CN111736601A - 一种近距离会遇时船舶避碰动态辅助方法 - Google Patents
一种近距离会遇时船舶避碰动态辅助方法 Download PDFInfo
- Publication number
- CN111736601A CN111736601A CN202010546404.6A CN202010546404A CN111736601A CN 111736601 A CN111736601 A CN 111736601A CN 202010546404 A CN202010546404 A CN 202010546404A CN 111736601 A CN111736601 A CN 111736601A
- Authority
- CN
- China
- Prior art keywords
- ship
- model
- control
- motion
- constant
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013178 mathematical model Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 13
- 230000002265 prevention Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000003044 adaptive effect Effects 0.000 claims abstract description 10
- 230000009471 action Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 2
- 238000012886 linear function Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- QZXCCPZJCKEPSA-UHFFFAOYSA-N chlorfenac Chemical compound OC(=O)CC1=C(Cl)C=CC(Cl)=C1Cl QZXCCPZJCKEPSA-UHFFFAOYSA-N 0.000 description 5
- LFULEKSKNZEWOE-UHFFFAOYSA-N propanil Chemical compound CCC(=O)NC1=CC=C(Cl)C(Cl)=C1 LFULEKSKNZEWOE-UHFFFAOYSA-N 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/30—Adapting or protecting infrastructure or their operation in transportation, e.g. on roads, waterways or railways
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Radar, Positioning & Navigation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种近距离会遇时船舶避碰动态辅助方法,包括以下步骤:选取标准3自由度分离型船舶运动模型即MMG模型获取非仿射纯反馈形式的船舶操纵运动控制系统;通过后推控制方法对所述船舶操纵运动控制系统生成自适应控制算法模型;结合MMG模型的特点提出船舶避碰要素动态计算数学模型,构建近距离会遇时船舶避碰动态辅助模型。本发明通过将船舶操纵运动数学模型、控制算法、以及避碰要素动态数学模型相结合,提出一种充分考虑船舶运动特性的近距离会遇时船舶避碰动态辅助方法。选取具有较高精度的3自由度分离型船舶运动模型描述避碰过程中船舶操纵运动特性。本发明可为未来智能化和无人化船舶实现自主避碰提供有效、可行的避碰行动建议和方案。
Description
技术领域
本发明涉及交通运输的技术领域,具体而言,尤其涉及一种近距离会遇时船舶避碰动态辅助方法。
背景技术
一般来说,船舶避碰可以分为四个阶段,即自由行动阶段、碰撞危险阶段、紧迫局面阶段和紧迫危险阶段。通常认为,前两个阶段船舶距离较远,为远距离船舶避碰问题;后两个阶段船舶距离较近,为近距离船舶避碰问题。值得注意的是,多年来国内外学者相继在船舶避碰辅助决策模型及系统方面进行了卓有成效的研究,但是绝大多数的避碰研究工作都集中于解决远距离船舶避碰问题。当远距离船舶避碰时,通常假设船舶在距离较远时开始避碰行动,在避碰过程中可忽略船舶操纵性的影响,将船舶运动看作质点运动,据此建立的避碰模型被称为传统避碰几何模型。
然而,当近距离船舶避碰时船舶操纵性都是影响避碰行动效果的重要因素,不能被轻易忽略。近年来,有研究利用初级船舶操纵避碰动态仿真模型开展了两船的三种会遇态势仿真,结果表明了在近距离避碰过程中考虑船舶操纵性的必要性和重要性。然而,该研究采用了较为简单的响应型船舶操纵运动数学模型和比例-积分-微分控制算法,并且避碰要素数学模型适用范围较小,同时存在船舶操纵运动控制效果不理想,避碰轨迹精度较低,以及适用情况受限等不足。。
发明内容
根据上述提出的技术问题,而提供一种近距离会遇时船舶避碰动态辅助方法。本发明主要利用一种近距离会遇时船舶避碰动态辅助方法,其特征在于,包括以下步骤:
步骤S1:选取具有标准3自由度分离型船舶运动模型(即MMG模型),通过所述MMG模型描述避碰过程中船舶操纵运动特性,并所述将MMG模型等价变换,得到获取非仿射纯反馈形式的船舶操纵运动控制系统;
步骤S2:通过后推控制方法针对所述船舶操纵运动控制系统,利用后推控制设计方法,并结合隐函数定理、中值定理、神经网络、以及动态面控制技术,设计了一种结构简单、效果良好的直接生成自适应控制算法模型;
步骤S3:结合MMG模型的特点,提出准确适用的船舶避碰要素动态计算数学模型,并将船舶操纵运动数学模型、控制算法、以及避碰要素动态数学模型结合,构建近距离会遇时船舶避碰动态辅助模型。
较现有技术相比,本发明具有以下优点:
本发明通过将船舶操纵运动数学模型、控制算法、以及避碰要素动态数学模型相结合,提出一种充分考虑船舶运动特性的近距离会遇时船舶避碰动态辅助方法。选取具有较高精度的3自由度分离型船舶运动模型(MMG模型)描述避碰过程中船舶操纵运动特性。随后,将MMG模型等价变换得到非仿射纯反馈形式的船舶操纵运动控制系统,利用后推控制设计方法,并结合隐函数定理、中值定理、神经网络、动态面控制技术,设计了一种结构简单、效果良好的直接自适应控制算法。同时基于MMG模型特点,构建了准确适用的船舶避碰要素动态计算数学模型。该方法充分考虑了近距离避碰时船舶操纵性的影响,既可在当前和今后一段时期为船舶驾驶员和岸上船舶交通管理系统值班员,也可为未来智能化和无人化船舶实现自主避碰提供有效、可行的避碰行动建议和方案。
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为本发明船舶避碰动态辅助方法结构图。
图2为本发明x0o0y0平面示意图。
图3为本发明本船的船首向和转首角速度。
图4为本发明本船舵角和神经网络权重图。
图5为本发明本船合速度。
图6为本发明两船间的DCPA和TCPA值。
图7为本发明两船的运动轨迹示意图。
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1-7所示,本发明提供了一种近距离会遇时船舶避碰动态辅助方法,包括以下步骤:
步骤S1:选取具有标准3自由度分离型船舶运动模型即MMG模型,通过所述MMG模型描述避碰过程中船舶操纵运动特性,并所述将MMG模型等价变换,获取非仿射纯反馈形式的船舶操纵运动控制系统。
作为本申请一种优选的实施方式,在本申请中令ψ、u、r和δ分别表示船舶的船首向、前进速度、转首角速度和舵角,vm为船中横向速度,xG为船舶重心位置,则船舶重心横向速度v、船中处漂角β和船舶合速度U为:
v=vm+xGr; (1)
β=arctan(-vm/u); (2)
所述标准3自由度MMG模型为:
其中,m表示船舶质量,mx和my分别表示船舶纵向和横向的附加质量,X、Y和N分别表示船中纵向力、横向力和转首力矩,下标H、R和P分别表示作用于船体、螺旋桨和舵的水动力;则船体水动力XH、YH和NH表示如下:
其中,ρ表示水密度,Lpp表示船舶两柱间长,d表示船舶吃水,v′m和r′是无量纲值;螺旋桨推进力XP表示为:
其中,tp表示推力减额系数,np表示螺旋桨转速,Dp表示螺旋桨直径,kt0、kt1和kt2均表示螺旋桨敞水试验系数,JP表示进速系数,wp0表示船舶直航时螺旋桨处的伴流系数,βp表示操纵运动过程中螺旋桨处的入流角,x′p表示螺旋桨位置无量纲值则操舵时舵力XR、YR和NR表示为:
其中,tR表示由舵角引起的阻力减额系数,aH和xH表示表达船体与舵之间的相互干扰的系数,FN是舵的法向力,表示如下:
其中,AR表示舵侧面积,Λ表示舵的展弦比,uR和vR分别表示流入舵的有效纵向速度和横向速度。
进一步地,步骤S2:通过后推控制方法对所述船舶操纵运动控制系统,,结合隐函数定理、中值定理、神经网络以及动态面控制技术,生成自适应控制算法模型。
将所述公式(4)中第2个和第3个方程结合,则船舶转首角速度r的导数为:
其中,TE表示舵机时间常数,δE表示命令舵角;
则避碰中船舶操纵运动控制模型为:
需要注意的是,公式(11)中第2个方程明显存在非仿射纯反馈项,在此情况下,无法采用常规的自适应控制技术进行控制算法,则令x1=ψ、x2=r、x3=δ和uc=δE,并将公式(11)等价变换为非仿射纯反馈控制模型:
根据所述存在非仿射纯反馈项的船舶操纵运动非仿射纯反馈控制模型(12),通过结合神经网络控制技术进行自适应控制算法包括以下步骤:
步骤Sa:定义误差s1=x1-yr,则s1导数为
将x2视为虚拟控制输入,并选取理想控制输入α2为
其中,k1是设计常数.
接着,利用具有时间常数τ2的一阶滤通器将α2转变为新的状态变量z2
步骤Sb:定义误差s2=x2-z2,则s2导数为
同时根据中值定理,存在λ2(0<λ2<1)满足
综合公式(17)-(19)得到
随后,选取虚拟控制输入α3为:
接着,利用具有时间常数τ3的一阶滤通器将α3转变为新的状态变量z3
步骤Sc:定义误差s3=x3–z3,则s3导数为:
并且存在λ3(0<λ3<1)满足
综合公式(25)-(27)得到
选取实际控制律
步骤S3:结合MMG模型的特点船舶避碰要素动态计算数学模型,并将船舶操纵运动数学模型、控制算法、以及避碰要素动态数学模型结合,构建近距离会遇时船舶避碰动态辅助模型。
作为本申请优选的,在步骤S3中,定义在空间固定坐标系o0-x0y0z0中,x0o0y0平面是水面,x0和y0分别指向地球的正东和正北方向,在x0o0y0平面中,坐标点O(Xo,Yo)和T(Xt,Yt)分别是本船和它船实时船中位置,ψo、ro、δo、uo、vmo和Uo分别是本船实时的船首向、转首角速度、舵角、前进速度、船中横向速度和合速度,ψt、rt、δt、ut、vmt和Ut分别是所述它船的实时运动参数;
设本船船中初始位置为O0(Xo0,Yo0),初始船首向是ψo0,两船初始会遇距离是R0,所述它船相对于本船的初始相对方位角是αr0,则它船的初始位置T0(Xt0,Yt0)为:
避碰时,在采取转向行动后时刻t,本船和它船的位置为
基于本船视角,沿着x0和y0轴方向,所述它船相较于所述本船的距离为:
ΔX(t)=Xt(t)-Xo(t),ΔY(t)=Yt(t)-Yo(t) (35)
所述它船相对于本船的相对速度为:
因此,两船的距离为:
同时它船相对于本船的相对速度、方位和船首向分别是:
在此基础上,两船间的最小会遇距离和最短会遇时间为:
实施例:选取处于交叉相遇局面下的两艘近距离会遇船舶为示例,利用本发明进行避碰辅助仿真。仿真中的两艘样本船舶都采用KVLCC2船模参数。同时,控制算法参数k1=0.06、k2=500、k3=10、Γ1=Γ2=diag{10}和η1=η2=0.1,神经网络初始权重和
两船会遇初始阶段,ψo=030°、ψt=290°、ro=rt=0°/s、δo=δt=0°、uo=ut=15.5节、vmo=vmt=0节、R0=1海里、αr0=40°,O0位于原点(0,0).很明显两船处于近距离交叉相遇局面,根据《1972年国际海上避碰规则》,本船是让路船,应向右转向,且避免横越它船前方。为此,假设本船向右转向30°,即本船的新船首向为0-60°,仿真结果如图3-图7所示。
图3-图5给出了本船操纵运动过程中船首向、转首角速度、舵角、神经网络权重值、前进速度、横向速度和合速度实时变化曲线,可以看出船舶操纵运动性表现良好,且各项数据合理。可见本发明所提船舶避碰动态辅助方法能精准描述船舶操纵运动过程。
图6给出了采用本发明所提船舶避碰动态辅助方法计算得到的实际DCPA和TCPA值,以及传统几何模型计算得到的预计DCPA和TCPA值.可以看到,实际DCPA值约为0.16海里,明显小于预计DCPA值0.26海里。假设两船间安全DCPA值为0.20海里,那么该避碰行动不足以避免两船发生碰撞,本船应更大幅度的避碰行动.同时实际TCPA值略大于预计TCPA值,表明避碰行动将延缓两船到达最近会遇点的时间,有利于避免碰撞。图7给出了两船在空间坐标系内x0o0y0平面的运动轨迹,时间范围t为0s至220s。
综上所述,可以明显看到本文所提方法能准确的描述避碰过程中船舶操纵运动轨迹和姿态,可以供船舶驾驶员和岸基监控人员进行避碰行动决策提供有效的辅助参考,并更有利于进一步开展船舶避碰研究分析工作。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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:其依然可以对前述各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各实施例技术方案的范围。
Claims (5)
1.一种近距离会遇时船舶避碰动态辅助方法,其特征在于,包括以下步骤:
S1:选取标准3自由度分离型船舶运动模型即MMG模型,通过所述MMG模型描述避碰过程中船舶操纵运动特性,并所述将MMG模型等价变换,获取非仿射纯反馈形式的船舶操纵运动控制系统;
S2:通过后推控制方法对所述船舶操纵运动控制系统,结合隐函数定理、中值定理、神经网络以及动态面控制技术,生成自适应控制算法模型;
S3:结合MMG模型将船舶运动分解为纵向运动和横向运动的特点提出船舶避碰要素动态计算数学模型,并将船舶操纵运动数学模型、控制算法、以及避碰要素动态数学模型结合,构建近距离会遇时船舶避碰动态辅助模型。
2.根据权利要求1所述的一种近距离会遇时船舶避碰动态辅助方法,其特征在于:
令ψ、u、r和δ分别表示船舶的船首向、前进速度、转首角速度和舵角,vm为船中横向速度,xG为船舶重心位置,则船舶重心横向速度v、船中处漂角β和船舶合速度U为:
v=vm+xGr; (1)
β=arctan(-vm/u); (2)
所述标准3自由度MMG模型为:
其中,m表示船舶质量,mx和my分别表示船舶纵向和横向的附加质量,X、Y和N分别表示船中纵向力、横向力和转首力矩,下标H、R和P分别表示作用于船体、螺旋桨和舵的水动力;则船体水动力XH、YH和NH表示如下:
其中,ρ表示水密度,Lpp表示船舶两柱间长,d表示船舶吃水,v′m和r′是无量纲值;螺旋桨推进力XP表示为:
其中,tp表示推力减额系数,np表示螺旋桨转速,Dp表示螺旋桨直径,kt0、kt1和kt2均表示螺旋桨敞水试验系数,JP表示进速系数,wp0表示船舶直航时螺旋桨处的伴流系数,βp表示操纵运动过程中螺旋桨处的入流角,x′p表示螺旋桨位置无量纲值则操舵时舵力XR、YR和NR表示为:
其中,tR表示由舵角引起的阻力减额系数,aH和xH表示表达船体与舵之间的相互干扰的系数,FN是舵的法向力,表示如下:
其中,AR表示舵侧面积,Λ表示舵的展弦比,uR和vR分别表示流入舵的有效纵向速度和横向速度。
3.根据权利要求1所述的一种近距离会遇时船舶避碰动态辅助方法,其特征在于:
将所述公式(4)中第2个和第3个方程结合,则船舶转首角速度r的导数为:
其中,TE表示舵机时间常数,δE表示命令舵角;
则避碰中船舶操纵运动控制模型为:
需要注意的是,公式(11)中第2个方程明显存在非仿射纯反馈项,在此情况下,无法采用常规的自适应控制技术进行控制算法,则令x1=ψ、x2=r、x3=δ和uc=δE,并将公式(11)等价变换为非仿射纯反馈控制模型:
4.根据权利要求3所述的一种近距离会遇时船舶避碰动态辅助方法,其特征在于:
根据所述存在非仿射纯反馈项的船舶操纵运动非仿射纯反馈控制模型(12),通过结合神经网络控制技术进行自适应控制算法包括以下步骤:
Sa:定义误差s1=x1-yr,则s1导数为
将x2视为虚拟控制输入,并选取理想控制输入α2为
其中,k1是设计常数.
接着,利用具有时间常数τ2的一阶滤通器将α2转变为新的状态变量z2
Sb:定义误差s2=x2-z2,则s2导数为
同时根据中值定理,存在λ2(0<λ2<1)满足
综合公式(17)-(19)得到
随后,选取虚拟控制输入α3为:
接着,利用具有时间常数τ3的一阶滤通器将α3转变为新的状态变量z3
Sc:定义误差s3=x3–z3,则s3导数为:
并且存在λ3(0<λ3<1)满足
综合公式(25)-(27)得到
选取实际控制律
5.根据权利要求1所述的一种近距离会遇时船舶避碰动态辅助方法,其特征在于:
定义在空间固定坐标系o0-x0y0z0中,x0o0y0平面是水面,x0和y0分别指向地球的正东和正北方向,在x0o0y0平面中,坐标点O(Xo,Yo)和T(Xt,Yt)分别是本船和它船实时船中位置,ψo、ro、δo、uo、vmo和Uo分别是本船实时的船首向、转首角速度、舵角、前进速度、船中横向速度和合速度,ψt、rt、δt、ut、vmt和Ut分别是所述它船的实时运动参数;
设本船船中初始位置为O0(Xo0,Yo0),初始船首向是ψo0,两船初始会遇距离是R0,所述它船相对于本船的初始相对方位角是αr0,则它船的初始位置T0(Xt0,Yt0)为:
避碰时,在采取转向行动后时刻t,本船和它船的位置为
基于本船视角,沿着x0和y0轴方向,所述它船相较于所述本船的距离为:
ΔX(t)=Xt(t)-Xo(t),ΔY(t)=Yt(t)-Yo(t) (35)
所述它船相对于本船的相对速度为:
因此,两船的距离为:
同时它船相对于本船的相对速度、方位和船首向分别是:
在此基础上,两船间的最小会遇距离和最短会遇时间为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010546404.6A CN111736601B (zh) | 2020-06-15 | 2020-06-15 | 一种近距离会遇时船舶避碰动态辅助方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010546404.6A CN111736601B (zh) | 2020-06-15 | 2020-06-15 | 一种近距离会遇时船舶避碰动态辅助方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111736601A true CN111736601A (zh) | 2020-10-02 |
CN111736601B CN111736601B (zh) | 2023-04-07 |
Family
ID=72649381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010546404.6A Active CN111736601B (zh) | 2020-06-15 | 2020-06-15 | 一种近距离会遇时船舶避碰动态辅助方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111736601B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115438416A (zh) * | 2022-11-08 | 2022-12-06 | 西南交通大学 | 宽阔水域桥梁船撞的风险概率计算方法 |
CN117519157A (zh) * | 2023-11-10 | 2024-02-06 | 大连海事大学 | 一种多船近距离会遇态势下的确定性避碰行动最优决策方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207937A (zh) * | 2013-04-15 | 2013-07-17 | 大连海事大学 | 一种四元船舶安全领域模型及船舶避碰方法 |
CN105574314A (zh) * | 2014-10-14 | 2016-05-11 | 威海拓达高科船舶科技有限公司 | 一种用于船舶动态转向避碰的智能装置 |
CN109597417A (zh) * | 2019-01-14 | 2019-04-09 | 哈尔滨工程大学 | 一种基于避碰准则的多usv群体协同避碰规划方法 |
CN111186549A (zh) * | 2020-01-15 | 2020-05-22 | 大连海事大学 | 一种具有船舶避碰功能的航向自动舵控制系统 |
-
2020
- 2020-06-15 CN CN202010546404.6A patent/CN111736601B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207937A (zh) * | 2013-04-15 | 2013-07-17 | 大连海事大学 | 一种四元船舶安全领域模型及船舶避碰方法 |
CN105574314A (zh) * | 2014-10-14 | 2016-05-11 | 威海拓达高科船舶科技有限公司 | 一种用于船舶动态转向避碰的智能装置 |
CN109597417A (zh) * | 2019-01-14 | 2019-04-09 | 哈尔滨工程大学 | 一种基于避碰准则的多usv群体协同避碰规划方法 |
CN111186549A (zh) * | 2020-01-15 | 2020-05-22 | 大连海事大学 | 一种具有船舶避碰功能的航向自动舵控制系统 |
Non-Patent Citations (10)
Title |
---|
XIN WANG等: "The ship maneuverability based collision avoidance dynamic support system in close-quarters situation", 《OCEAN ENGINEERING》 * |
倪生科等: "基于混合遗传算法的船舶避碰路径规划", 《上海海事大学学报》 * |
兰莹等: "基于混沌蜂群算法的USV路径规划", 《舰船科学技术》 * |
刘仁伟等: "受限水域中船舶自动避碰模型及应用", 《哈尔滨工业大学学报》 * |
林壮等: "高海况下舰船海上航行补给间距决策方法", 《舰船科学技术》 * |
熊勇等: "基于速度障碍的多船自动避碰控制方法", 《中国航海》 * |
王仁强等: "船舶动态转向避碰行动数学模型", 《大连海事大学学报》 * |
王得燕等: "粒子群算法在多船避碰决策中的应用", 《计算机工程与设计》 * |
王欣: "基于船舶操纵化的船舶海上航行安全研究", 《中国博士学位论文电子期刊网》 * |
胡佳颖等: "基于前景理论的船舶避碰决策优化方法", 《中国航海》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115438416A (zh) * | 2022-11-08 | 2022-12-06 | 西南交通大学 | 宽阔水域桥梁船撞的风险概率计算方法 |
CN117519157A (zh) * | 2023-11-10 | 2024-02-06 | 大连海事大学 | 一种多船近距离会遇态势下的确定性避碰行动最优决策方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111736601B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qiang et al. | Adaptive neural network auto-berthing control of marine ships | |
Zhang et al. | A novel DVS guidance principle and robust adaptive path-following control for underactuated ships using low frequency gain-learning | |
Shuai et al. | An efficient neural-network based approach to automatic ship docking | |
Zhang et al. | Novel DVS guidance and path-following control for underactuated ships in presence of multiple static and moving obstacles | |
Chen et al. | Distributed model predictive control for cooperative floating object transport with multi-vessel systems | |
Fang et al. | Application of neuro-fuzzy algorithm to portable dynamic positioning control system for ships | |
Du et al. | Cooperative multi-agent control for autonomous ship towing under environmental disturbances | |
Zhang et al. | Three-dimensional formation–containment control of underactuated AUVs with heterogeneous uncertain dynamics and system constraints | |
CN111736601B (zh) | 一种近距离会遇时船舶避碰动态辅助方法 | |
Du et al. | COLREGS-Compliant collision avoidance for physically coupled multi-vessel systems with distributed MPC | |
Du et al. | Multi-vessel cooperative speed regulation for ship manipulation in towing scenarios | |
Xu et al. | An optimized energy-efficient path following algorithm for underactuated marine surface ship model | |
Zheng et al. | DDPG based LADRC trajectory tracking control for underactuated unmanned ship under environmental disturbances | |
Wang et al. | Autonomous piloting and berthing based on Long Short Time Memory neural networks and nonlinear model predictive control algorithm | |
Suyama et al. | Ship trajectory planning method for reproducing human operation at ports | |
Fan et al. | A formation reconfiguration method for multiple unmanned surface vehicles executing target interception missions | |
Du et al. | Multi-objective cooperative control for a ship-towing system in congested water traffic environments | |
Zhang et al. | Auto-berthing control of marine surface vehicle based on concise backstepping | |
Qiang et al. | Artificial Neural Network Controller for Automatic Ship Berthing Using Separate Route | |
Zhang et al. | Time-optimal path planning and tracking based on nonlinear model predictive control and its application on automatic berthing | |
Xu et al. | Robust adaptive path following control of autonomous underwater vehicle with uncertainties and communication bandwidth limitation | |
Higo et al. | Development of trajectory-tracking maneuvering system for automatic berthing/unberthing based on double deep Q-network and experimental validation with an actual large ferry | |
Yılmaz et al. | Parallel docking problem for unmanned surface vehicles | |
Jiang et al. | A vector control technology of waterjet propelled crafts using synchronous and mirror-equiangular thrust control strategy | |
Guo et al. | Robust adaptive event-triggered path following control for autonomous surface vehicles in shallow waters |
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 |