方法和系统 | |
US8798824B2 (en) | Ship maneuvering control method and ship maneuvering control system | |
CN106093849B (zh) | 一种基于测距和神经网络算法的水下定位方法 | |
CN108872978B (zh) | 一种基于高频地波雷达洋流数据的水上船只路径规划方法 | |
MXPA06010586A (es) | Sistema y metodo de investigacion sismica marina. | |
CN110969289B (zh) | 一种无人船气象航线连续动态优化方法和系统 | |
WO2019004416A1 (ja) | 最適航路探索方法及び装置 | |
CN109460874B (zh) | 一种基于深度学习的有义波高预测方法 | |
CN111307160B (zh) | 一种自主水下航行器长航时航迹的修正方法及装置 | |
CN105539797A (zh) | 一种基于ecdis的风力助航船舶的航行方法及系统 | |
CN110608744A (zh) | 一种具有动态避障功能的水质采样无人艇路径规划方法 | |
Zhou et al. | Time series prediction methods for depth-averaged current velocities of underwater gliders | |
CN110081884A (zh) | 基于虚拟航向的重力辅助惯性导航区域适配性评价方法 | |
CN114580309B (zh) | 漂移速度预测方法、装置、计算设备及存储介质 | |
CN115686002A (zh) | 一种复杂海域下的水面无人艇路径跟踪控制方法 | |
Dalang et al. | Stochastic optimization of sailing trajectories in an upwind regatta | |
CN110595473A (zh) | 一种最短时气象航线的获取方法及其系统 | |
Pan et al. | Development of ship weather routing system with higher accuracy using SPSS and an improved genetic algorithm | |
US20180031376A1 (en) | Systems and methods for computing and displaying navigation indicators based on historic and real-time vessel data | |
CN111260529B (zh) | 船舶环境数据的确定方法、装置及船舶 | |
Bons et al. | EconomyPlanner; optimal use of inland waterways | |
CN115115142B (zh) | 一种船舶应急停靠点规划方法、装置及电子设备 | |
Tan et al. | Segmented underwater terrain matching based on q-learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |