CN111208835A - 一种基于拓扑重构的船舶编队切换控制方法 - Google Patents

一种基于拓扑重构的船舶编队切换控制方法 Download PDF

Info

Publication number
CN111208835A
CN111208835A CN202010125607.8A CN202010125607A CN111208835A CN 111208835 A CN111208835 A CN 111208835A CN 202010125607 A CN202010125607 A CN 202010125607A CN 111208835 A CN111208835 A CN 111208835A
Authority
CN
China
Prior art keywords
ship
formation
potential field
node
obstacle
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
Application number
CN202010125607.8A
Other languages
English (en)
Other versions
CN111208835B (zh
Inventor
李铁山
杨顺
时权
单麒赫
陈俊龙
肖杨
左毅
武越
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian Maritime University
Original Assignee
Dalian Maritime University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian Maritime University filed Critical Dalian Maritime University
Priority to CN202010125607.8A priority Critical patent/CN111208835B/zh
Publication of CN111208835A publication Critical patent/CN111208835A/zh
Application granted granted Critical
Publication of CN111208835B publication Critical patent/CN111208835B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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
    • 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
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
    • G05B19/41855—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication by local area network [LAN], network structure
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25232—DCS, distributed control system, decentralised control unit
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2637—Vehicle, car, auto, wheelchair
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种基于拓扑重构的船舶编队切换控制方法，本发明方法通过电子海图系统获得全局船舶实时航行信息，结合船舶编队岸基信息平台发布的船舶调度信息进行船舶编队队形控制与切换控制。在编队避障过程中或队形切换后，编队内的拓扑结构不再适用于此时的队形，从而发生网络连接中断，利用拓扑重构法对编队通信拓扑进行重构。通过船舶自动识别系统、全球定位系统等设备获得实时船舶航行安全动态。当编队内船与船间的距离或船与障碍物间的距离小于二者对应的安全距离时，触发避碰或避障人工势场，进行避碰与避障控制。本发明将拓扑重构与人工势场法结合，充分利用船舶编队全局动态和实时船端航行信息，实现了船舶智能避碰与切换控制。

Description

一种基于拓扑重构的船舶编队切换控制方法
技术领域
本发明涉及信息技术与船舶编队分布式控制技术领域，具体而言，尤其涉及一种基于拓扑重构的船舶编队切换控制方法。
背景技术
近年来，随着信息科学技术的迅速发展，信息化和数字化设备贯穿于我们的日常生活中。船舶自动化、智能化的时代也已经来临。为了克服单船作业能力低，容错性低等缺点，船舶智能编队受到广泛关注。随着研究的深入，船舶编队已经能在实际中应用。在理论走向实际的过程中面临诸多挑战，而其中最具有挑战性的是船舶切换控制问题。
船舶切换控制可以提高编队在复杂环境下的生存能力。其中队形变换、避碰避障、网络连通性是船舶切换控制过程中不得不考虑的问题。在船舶具有一定感知能力的前提条件下，利用人工势场法来解决船舶的避碰避障问题。由于该方法具有步骤简单、计算量小等特点，能够较好的满足避碰、避障所需满足的实时性要求。采用对事件进行时间切片的方法保证切换控制保持队内一致切换的要求。最后利用拓扑重构方法来保障编队内的通信。
编队避碰系统与切换控制系统独立存在，但两套系统工作的前提就是编队通信畅通且网络拓扑包含以领导者为源顶点的下行树。因此，拓扑重构机制对于船舶切换编队控制系统是十分必要的。
发明内容
根据上述提出的技术问题，而提供一种基于拓扑重构的船舶编队切换控制方法。本发明将拓扑重构与人工势场法结合，充分利用船舶编队全局动态和实时船端航行信息，实现了船舶智能避碰与切换控制。
本发明采用的技术手段如下：
一种基于拓扑重构的船舶编队切换控制方法，包括如下步骤：
S1、通过全局的电子海图或内河水道信息，结合船舶操纵性、船宽船长、船舶吃水的船舶特性，对不同船舶分别设定相应的船舶航行安全条件；
S2、通过船舶编队岸基信息平台将海上作业任务发送至船舶编队，在船载信息处理平台上将船舶当前状态的信息作为依据对任务进行切片处理，并对不同片段中的任务需求进行船舶编队队形规划；
S3、在执行每一个任务片段的过程中，通过船载智能感知平台对船舶的状态信息进行实时监测，当编队前进过程中遇到可能发生碰撞的情况时触发船舶避碰系统，利用人工势场法对外部环境进行虚拟势场构建，从而产生虚拟的势场力控制船舶避碰；
S4、当编队需要进行必要的队形变换或拓扑切换时触发船舶编队切换控制系统；
S5、当船舶编队避障过程中或者进行队形变换时，利用拓扑重构系统对编队的网络拓扑结构进行合理重构；保证编队正常通信的同时对编队内通信负载进行区域统计，最优化队内通信能量消耗。
进一步地，所述的步骤S1具体为：
S11、根据电子海图与AIS数据建立包含编队任务起点和终点的经纬坐标系；依据各个船舶航行安全条件，在海图中针对每条船划分出相应的可航行区域与不可航行区域；
S12、根据所有船舶可航行区域，计算编队在不同地段或不同时间节点上预定队形的规模限制，同时，还需考虑每条船各自所能容许的最大可通信距离。
进一步地，所述的步骤S2具体为：
S21、假设一个作业任务过程可以描述为一个时间段：[tst,tend]，则可以将其划分为有限个连续但不重复的时间片段，划分如下：
[te,te+1)，e＝1,...,r；[tr+1,tend]，
其中，共r+1个片段，每个片段中与前一个片段中的编队属性有所差别(第一个片段除外)；
S22、计算所有已划分的时间片段长度，每个片段的长度需大于编队切换时所需的最短队形成形时间，将不满足此条件的时间片段的编队动作略去，同时，略去的时间片段附加到该片段前一个片段的末端。
进一步地，所述的步骤S3具体为：
S31、建立随船坐标系：
利用全球定位系统(GPS)、雷达、AIS船舶上的设备及传感器采集航道数据，将所有信息融合后，通过船载智能感知平台构建船舶附体坐标系；
S32、通过智能感知平台对船舶即将靠近的他船及障碍物进行识别，通过船舶之间的距离建立船舶间斥力场：
Figure BDA0002394295670000031
Figure BDA0002394295670000032
Figure BDA0002394295670000033
式中，i和j为本船与进入本船避碰势场的船舶名称，
Figure BDA0002394295670000034
为避碰辅助函数，其中ζij为i和j两船间的距离，σ1为常数(通常取正实数)，χ c为两船间最小安全距离，
Figure BDA0002394295670000035
为避碰势场最小触发距离，Ψc(ζij)为以船j避碰势场函数；
船舶i受到相邻j船的排斥力为j船避碰势场函数的负梯度，表示如下：
Figure BDA0002394295670000036
式中，kc为避碰势场系数，▽为梯度求取符号，xij为船i与船j的位置误差；
在船i的运行时，其受到的避碰势场排斥力合力表示为：
Figure BDA0002394295670000037
式中，Ni为进入船i避碰势场的船舶名称集合；
通过船i至障碍物边界的距离建立避障斥力场：
Figure BDA0002394295670000038
Figure BDA0002394295670000039
Figure BDA00023942956700000310
式中，
Figure BDA00023942956700000311
为避障辅助函数，其中ξik为船i与第k个障碍物最近边界点的距离，Θ1为常数(通常取正实数)，χ o为船与障碍物边界间的最小安全距离，
Figure BDA00023942956700000312
为避障势场最小触发距离，Ψo(ξik)是以离船最近的障碍物边界点为中心的避障势场函数；
障碍物k对船i的避障势场排斥力大小为：
Figure BDA0002394295670000041
式中，ko为避碰势场系数，▽为梯度求取符号，zik为船i与障碍物k的位置误差；
船i受到的避障势场排斥力合力为：
Figure BDA0002394295670000042
式中，p为船i所需避开的障碍物总数；
船i所受避碰、避障势场力和力矩为：
Figure BDA0002394295670000043
进一步地，所述的步骤S4具体为：
S41、将编队在不同时间片段中的相对位置约束、速度约束、任务与调度信息顺序独立存放于切换控制系统中，以时间片段端点、事件结束标志作为综合片段间隔符；
S42、切换控制器作用时只更改片段所存储的信息，在编队切换控制过程与船舶避碰机制相独立。
进一步地，所述的步骤S5具体为：
S51、在网络发生故障或队形发生大幅变换时，触发拓扑重构机制，根据图论相关知识将网络拓扑结构抽象为有向图；将网络拓扑级故障分为单节点不可达、不可达节点可构成连通子图和不可达节点不可构成连通子图三类，分别设计故障模型；通过网络中节点和链路的故障函数，计算节点发生故障的概率，从而定位故障；具体的：
节点故障概率函数为：
Fn(v,x,t)=1-e(-λ(a×v+b×x+c×t))
式中，Fn为节点n发生故障的概率，v为节点n运动速度，x为节点n通信半径，t为节点n当前的正常运行时间，λ为正常数，λ、a、b、c在仿真中依据实际情况取值；
链路平均故障概率函数为：
Figure BDA0002394295670000044
αm,n=αm+αn
Figure BDA0002394295670000051
式中，Fe为链路e发生故障的概率，vm、vn表示顶点m、n，R为顶点在时间t内的位移矢量，αm,n、αm、αn为中间变量，每个节点的时间间隙服从独立的等同均值为1/λn的指数分布，间隙内节点以均值为μn、方差为σn 2的速率运动；
库默尔函数为：
Figure BDA0002394295670000052
S52、利用概率模型分别计算网络的节点和链路故障率，将概率较大的故障加入故障表；
S53、通过故障诊断完成拓扑重构机制的触发之后，根据故障表信息更新网络邻接矩阵；首先触发失效节点，将其功率调大；若网络连通性没有恢复则增加至两跳，将该点所有邻节点功率增大；若连通性仍未恢复，则依次增加至k跳节点；
S54、在网络连通性恢复后，减少不必要的网络连接降低网络消耗；使所有节点计算邻节点的距离；若删去与最远距离节点的连接仍具有以领导者为源顶点的下行树，则删去该连接并更新第二远距离为最远距离；重复上述连接删减步骤直到无法删减；各节点以与最终最远邻节点的距离调整自己的通信功率。
进一步地，所述的船舶编队切换控制系统包括由岸基信息平台发送至编队领导者的任务事件与事件要求，即位置限制于速度匹配，各船船载感知平台需要得到来自领导者的合理的整个时间片段包信息；同时，在每个片段结束时编队内需要进行时间校正来确保事件序列执行的一致性。
较现有技术相比，本发明的有益效果如下：
本发明提供的基于拓扑重构的船舶编队切换控制方法，利用船舶智能感知平台的船舶航行数据对船舶周围物体建立障碍物及其他船舶建立障碍物斥力场及避碰斥力场模型。再利用斥力场模型计算出的排斥力控制船舶运动从而避免与他船及障碍物发生碰撞。在队形变换后利用所提出的拓扑重构机制对编队网络拓扑进行重构，保证队内网络的连通性。从而进一步提高编队的生存能力与安全性。
基于上述理由本发明可在信息技术与船舶编队分布式控制等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法流程图。
图2为本发明实施例提供的船舶人工势场区域设计图。
图3为本发明实施例提供的障碍物人工势场区域设计图。
图4为本发明实施例提供的避碰及避障原理图。
图5为本发明实施例提供的拓扑重构原理图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示，本发明提供了一种基于拓扑重构的船舶编队切换控制方法，本发明方法的任务分配与事件切片部分需要岸基信息平台与船载感知平台协作完成。避碰部分需利用包含船舶动态信息与环境信息的船载感知信息平台与计算船舶运动控制指令的船舶避碰控制器协作，生成控制指令发送给自动舵和船舶主机调速控制器，从而改变船舶航向和航速。其中，船载感知信息平台需要利用到的设备有：测距摄像头、差分GPS系统、船用雷达、电罗经测向仪、船载AIS系统等。船舶避碰控制器在船舶遇到障碍物或与他船距离过近时触发，计算船舶航向航速控制指令。船舶拓扑重构机制需要船舶感知信息平台与船载通信设备协作完成，当船舶队形发生大幅改变或船舶通信出现故障时改善和修复船舶编队队内通信。
具体的，本发明方法包括如下步骤：
S1、通过全局的电子海图或内河水道信息，结合船舶操纵性、船宽船长、船舶吃水的船舶特性，对不同船舶分别设定相应的船舶航行安全条件；
进一步地，作为本发明优选的实施方式，所述的步骤S1具体为：
S11、根据电子海图与AIS数据建立包含编队任务起点和终点的经纬坐标系；依据各个船舶航行安全条件，在海图中针对每条船划分出相应的可航行区域与不可航行区域；
S12、根据所有船舶可航行区域，计算编队在不同地段或不同时间节点上预定队形的规模限制，同时，还需考虑每条船各自所能容许的最大可通信距离。
S2、通过船舶编队岸基信息平台将海上作业任务发送至船舶编队，在船载信息处理平台上将船舶当前状态的信息作为依据对任务进行切片处理，并对不同片段中的任务需求进行船舶编队队形规划；
进一步地，作为本发明优选的实施方式，所述的步骤S2具体为：
S21、假设一个作业任务过程可以描述为一个时间段：[tst,tend]，则可以将其划分为有限个连续但不重复的时间片段，划分如下：
[te,te+1)，e=1,...,r；[tr+1,tend]，
其中，共r+1个片段，每个片段中与前一个片段中的编队属性有所差别(第一个片段除外)；
S22、计算所有已划分的时间片段长度，每个片段的长度需大于编队切换时所需的最短队形成形时间，将不满足此条件的时间片段的编队动作略去，同时，略去的时间片段附加到该片段前一个片段的末端。
S3、在执行每一个任务片段的过程中，通过船载智能感知平台对船舶的状态信息进行实时监测，当编队前进过程中遇到可能发生碰撞的情况时触发船舶避碰系统，利用人工势场法对外部环境进行虚拟势场构建，从而产生虚拟的势场力控制船舶避碰；
进一步地，作为本发明优选的实施方式，所述的步骤S3具体为：
S31、建立随船坐标系：
利用全球定位系统(GPS)、雷达、AIS船舶上的设备及传感器采集航道数据，将所有信息融合后，通过船载智能感知平台构建船舶附体坐标系；
S32、如图2所示，为船舶人工势场区域设计图，通过智能感知平台对船舶即将靠近的他船及障碍物进行识别，通过船舶之间的距离建立船舶间斥力场：
Figure BDA0002394295670000081
Figure BDA0002394295670000082
Figure BDA0002394295670000083
式中，i和j为本船与进入本船避碰势场的船舶名称，
Figure BDA0002394295670000084
为避碰辅助函数，其中ζij为i和j两船间的距离，σ1为常数(通常取正实数)，χ c为两船间最小安全距离，
Figure BDA0002394295670000085
为避碰势场最小触发距离，Ψc(ζij)为以船j避碰势场函数；
船舶i受到相邻j船的排斥力为j船避碰势场函数的负梯度，表示如下：
Figure BDA0002394295670000086
式中，kc为避碰势场系数，▽为梯度求取符号，xij为船i与船j的位置误差；
在船i的运行时，其受到的避碰势场排斥力合力表示为：
Figure BDA0002394295670000087
式中，Ni为进入船i避碰势场的船舶名称集合；
通过船i至障碍物边界的距离建立避障斥力场：
Figure BDA0002394295670000091
Figure BDA0002394295670000092
Figure BDA0002394295670000093
式中，
Figure BDA0002394295670000094
为避障辅助函数，其中ξik为船i与第k个障碍物最近边界点的距离，Θ1为常数(通常取正实数)，χo为船与障碍物边界间的最小安全距离，
Figure BDA0002394295670000095
为避障势场最小触发距离，Ψo(ξik)是以离船最近的障碍物边界点为中心的避障势场函数；
如图3所示，为障碍物人工势场区域设计图，障碍物k对船i的避障势场排斥力大小为：
Figure BDA0002394295670000096
式中，ko为避碰势场系数，▽为梯度求取符号，zik为船i与障碍物k的位置误差；
船i受到的避障势场排斥力合力为：
Figure BDA0002394295670000097
式中，p为船i所需避开的障碍物总数；
如图4所示，为避碰及避障原理图，船i所受避碰、避障势场力和力矩为：
Figure BDA0002394295670000098
S4、如图5所示，为本发明实施例提供的拓扑重构原理图，当编队需要进行必要的队形变换或拓扑切换时触发船舶编队切换控制系统；针对特殊情况(比如三角编队通过仅一条船宽的狭窄水道时)会同时触发切换控制系统和船舶避碰系统，从而保证编队船舶能够安全通过复杂海域；
进一步地，作为本发明优选的实施方式，所述的步骤S4具体为：
S41、将编队在不同时间片段中的相对位置约束、速度约束、任务与调度信息顺序独立存放于切换控制系统中，以时间片段端点、事件结束标志作为综合片段间隔符；
S42、切换控制器作用时只更改片段所存储的信息，在编队切换控制过程与船舶避碰机制相独立。即在船舶队形变换的过程中，船舶避碰系统的优先级最高，来保证船舶航行的安全性；其次才是船舶编队切换控制系统。
S5、当船舶编队避障过程中或者进行队形变换时，利用拓扑重构系统对编队的网络拓扑结构进行合理重构；保证编队正常通信的同时对编队内通信负载进行区域统计，最优化队内通信能量消耗。
进一步地，作为本发明优选的实施方式，所述的步骤S5具体为：
S51、在网络发生故障或队形发生大幅变换时，触发拓扑重构机制，根据图论相关知识将网络拓扑结构抽象为有向图；将网络拓扑级故障分为单节点不可达、不可达节点可构成连通子图和不可达节点不可构成连通子图三类，分别设计故障模型；通过网络中节点和链路的故障函数，计算节点发生故障的概率，从而定位故障；具体的：
节点故障概率函数为：
Fn(v,x,t)=1-e(-λ(a×v+b×x+c×t))
式中，Fn为节点n发生故障的概率，v为节点n运动速度，x为节点n通信半径，t为节点n当前的正常运行时间，λ为正常数，λ、a、b、c在仿真中依据实际情况取值；
链路平均故障概率函数为：
Figure BDA0002394295670000101
αm,n＝αm+αn
Figure BDA0002394295670000102
式中，Fe为链路e发生故障的概率，vm、vn表示顶点m、n，R为顶点在时间t内的位移矢量，αm,n、αm、αn为中间变量，每个节点的时间间隙服从独立的等同均值为1/λn的指数分布，间隙内节点以均值为μn、方差为
Figure BDA0002394295670000103
的速率运动；
库默尔函数为：
Figure BDA0002394295670000104
S52、利用概率模型分别计算网络的节点和链路故障率，将概率较大的故障(某点的节点故障率和其相关的链路故障率相比较)加入故障表；
S53、通过故障诊断完成拓扑重构机制的触发之后，根据故障表信息更新网络邻接矩阵；首先触发失效节点，将其功率调大；若网络连通性没有恢复则增加至两跳，将该点所有邻节点功率增大；若连通性仍未恢复，则依次增加至k跳节点；
S54、在网络连通性恢复后，减少不必要的网络连接降低网络消耗；使所有节点计算邻节点的距离；若删去与最远距离节点的连接仍具有以领导者为源顶点的下行树，则删去该连接并更新第二远距离为最远距离；重复上述连接删减步骤直到无法删减；各节点以与最终最远邻节点的距离调整自己的通信功率。
进一步地，作为本发明优选的实施方式，所述的船舶编队切换控制系统包括由岸基信息平台发送至编队领导者的任务事件与事件要求，即位置限制于速度匹配，各船船载感知平台需要得到来自领导者的合理的整个时间片段包信息；同时，在每个片段结束时编队内需要进行时间校正来确保事件序列执行的一致性。
通过以上实施例可知，本发明方法考虑了队内他船与障碍物运动和静止的状态。船舶在检测到障碍物时，以障碍物上离本船最近点到本船的距离为避障势场的输入值。利用船舶智能感知平台的船舶航行数据对船舶周围物体建立障碍物及其他船舶建立障碍物斥力场及避碰斥力场模型。再利用斥力场模型计算出的排斥力控制船舶运动从而避免与他船及障碍物发生碰撞。在队形变换后利用所提出的拓扑重构机制对编队网络拓扑进行重构，保证队内网络的连通性。从而进一步提高编队的生存能力与安全性。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。

Claims (7)

1.一种基于拓扑重构的船舶编队切换控制方法，其特征在于，包括如下步骤：
S1、通过全局的电子海图或内河水道信息，结合船舶操纵性、船宽船长、船舶吃水的船舶特性，对不同船舶分别设定相应的船舶航行安全条件；
S2、通过船舶编队岸基信息平台将海上作业任务发送至船舶编队，在船载信息处理平台上将船舶当前状态的信息作为依据对任务进行切片处理，并对不同片段中的任务需求进行船舶编队队形规划；
S3、在执行每一个任务片段的过程中，通过船载智能感知平台对船舶的状态信息进行实时监测，当编队前进过程中遇到可能发生碰撞的情况时触发船舶避碰系统，利用人工势场法对外部环境进行虚拟势场构建，从而产生虚拟的势场力控制船舶避碰；
S4、当编队需要进行必要的队形变换或拓扑切换时触发船舶编队切换控制系统；
S5、当船舶编队避障过程中或者进行队形变换时，利用拓扑重构系统对编队的网络拓扑结构进行合理重构；保证编队正常通信的同时对编队内通信负载进行区域统计，最优化队内通信能量消耗。
2.根据权利要求1所述的基于拓扑重构的船舶编队切换控制方法，其特征在于，所述的步骤S1具体为：
S11、根据电子海图与AIS数据建立包含编队任务起点和终点的经纬坐标系；依据各个船舶航行安全条件，在海图中针对每条船划分出相应的可航行区域与不可航行区域；
S12、根据所有船舶可航行区域，计算编队在不同地段或不同时间节点上预定队形的规模限制，同时，还需考虑每条船各自所能容许的最大可通信距离。
3.根据权利要求1或2所述的基于拓扑重构的船舶编队切换控制方法，其特征在于，所述的步骤S2具体为：
S21、假设一个作业任务过程可以描述为一个时间段：[tst,tend]，则可以将其划分为有限个连续但不重复的时间片段，划分如下：
[te,te+1)，e＝1,...,r；[tr+1,tend]，
其中，共r+1个片段，每个片段中与前一个片段中的编队属性有所差别(第一个片段除外)；
S22、计算所有已划分的时间片段长度，每个片段的长度需大于编队切换时所需的最短队形成形时间，将不满足此条件的时间片段的编队动作略去，同时，略去的时间片段附加到该片段前一个片段的末端。
4.根据权利要求1所述的基于拓扑重构的船舶编队切换控制方法，其特征在于，所述的步骤S3具体为：
S31、建立随船坐标系：
利用全球定位系统(GPS)、雷达、AIS船舶上的设备及传感器采集航道数据，将所有信息融合后，通过船载智能感知平台构建船舶附体坐标系；
S32、通过智能感知平台对船舶即将靠近的他船及障碍物进行识别，通过船舶之间的距离建立船舶间斥力场：
Figure FDA0002394295660000021
Figure FDA0002394295660000022
Figure FDA0002394295660000023
式中，i和j为本船与进入本船避碰势场的船舶名称，
Figure FDA0002394295660000024
为避碰辅助函数，其中ζij为i和j两船间的距离，σ1为常数(通常取正实数)，χ c为两船间最小安全距离，
Figure FDA0002394295660000025
为避碰势场最小触发距离，Ψc(ζij)为以船j避碰势场函数；
船舶i受到相邻j船的排斥力为j船避碰势场函数的负梯度，表示如下：
Figure FDA0002394295660000026
式中，kc为避碰势场系数，▽为梯度求取符号，xij为船i与船j的位置误差；
在船i的运行时，其受到的避碰势场排斥力合力表示为：
Figure FDA0002394295660000027
式中，Ni为进入船i避碰势场的船舶名称集合；
通过船i至障碍物边界的距离建立避障斥力场：
Figure FDA0002394295660000028
Figure FDA0002394295660000031
Figure FDA0002394295660000032
式中，
Figure FDA0002394295660000033
为避障辅助函数，其中ξik为船i与第k个障碍物最近边界点的距离，Θ1为常数(通常取正实数)，χ o为船与障碍物边界间的最小安全距离，
Figure FDA0002394295660000034
为避障势场最小触发距离，Ψo(ξik)是以离船最近的障碍物边界点为中心的避障势场函数；
障碍物k对船i的避障势场排斥力大小为：
Figure FDA0002394295660000035
式中，ko为避碰势场系数，
Figure FDA0002394295660000036
为梯度求取符号，zik为船i与障碍物k的位置误差；
船i受到的避障势场排斥力合力为：
Figure FDA0002394295660000037
式中，p为船i所需避开的障碍物总数；
船i所受避碰、避障势场力和力矩为：
Figure FDA0002394295660000038
5.根据权利要求1所述的基于拓扑重构的船舶编队切换控制方法，其特征在于，所述的步骤S4具体为：
S41、将编队在不同时间片段中的相对位置约束、速度约束、任务与调度信息顺序独立存放于切换控制系统中，以时间片段端点、事件结束标志作为综合片段间隔符；
S42、切换控制器作用时只更改片段所存储的信息，在编队切换控制过程与船舶避碰机制相独立。
6.根据权利要求1所述的基于拓扑重构的船舶编队切换控制方法，其特征在于，所述的步骤S5具体为：
S51、在网络发生故障或队形发生大幅变换时，触发拓扑重构机制，根据图论相关知识将网络拓扑结构抽象为有向图；将网络拓扑级故障分为单节点不可达、不可达节点可构成连通子图和不可达节点不可构成连通子图三类，分别设计故障模型；通过网络中节点和链路的故障函数，计算节点发生故障的概率，从而定位故障；具体的：
节点故障概率函数为：
Fn(v,x,t)=1-e(-λ(a×v+b×x+c×t))
式中，Fn为节点n发生故障的概率，v为节点n运动速度，x为节点n通信半径，t为节点n当前的正常运行时间，λ为正常数，λ、a、b、c在仿真中依据实际情况取值；
链路平均故障概率函数为：
Figure FDA0002394295660000041
αm,n＝αm+αn
Figure FDA0002394295660000042
式中，Fe为链路e发生故障的概率，vm、vn表示顶点m、n，R为顶点在时间t内的位移矢量，αm,n、αm、αn为中间变量，每个节点的时间间隙服从独立的等同均值为1/λn的指数分布，间隙内节点以均值为μn、方差为
Figure FDA0002394295660000044
的速率运动；
库默尔函数为：
Figure FDA0002394295660000043
S52、利用概率模型分别计算网络的节点和链路故障率，将概率较大的故障加入故障表；
S53、通过故障诊断完成拓扑重构机制的触发之后，根据故障表信息更新网络邻接矩阵；首先触发失效节点，将其功率调大；若网络连通性没有恢复则增加至两跳，将该点所有邻节点功率增大；若连通性仍未恢复，则依次增加至k跳节点；
S54、在网络连通性恢复后，减少不必要的网络连接降低网络消耗；使所有节点计算邻节点的距离；若删去与最远距离节点的连接仍具有以领导者为源顶点的下行树，则删去该连接并更新第二远距离为最远距离；重复上述连接删减步骤直到无法删减；各节点以与最终最远邻节点的距离调整自己的通信功率。
7.根据权利要求1所述的基于拓扑重构的船舶编队切换控制方法，其特征在于，所述的船舶编队切换控制系统包括由岸基信息平台发送至编队领导者的任务事件与事件要求，即位置限制于速度匹配，各船船载感知平台需要得到来自领导者的合理的整个时间片段包信息；同时，在每个片段结束时编队内需要进行时间校正来确保事件序列执行的一致性。
CN202010125607.8A 2020-02-27 2020-02-27 一种基于拓扑重构的船舶编队切换控制方法 Active CN111208835B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010125607.8A CN111208835B (zh) 2020-02-27 2020-02-27 一种基于拓扑重构的船舶编队切换控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010125607.8A CN111208835B (zh) 2020-02-27 2020-02-27 一种基于拓扑重构的船舶编队切换控制方法

Publications (2)

Publication Number Publication Date
CN111208835A true CN111208835A (zh) 2020-05-29
CN111208835B CN111208835B (zh) 2023-08-01

Family

ID=70784928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010125607.8A Active CN111208835B (zh) 2020-02-27 2020-02-27 一种基于拓扑重构的船舶编队切换控制方法

Country Status (1)

Country Link
CN (1) CN111208835B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112363502A (zh) * 2020-06-30 2021-02-12 珠海云洲智能科技有限公司 无人船位置分配策略确定方法、装置、设备及存储介质
CN112578797A (zh) * 2020-12-18 2021-03-30 大连海事大学 一种切换拓扑下的基于分布式制导的船舶编队控制方法
CN112947557A (zh) * 2021-02-07 2021-06-11 河北科技大学 一种切换拓扑下的多智能体容错跟踪控制方法
CN112965497A (zh) * 2021-02-23 2021-06-15 武汉理工大学 一种船舶编队控制方法、装置及存储介质
WO2022257048A1 (en) * 2021-06-09 2022-12-15 Telefonaktiebolaget Lm Ericsson (Publ) Methods and apparatuses for maritime communication
CN116627053A (zh) * 2023-05-29 2023-08-22 武汉船舶通信研究所(中国船舶集团有限公司第七二二研究所) 一种无人平台集群通信网络的半实物仿真系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679716A (zh) * 2017-09-19 2018-02-09 西南交通大学 考虑通信脆弱度的互联电网连锁故障风险评估与告警方法
WO2018050966A1 (en) * 2016-09-16 2018-03-22 Rolls-Royce Oy Ab Marine vessel operation arrangement
CN108594846A (zh) * 2018-03-23 2018-09-28 哈尔滨工程大学 一种障碍环境下多auv编队队形优化控制方法
CN109407680A (zh) * 2018-12-28 2019-03-01 大连海事大学 无人船编队重构的分布式目标协同分配方法
CN110471427A (zh) * 2019-09-06 2019-11-19 大连海事大学 一种基于路径规划与人工势场法的船舶编队智能避碰方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018050966A1 (en) * 2016-09-16 2018-03-22 Rolls-Royce Oy Ab Marine vessel operation arrangement
CN107679716A (zh) * 2017-09-19 2018-02-09 西南交通大学 考虑通信脆弱度的互联电网连锁故障风险评估与告警方法
CN108594846A (zh) * 2018-03-23 2018-09-28 哈尔滨工程大学 一种障碍环境下多auv编队队形优化控制方法
CN109407680A (zh) * 2018-12-28 2019-03-01 大连海事大学 无人船编队重构的分布式目标协同分配方法
CN110471427A (zh) * 2019-09-06 2019-11-19 大连海事大学 一种基于路径规划与人工势场法的船舶编队智能避碰方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
QUAN SHI.ETC: "Adaptive Leader-following Formation Control with Collision Avoidance for a Class of Second-order Nonlinear Multi-agent Systems" *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112363502A (zh) * 2020-06-30 2021-02-12 珠海云洲智能科技有限公司 无人船位置分配策略确定方法、装置、设备及存储介质
CN112363502B (zh) * 2020-06-30 2021-10-08 珠海云洲智能科技股份有限公司 无人船位置分配策略确定方法、装置、设备及存储介质
CN112578797A (zh) * 2020-12-18 2021-03-30 大连海事大学 一种切换拓扑下的基于分布式制导的船舶编队控制方法
CN112947557A (zh) * 2021-02-07 2021-06-11 河北科技大学 一种切换拓扑下的多智能体容错跟踪控制方法
CN112947557B (zh) * 2021-02-07 2023-06-23 河北科技大学 一种切换拓扑下的多智能体容错跟踪控制方法
CN112965497A (zh) * 2021-02-23 2021-06-15 武汉理工大学 一种船舶编队控制方法、装置及存储介质
WO2022257048A1 (en) * 2021-06-09 2022-12-15 Telefonaktiebolaget Lm Ericsson (Publ) Methods and apparatuses for maritime communication
CN116627053A (zh) * 2023-05-29 2023-08-22 武汉船舶通信研究所(中国船舶集团有限公司第七二二研究所) 一种无人平台集群通信网络的半实物仿真系统
CN116627053B (zh) * 2023-05-29 2024-05-03 武汉船舶通信研究所(中国船舶集团有限公司第七二二研究所) 一种无人平台集群通信网络的半实物仿真系统

Also Published As

Publication number Publication date
CN111208835B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
CN111208835A (zh) 一种基于拓扑重构的船舶编队切换控制方法
Singh et al. A constrained A* approach towards optimal path planning for an unmanned surface vehicle in a maritime environment containing dynamic obstacles and ocean currents
CN110471427A (zh) 一种基于路径规划与人工势场法的船舶编队智能避碰方法
CN105976643B (zh) 海上风电场的运维控制方法、装置及海上风电系统
US20210191400A1 (en) Autonomous vessel simulation system and operating method thereof
CN107816999A (zh) 一种基于蚁群算法的无人船航行路径自主规划方法
Qiao et al. Survey of deep learning for autonomous surface vehicles in marine environments
CN112817318B (zh) 一种多无人艇协同搜索控制方法及系统
Martelli et al. An outlook on the future marine traffic management system for autonomous ships
Ghabcheloo et al. Coordinated path following control of multiple wheeled robots with directed communication links
CN113342016B (zh) 基于动态事件触发的自主式水下机器人协同控制方法和系统
CN103699007B (zh) 一种船舶动力定位系统的设计方法
Mox et al. Learning connectivity-maximizing network configurations
CN115268395A (zh) 一种无人船艇编队自主航行能力测试方法及系统
CN112051845A (zh) 一种面向无人拖航作业的分布式集群控制系统及其方法
CN114779647A (zh) 无人艇集群的围堵控制方法
Pang et al. The multi-AUV time-varying formation reconfiguration control based on rigid-graph theory and affine transformation
Bye A receding horizon genetic algorithm for dynamic resource allocation: A case study on optimal positioning of tugs
Ramos et al. Ekf-based vision-assisted target tracking and approaching for autonomous uav in offshore mooring tasks
CN115617039B (zh) 一种基于事件触发的分布式仿射无人艇编队控制器构建方法和无人艇编队控制方法
CN107229278A (zh) 一种基于云网络的无人艇监控系统
Bye et al. Evaluation heuristics for tug fleet optimisation algorithms-a computational simulation study of a receding horizon genetic algorithm
Gao et al. Artificial intelligence algorithms in unmanned surface vessel task assignment and path planning: A survey
CN109213135A (zh) 一种解决复杂水道通行问题的无人船控制方法及装置
CN114995377A (zh) 一种船岸协同内河船舶辅助驾驶系统

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