CN111930123A - 多目标综合优化决策方法、装置及电子设备 - Google Patents
多目标综合优化决策方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111930123A CN111930123A CN202010815398.XA CN202010815398A CN111930123A CN 111930123 A CN111930123 A CN 111930123A CN 202010815398 A CN202010815398 A CN 202010815398A CN 111930123 A CN111930123 A CN 111930123A
- Authority
- CN
- China
- Prior art keywords
- ship
- function
- index
- comprehensive
- objective
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012423 maintenance Methods 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 81
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000036541 health Effects 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 5
- 238000012905 input function Methods 0.000 claims description 4
- 238000013016 damping Methods 0.000 description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 20
- 230000008878 coupling Effects 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 7
- 238000005859 coupling reaction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000036544 posture Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000002068 genetic effect Effects 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
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method 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 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
本发明提供了多目标综合优化决策方法、装置及电子设备,其中,该方法包括:获取船舶在预设航行任务中的性能指标;其中,性能指标包括安全性能指标、经济性能指标和健康运维性能指标;根据性能指标建立船舶的目标函数;基于全船协同操纵控制模型和目标函数得到船舶的综合指标函数;根据综合指标函数生成船舶的优化决策,以使船舶按照优化决策航行。本申请提出了一种船舶多目标综合优化决策理念,以使船舶做出操纵决策时能够更加全面地兼顾各类性能指标,从而优化了船舶的航行决策,提高了船舶的总体性能。
Description
技术领域
本发明涉及船舶技术领域,尤其是涉及多目标综合优化决策方法、装置及电子设备。
背景技术
当前,船舶航行优化决策目标较为单一,面对众多的优化指标往往难以兼顾,有时候会顾此失彼,单一目标的优化建议反而会使全船的综合性能指标下降。此外,船舶各系统的操纵指令都是仅限于某个设备或者局部系统的性能,各系统的指令之间往往会出现矛盾,导致船舶整体在航行时出现超调、操纵效率低下、设备损耗过快等问题,严重的还会引起船舶操纵失稳,如主机与螺旋桨发生共振的危险,严重影响了船舶的安全性能。
发明内容
有鉴于此,本发明的目的在于提供目标综合优化决策方法、装置及电子设备,以缓解上述问题,优化了船舶的航行决策,提高了船舶的总体性能。
第一方面,本发明实施例提供了一种多目标综合优化决策方法,该方法包括:获取船舶在预设航行任务中的性能指标;其中,性能指标包括安全性能指标、经济性能指标和健康运维性能指标;根据性能指标建立船舶的目标函数;基于预先建立的全船协同操纵控制模型和目标函数得到船舶的综合指标函数;根据综合指标函数生成预设航行任务对应的优化决策,以使船舶按照优化决策航行。
第二方面,本发明实施例还提供一种多目标综合优化决策装置,该装置包括:获取模块,用于获取船舶在预设航行任务中的性能指标;其中,性能指标包括安全性能指标、经济性能指标和健康运维性能指标;建立模块,用于根据性能指标建立船舶的目标函数;计算模块,用于基于预先建立的全船协同操纵控制模型和目标函数得到船舶的综合指标函数;生成模块,用于根据综合指标函数生成预设航行任务对应的优化决策,以使船舶按照优化决策航行。
第三方面,本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现第一方面的多目标综合优化决策方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行第一方面的多目标综合优化决策方法的步骤。
本发明实施例带来了以下有益效果:
本发明实施例提供了多目标综合优化决策方法、装置及电子设备,获取船舶在预设航行任务中的性能指标;其中,性能指标包括安全性能指标、经济性能指标和健康运维性能指标;根据性能指标建立船舶的目标函数;基于全船协同操纵控制模型和目标函数得到船舶的综合指标函数;根据综合指标函数生成船舶的优化决策,以使船舶按照优化决策航行。本申请提出了一种船舶多目标综合优化决策理念,以使船舶做出操纵决策时能够更加全面地兼顾各类性能指标,从而优化了船舶的航行决策,提高了船舶的总体性能。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种多目标综合优化决策方法的流程图;
图2为本发明实施例提供的一种大地坐标系与随船坐标上的参数定义示意图;
图3为本发明实施例提供的一种纵倾角定义示意图;
图4为本发明实施例提供的一种横倾角定义示意图;
图5为本发明实施例提供的一种船舶实际航线示意图;
图6为本发明实施例提供的另一种船舶实际航线示意图;
图7为本发明实施例提供的一种多目标综合优化决策装置的示意图;
图8为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
针对现有的航行决策目标单一的问题,本发明实施例提供了多目标综合优化决策方法、装置及电子设备,通过一种船舶多目标综合优化决策理念,以使船舶做出操纵决策时能够更加全面地兼顾各类性能指标,从而优化了船舶的航行决策,提高了船舶的总体性能。
为便于对本实施例进行理解,下面首先对本发明实施例提供的一种多目标综合优化决策方法进行详细介绍。
实施例一:
本发明实施例提供了一种多目标综合优化决策方法,执行主体为服务器,如图1所示,该方法包括以下步骤:
步骤S102,获取船舶在预设航行任务中的性能指标;其中,性能指标包括安全性能指标、经济性能指标和健康运维性能指标。
在实际应用中,船舶在运行中需要船舶各系统之间协同配合,其中,系统主要包括船体姿态操控系统、动力推进系统和航向操控系统,船体姿态操控系统包括:船体本身和压载系统;动力推进系统则包括:主机、辅机、蓄电池、螺旋桨和轴系等;航向操控系统则包括:舵本身和舵机。因此,为了确保船舶的正常航行,需要确保各个系统之间的协同性,以提升船舶的操纵能力。需要说明的是,上述性能指标还可以包括其他性能指标,可以根据实际应用情况进行设置,本发明实施例对此不作限制说明。
具体地,根据预设航行任务,梳理得到船舶在预设航行任务中需要满足的各项性能指标;其中,性能指标主要包括安全性能指标、经济性能指标和健康运维性能指标,安全性能指标主要是指航行安全,比如船舶与其他船舶发生碰撞、船舶与结构物(包括码头、护岸、堤坝、桥梁、海洋平台等)发生碰撞、船舶触礁等;经济性能指标主要指船舶完成整个预设航行任务所需要消耗的燃油总量、整个航行时间内与操作人员有关的各项费用等;设备健康运维性能指标主要指为了完成整个预设航行任务,船舶各系统所产生的损耗情况。由于每个性能指标都包含多个任务目标,因此,本申请根据安全性能指标、经济性能指标和健康运维性能指标对船舶进行多目标的综合优化。
步骤S104,根据性能指标建立船舶的目标函数。
将上述性能指标进行量化,以建立一个多目标寻优的目标函数。其中,目标函数可以有多种形式,在其中一个可能的实施例中,可以根据下式建立目标函数:
h=c1St+c2Et+c3Ht (1)
其中,h表示目标函数,St表示安全性能指标,Et表示经济性能指标,Ht表示健康运维性能指标,c1表示第一权重系数,c2表示第二权重系数,c3表示第三权重系数。需要说明的是,这里第一权重系数c1、第二权重系数c2和第三权重系数c3均为权重函数,其中,权重函数可以根据船舶航行时面临的工况变化而自动调整,不同工况下对应的权重函数值可以根据专家评审、查阅规范、机器学习等方法确定,在实际应用中,第一权重系数c1、第二权重系数c2和第三权重系数c3均可以预先设置,即为已知值,权重值越高说明该权重对应的性能在当前工况下越重要。
其中,根据下式计算安全性能指标:
其中,St表示安全性能指标,L表示船舶与最近一个障碍物之间的距离。
根据下式计算经济性能指标:
Et=kt*o*T*lt+Nt*t (3)
其中,Et表示经济性能指标,o表示船舶的螺旋桨做的功与燃油消耗之间的比例换算系数,为常数,由主机厂商提供;kt表示单位燃油的价格,为常数;T表示螺旋桨上的推力,lt表示船舶航行的路程,Nt表示船舶航行时单位时间内与人员相关的费用,为常数;t表示船舶完成预设航行任务所需的时间。
以及,根据下式计算健康运维性能指标:
其中,Ht表示健康运维性能指标,i表示第i个设备,n为船舶上设备的总数,可以根据装载手册获得;bi表示船舶航速偏离最佳运维航速时船上第i个设备单位时间内的损耗系数,为常数;t表示船舶完成预设航行任务所需的时间,ΔV表示船舶航速误差。
其中,可以根据下式计算船舶航速误差:
其中,ΔV表示船舶航速误差,V表示船舶的实际航速,μ表示前进速度,v表示横移速度,r表示转艏速度,VH表示船舶的最佳航速,其中,μH表示最佳前进速度,vH表示最佳横移速度,rH表示最佳转艏速度。
步骤S106,基于预先建立的全船协同操纵控制模型和目标函数得到船舶的综合指标函数。
具体地,首先获取船舶的参数;其中,参数包括前进速度、横移速度、转艏速度、船舶舯吃水、横倾角和纵倾角;然后基于参数建立全船协同操纵控制模型。在实际应用中,船舶运动主要包括六个自由度:纵荡(即前进)、横荡(即横移)、艏摇(即转艏)、垂荡、纵摇和横摇;对于民用船舶而言,纵荡、横荡与艏摇三个自由度是主要控制对象,因此,本申请在建立全船协同操纵控制模型时,主要考虑了纵荡、横荡与艏摇三者的耦合关系,即全船协同操纵控制模型为三自由度的运动模型。至于另外三个自由度(垂荡、横摇、纵摇),本申请中则采用船舶舯吃水、横倾角、纵倾角来代替,并将船舶舯吃水、横倾角、纵倾角三个参数统一定义为船舶的姿态进行论述,船舶姿态对前进、横移、转艏的影响主要体现在控制方程中系数的变化,从而将6自由度运动控制方程简化为3自由度运动控制方程,提高了计算的效率;同时,又在3自由度运动方程中考虑了船舶姿态的影响,提高了全船协同操纵控制模型的准确性。
上述全船协同操纵控制模型包括船舶运动学方程、船舶动力学方程、船舶的操纵模型、船舶螺旋桨推力与舵角的限制函数、船舶姿态控制方程和船舶姿态的饱和输入函数。其中,船舶运动学方程用于描述船舶的运动姿态,可以根据下式计算船舶运动学方程:
η'=RT(ψ)V (6)
其中,η表示大地坐标系统中船舶的状态,η'为η的一阶时间导数,向量其中,N表示大地坐标系中船舶的纬度方向位置,E表示船舶的经度方向位置,ψ表示艏向角,V表示船舶的实际航速,为大地坐标系中位置量的时间导数与船舶的实际航速之间的坐标转换矩阵。
需要说明的是,上述船舶的实际航速V包括建立在随船坐标系上描述船舶前进速度μ、横移速度v和转艏速度r。可选的,如图2所示,可以对大地坐标系中N、E和ψ以及随船坐标系上的前进速度μ、横移速度v和转艏速度r进行参数定义。
此外,船舶动力学方程用于船舶受到各类荷载的状况,是船舶运动方程的机理解释,也是操纵控制算法的核心。具体地,可以根据下式计算船舶动力学方程:
M(γ)V'r+C(Vr,γ)Vr+D(Vr,γ)Vr=τ+τwave(γ)+τwind(γ) (7)
其中,表示船舶姿态,d表示船舶舯吃水,θ表示纵倾角,具体详见图3,φ表示横倾角,具体详见图4,M(γ)表示船舶的惯性质量矩阵,C(Vr,γ)表示柯氏力与向心力系数矩阵,Vr表示船舶对水航速向量,D(Vr,γ)表示阻尼力系数矩阵,τ表示船舶的操纵荷载向量,τwave(γ)表示波浪荷载向量,τwind(γ)表示风荷载向量。
其中,可以根据下式计算船舶对水航速向量:
其中,Vr表示船舶对水航速向量,V表示船舶的实际航速,μ表示前进速度,v表示横移速度,r表示转艏速度,Vc表示水速,μc表示前进水速,vc表示横向水速,μr表示对水前进速度,vr表示对水横向速度。
上述船舶的惯性质量矩阵用于表征船舶姿态的函数,不同姿态下的系数可以根据装载计算机、水池实验或CFD(Computational Fluid Dynamics,计算流体动力学)方法确定,这里为设定的已知值。其中,可以根据下式计算船舶的惯性质量矩阵:
上述柯氏力与向心力系数矩阵C(Vr,γ)和阻尼力系数矩阵D(Vr,γ)中的与船舶姿态相关的系数则可以由水池实验或CFD方法确定,在实际应用中,可以根据实际情况设置向心力系数矩阵C(Vr,γ)和阻尼力系数矩阵D(Vr,γ)的数值,即为已知值。具体地,可以根据下式计算柯氏力与向心力系数矩阵:
以及,根据下式计算阻尼力系数矩阵:
其中,D(Vr,γ)表示阻尼力系数矩阵,Xμ(γ)表示前进方向的1阶阻尼系数,X|μ|μ(γ)表示前进方向的2阶阻尼系数,vr表示对水横向速度,ur表示对水前进速度,Yv(γ)表示横移方向的1阶阻尼系数,Y|v|v(γ)表示横移方向的2阶阻尼系数,Y|r|v(γ)表示横移速度主导的横移转艏耦合下的横移2阶阻尼系数,Nv(γ)表示受横移速度影响的1阶转艏阻尼系数,N|v|v(γ)表示受横移速度影响的2阶转艏阻尼系数,N|r|v(γ)表示横移速度主导的横移转艏耦合下的转艏2阶阻尼系数,Yr(γ)表示受转艏影响的1阶横移阻尼系数,Y|v|r(γ)表示转艏速度主导的横移转艏耦合下的2阶横移阻尼系数,Y|r|r(γ)表示受转艏影响的2阶横移阻尼系数,Nr(γ)表示1阶转艏阻尼系数,N|v|r(γ)表示转艏速度主导的横移转艏耦合下的2阶转艏阻尼系数,N|r|r(γ)表示2阶转艏阻尼系数。
此外,上述船舶的操纵荷载向量τ的计算则包括:螺旋桨荷载计算公式、推力减额计算公式和舵力计算公式,如果考虑船机桨配合,则还需引入轮机模型,其中,轮机模型复杂程度可以根据实际情况进行设置。需要说明的是,这些计算方法均为现有的经验公式,本发明实施例在此不再详细赘述。
上述风荷载向量τwind(γ)则可以根据实际测量的风速风向和浪高浪向,并利用现有的经验公式计算得到。具体地,可以根据下式计算风荷载向量:
其中,τwind(γ)表示风荷载向量,ρair表示空气密度,Vrw表示相对风速,γrw表示相对风向,AFw(γ)表示纵向受风面积,ALw(γ)表示横向受风面积,Loa(γ)表示横向等效受风距离,CX、CY和CN则为与相对风速有关的系数,可以根据查找规范表得到,为已知数值。需要说明的是,这里纵向受风面积AFw(γ)、横向受风面积ALw(γ)和横向等效受风距离Loa(γ)均为船舶在水线面以上的纵向受风面积、横向受风面积和横向等效受风距离,可以根据船舶的当前姿态查找船舶装载手册得到。
同理,上述波浪荷载向量τwave(γ)也可以根据实际测量的风速风向和浪高浪向,并利用现有的经验公式计算得到。具体地,可以根据下式计算波浪荷载向量:
其中,τwave(γ)表示波浪荷载向量,a=ρwaterg(1-e-kd)/k2,ρwater表示水的密度,g表示重力加速度,k表示波数,d表示船舶当前吃水,可以根据吃水传感器获得;L表示船长,χ表示波向角,B表示船宽,H表示波周期,ω表示波的圆频率。
上述船舶的操纵模型用于根据船舶所需的操纵荷载生成螺旋桨上的荷载指令(或主机转速指令)以及舵角指令。由于一般船舶的输入量为螺旋桨(或主机)与舵,而输出的目标为三自由度的运动状态,输入量小于输出量,为欠驱动船舶。而欠驱动船舶难以实现对目标的精准控制,只能做到船舶朝着决策目标逐步逼近;同时,欠驱动船舶对控制律的要求较高,一般的线性控制理论往往难以满足,需要引入非线性控制方法。具体地,可以根据下式计算船舶的操纵模型:
τ=A(γ)usat (14)
其中,τ表示船舶的操纵荷载向量,其中,τu表示前进方向上的操纵荷载,τv表示横移方向上的操纵荷载,τr表示转艏方向上的操纵荷载;usat表示船舶的操纵响应,其中,T表示螺旋桨上的推力,δ表示舵角;表示转换矩阵,其中,w表示推力减额系数,Yσ和Nσ为舵机模型系数,可以根据水池实验、CFD方法以及动态参数辨识方法确定,这里为预先设定的已知量。
此外,可以根据下式计算船舶螺旋桨推力与舵角的限制函数:
其中,usat表示船舶的操纵响应。根据公式(15),可以对模型计算的操纵指令进行饱和输入处理,当计算的操纵指令超过设备能力范围时,便将设备的最大能力作为输出量,这一过程使得船舶在操纵时兼顾到了推进系统与航行保持系统的性能。需要说明的是,上述设备能力的范围阈值umax和umin则根据设备的出厂参数进行设置。
以及,根据下式计算船舶姿态控制方程:
γ=Qwsat (16)
其中,γ表示船舶姿态,表示船舶中各舱中物品的质量,表示船上装载分布与船舶姿态之间的转换矩阵,d表示船舶舯吃水,θ表示纵倾角,φ表示横倾角,Θ1、Θ2和Θn表示各个舱中的物品的质量,n表示舱的总数量,从而通过调节船内各舱中的物品分布来调整船舶姿态。需要说明的是,上述物品包括货物、压载水和燃油等,船舶有n个舱则wsat为n维向量,因此,可以根据实际应用情况进行设置,本发明实施例对此不作限制说明。
根据下式计算船舶姿态的饱和输入函数:
其中,wsat表示船舶中各舱中物品的质量,上述物品质量的范围阈值wmax和wmin则可以根据实际船舶装载的物品进行设置,本发明实施例对此不作限制说明。
基于上述预先建立的全船协同操纵控制模型对目标函数进行优化,得到优化后的综合指标函数。具体地,为了让船舶按照预定的航速航向姿态等决策航行,需要控制操纵荷载,该荷载可以有多种,其中一种可能的实施例中,可以根据下式计算操纵荷载:
其中,A(γ)表示转换矩阵,τ表示船舶的操纵荷载向量,τwind(γ)表示风荷载向量,τwave(γ)表示波浪荷载向量,C(Vr,γ)表示柯氏力与向心力系数矩阵,D(Vr,γ)表示阻尼力系数矩阵,Vr表示船舶对水航速向量,M(γ)表示船舶的惯性质量矩阵,Vc表示水体流速,α(γ)表示船舶运动的期望速度,α(γ)'为α(γ)的一阶时间导数,表示船舶运动的期望加速度,K2表示控制器的增益矩阵系数,为常数,z2(γ)表示船舶当前速度与期望速度的误差。
其中,根据下式计算船舶运动的期望速度:
α(γ)=RT(ψ)η'd-K1z1 (19)
其中,α(γ)表示船舶运动的期望速度,R(ψ)为大地坐标系中位置量的时间导数与船舶的实际航速之间的坐标转换矩阵,η'd表示目标速度,K1表示控制器的增益矩阵系数,为常数,z1表示船舶当前状态(坐标与艏向)与追踪目标状态(坐标与艏向)之间的误差。
根据下式计算z2(γ):
z2(γ)=V(γ)-α(γ) (20)
其中,z2(γ)表示船舶当前速度与期望速度的误差,V(γ)表示船舶对地速度,α(γ)表示船舶运动的期望速度。
基于公式(20),可以得到:
z2(γ)′=-K2M-1(γ)z2(γ) (21)
其中,z2(γ)′为z2(γ)的一阶导数,z2(γ)表示船舶当前速度与期望速度的误差,K2表示控制器的增益矩阵系数,为常数,M(γ)表示船舶的惯性质量矩阵。
以及,根据下式计算z1:
z1=RT(ψ)(η-ηd) (22)
其中,z1表示船舶当前状态(坐标与艏向)与追踪目标状态(坐标与艏向)之间的误差,η表示大地坐标系统中船舶的状态,R(ψ)为大地坐标系中位置量的时间导数与所述船舶的实际航速之间的坐标转换矩阵,ηd表示目标状态,需要说明的是,这里目标状态主要指船舶的经纬度坐标与艏向角。
根据公式(22),可以得到:
z′1=ST(r)z1-K1z1+z2(γ) (23)
以及根据上述公式,得到:
α(γ)'=ST(r)RT(ψ)η'd+RT(ψ)η″d-K1z′1 (24)
其中,α(γ)'表示船舶运动的期望加速度,S(r)为一个反对称矩阵,R(ψ)为大地坐标系中位置量的时间导数与所述船舶的实际航速之间的坐标转换矩阵,η'd表示目标速度,η″d表示目标加速度,K1表示控制器的增益矩阵系数,为常数,z1表示船舶当前状态(坐标与艏向)与追踪目标状态(坐标与艏向)之间的误差。
需要说明的是,上述K1和K2为控制系统中控制器的增益矩阵系数,由控制器厂商提供;上述ηd、η'd和η″d为优化决策所确定的目标状态、目标速度和目标加速度,从而以使船舶根据操纵指令,利用螺旋桨与舵等的操纵向预设目标逼近。
如图5所示的船舶实际航线,在预设航行任务的某个航段,船舶姿态γ保持不变,目标状态ηd、目标速度η'd和目标加速度η″d也保持不变,则在第j时刻船舶的速度为Vj,则根据公式(17)可以得到j时刻船舶的操纵响应uj,包括:螺旋桨推力Tj与舵角δj,再将操纵响应uj代入到上述公式(7),并根据下式计算得到第j+1时刻船舶的速度:
其中,Vj+1表示j+1时刻船舶的速度,Δt表示时间步长,τj表示j时刻船舶的操纵荷载向量,表示j时刻的风荷载向量,表示j时刻的波浪荷载向量,表示j时刻的柯氏力与向心力系数矩阵,表示j时刻的船舶对水航速向量,表示j时刻的阻尼力系数矩阵,Mj表示j时刻的船舶的惯性质量矩阵,表示j+1时刻的水体流速。
由此可以根据下式计算每个时间步长上船舶的状态:
ηj+1=ηj+Δt*RT(ψj+1)Vj+1 (26)
其中,Vj+1表示j+1时刻船舶的速度,Δt表示时间步长,ηj+1表示j+1时刻船舶的状态,ηj表示j时刻船舶的状态,R(ψj+1)为j+1时刻大地坐标系中位置量的时间导数与所述船舶的实际航速之间的坐标转换矩阵。
根据上述j+1时刻的船舶的状态,可以根据下式计算出j+1时刻离船舶最近的目标(障碍物)的距离:
因此,可以根据下式计算得到j+1时刻船舶的安全性能指标:
此外,根据上述Vj+1可以得到j+1时刻船舶的操纵响应uj+1,从而循环外推,计算出整个过程中的各个时间步上的L和V。相对应的,每个时间步上船舶前进的路程为:注意这里的u为标量,指的是船舶前进方向上的速度,而V为矢量,指的是前进速度、横移速度和转艏速度,并根据下式计算得到j+1时刻船舶的经济性能指标:
其中,表示j+1时刻船舶的经济性能指标,o表示船舶的螺旋桨做的功与燃油消耗之间的比例换算系数,为常数,由主机厂商提供;kt表示单位燃油的价格,为常数;Tj+1表示j+1时刻螺旋桨上的推力,表示j+1时刻船舶航行的路程,表示j+1时刻船舶航行时单位时间内与人员相关的费用,为常数;Δt表示时间步长。
以及,根据下式计算得到j+1时刻船舶的健康运维性能指标:
其中,表示j+1时刻船舶的健康运维性能指标,i表示第i个设备,n为船舶上设备的总数,可以根据装载手册获得;bi表示船舶航速偏离最佳运维航速时船上第i个设备单位时间内的损耗系数,为常数;Δt表示时间步长,ΔVj+1表示j+1时刻的船舶航速误差。
此时,根据下式得到整个航段的安全性能指标,即各时间步中的最大值:
整个航段中的经济性能指标为各时间步的经济性能指标之和,并根据下式计算得到整个航段中的经济性能指标:
以及,整个航段中设备健康运维性能指标为各时间步上设备健康运维性能指标之和,并根据下式计算:
综上,根据上述公式,可以得到船舶的综合指标函数,该综合指标函数为目标状态ηd、目标速度η'd和目标加速度η″d的函数,因此,可以根据综合指标函数生成预设航行任务对应的决策方案,这里决策方案包括船舶完成预设航行任务所需的目标状态ηd、目标速度η'd和目标加速度η″d。其中,可以根据下式计算综合指标函数:
Γ=f(ηd,η'd,η″d,γ) (34)
其中,Γ表示综合指标函数,ηd表示目标状态,η'd表示目标速度,η″d表示目标加速度,γ表示目标姿态。
步骤S108,根据综合指标函数生成预设航行任务对应的优化决策,以使船舶按照优化决策航行。
具体地,首先根据预设航行任务确定对应的航线,然后将预设航行任务对应的航线划分为多个航段;并对每个所述航段,计算得到对应的综合指标子函数;其中,综合指标子函数用于表征对应的航段的优化子决策;基于综合指标子函数,得到预设航行任务对应的综合指标函数;并得到预设航行任务对应的优化决策。为了便于理解,这里举例说明。如图6所示,对于某个航行任务对应的航线,先将航线分成p个航段,这里p的数值根据计算机的算力确定,算力越大数值可以越大;对于每个航段,根据不同航段上的航行工况,确定相应的权重函数,如第q段的权重函数值为和则可以得到第q段的综合指标子函数:
同时,在不同的航段上有不同的决策方案ηd、η'd和η″d,以及不同的船舶姿态γ。因此,可以根据下式得到预设航行任务对应的综合指标函数:
其中,Γ表示综合指标函数,hq表示第q段的综合指标子函数,表示第q段的安全性能指标,表示第q段的经济性能指标,表示第q段的健康运维性能指标,表示第q段的第一权重系数,表示第q段的第二权重系数,表示第q段的第三权重系数,p表示航段的总数,1≤q≤p,表示第q段的目标状态,表示第q段的目标速度,表示第q段的目标加速度,γq表示第q段的船舶姿态。
上述整个航线上的综合优化目标函数值是各个航段上决策建议与姿态的函数,因此,综合优化目标函数的最小值即为各航段上决策建议的最佳组合,这个最佳组合就是船舶航行最后所需的优化决策。这里,可以通过目前成熟的多变量寻优算法,如粒子群寻优算法、遗传算法、模拟退火发等等求取综合优化目标函数的最小值,这里对于具体的求取算法,可以根据实际情况进行设置,本发明实施例对此不作限制说明。此外,还可以将上述优化决策发送至客户端或控制模块,以便将优化决策以及各种参数进行存储,以作为将来机器学习所需的数据集。
因此,本申请提出了一种船舶多目标综合优化决策理念,统筹考虑了船舶的安全性、经济性、设备健康运维等多种性能,提出了一个可行的优化目标函数,并可以利用多种模型求解该目标函数,例如基于大数据的机器学习模型、基于机理分析的操纵控制模型等,这里采用预先建立的全船协同操纵控制模型对优化目标函数进行寻优,生成预设航行任务对应的优化决策,以及各类性能指标的航行决策指令,从而优化船舶航行时的航行决策,提高了船舶的总体性能。
在上述方法实施例的基础上,本发明实施例还提供了一种多目标综合优化决策装置,执行主体为服务器。如图7所示,该装置包括依次连接的获取模块71、建立模块72、计算模块73和生成模块74,其中,各个模块的功能如下:
获取模块71,用于获取船舶在预设航行任务中的性能指标;其中,性能指标包括安全性能指标、经济性能指标和健康运维性能指标;
建立模块72,用于根据性能指标建立船舶的目标函数;
计算模块73,用于基于预先建立的全船协同操纵控制模型和目标函数得到船舶的综合指标函数;
生成模块74,用于根据综合指标函数生成预设航行任务对应的优化决策,以使船舶按照优化决策航行。
在其中一种可能的实施例中,上述建立模块72还用于:根据下式确定目标函数:
h=c1St+c2Et+c3Ht
其中,h表示目标函数,St表示安全性能指标,Et表示经济性能指标,Ht表示健康运维性能指标,c1表示第一权重系数,c2表示第二权重系数,c3表示第三权重系数。
在另一种可能的实施例中,该装置还包括:获取船舶的参数;其中,参数包括前进速度、横移速度、转艏速度、船舶舯吃水、横倾角和纵倾角;基于参数建立全船协同操纵控制模型;其中,全船协同操纵控制模型包括船舶运动学方程、船舶动力学方程、船舶的操纵模型、船舶螺旋桨推力与舵角的限制函数、船舶姿态控制方程和船舶姿态的饱和输入函数。
在另一种可能的实施例中,上述计算模块73还用于:基于全船协同操纵控制模型对目标函数进行优化,得到优化后的综合指标函数。
在另一种可能的实施例中,根据下式计算综合指标函数:
Γ=f(ηd,η'd,η″d,γ)
其中,Γ表示综合指标函数,ηd表示目标状态,η'd表示目标速度,η″d表示目标加速度,γ表示目标姿态。
在另一种可能的实施例中,上述生成模块74还用于:将预设航行任务对应的航线划分为多个航段;对每个航段,计算得到对应的综合指标子函数;其中,综合指标子函数用于表征对应的航段的优化子决策;基于综合指标子函数,得到预设航行任务对应的综合指标函数;并得到预设航行任务对应的优化决策。
在另一种可能的实施例中,根据下式计算船舶运动学方程:
η'=RT(ψ)V
其中,η表示大地坐标系统中船舶的状态,V表示船舶的实际航速,R(ψ)为大地坐标系中位置量的时间导数与船舶的实际航速之间的坐标转换矩阵。
本发明实施例提供的多目标综合优化决策装置,与上述实施例提供的多目标综合优化决策方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的机器可执行指令,处理器执行机器可执行指令以实现上述多目标综合优化决策方法。
参见图8所示,该电子设备包括处理器80和存储器81,该存储器81存储有能够被处理器80执行的机器可执行指令,该处理器80执行机器可执行指令以实现上述多目标综合优化决策方法。
进一步地,图8所示的电子设备还包括总线82和通信接口83,处理器80、通信接口83和存储器81通过总线82连接。
其中,存储器81可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口83(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线82可以是ISA(IndustrialStandard Architecture,工业标准结构总线)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Enhanced Industry StandardArchitecture,扩展工业标准结构)总线等。上述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器80可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器80中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器80可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器81,处理器80读取存储器81中的信息,结合其硬件完成前述实施例的方法的步骤。
本实施例还提供一种机器可读存储介质,机器可读存储介质存储有机器可执行指令,机器可执行指令在被处理器调用和执行时,机器可执行指令促使处理器实现上述多目标综合优化决策方法。
本发明实施例所提供的多目标综合优化决策方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,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精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种多目标综合优化决策方法,其特征在于,所述方法包括:
获取船舶在预设航行任务中的性能指标;其中,所述性能指标包括安全性能指标、经济性能指标和健康运维性能指标;
根据所述性能指标建立所述船舶的目标函数;
基于预先建立的全船协同操纵控制模型和所述目标函数得到所述船舶的综合指标函数;
根据所述综合指标函数生成所述预设航行任务对应的优化决策,以使所述船舶按照所述优化决策航行。
2.根据权利要求1所述的多目标综合优化决策方法,其特征在于,根据所述性能指标建立所述船舶的目标函数的步骤,包括:
根据下式确定所述目标函数:
h=c1St+c2Et+c3Ht
其中,h表示所述目标函数,St表示所述安全性能指标,Et表示所述经济性能指标,Ht表示所述健康运维性能指标,c1表示第一权重系数,c2表示第二权重系数,c3表示第三权重系数。
3.根据权利要求1所述的多目标综合优化决策方法,其特征在于,所述方法还包括:
获取所述船舶的参数;其中,所述参数包括前进速度、横移速度、转艏速度、船舶舯吃水、横倾角和纵倾角;
基于所述参数建立所述全船协同操纵控制模型;其中,所述全船协同操纵控制模型包括船舶运动学方程、船舶动力学方程、船舶的操纵模型、船舶螺旋桨推力与舵角的限制函数、船舶姿态控制方程和船舶姿态的饱和输入函数。
4.根据权利要求3所述的多目标综合优化决策方法,其特征在于,基于全船协同操纵控制模型和所述目标函数得到所述船舶的综合指标函数的步骤,包括:
基于所述全船协同操纵控制模型对所述目标函数进行优化,得到优化后的所述综合指标函数。
5.根据权利要求4所述的多目标综合优化决策方法,其特征在于,根据下式计算所述综合指标函数:
Γ=f(ηd,η′d,η″d,γ)
其中,Γ表示所述综合指标函数,ηd表示目标状态,η′d表示目标速度,η″d表示目标加速度,γ表示目标姿态。
6.根据权利要求4所述的多目标综合优化决策方法,其特征在于,根据所述综合指标函数生成所述预设航行任务对应的优化决策的步骤,包括:
将所述预设航行任务对应的航线划分为多个航段;
对每个所述航段,计算得到对应的综合指标子函数;其中,所述综合指标子函数用于表征对应的航段的优化子决策;
基于综合指标子函数,得到所述预设航行任务对应的综合指标函数;并得到所述预设航行任务对应的优化决策。
7.根据权利要求3所述的多目标综合优化决策方法,其特征在于,根据下式计算所述船舶运动学方程:
η'=RT(ψ)V
其中,η表示大地坐标系统中船舶的状态,V表示船舶的实际航速,R(ψ)为大地坐标系中位置量的时间导数与所述船舶的实际航速之间的坐标转换矩阵。
8.一种多目标综合优化决策装置,其特征在于,所述装置包括:
获取模块,用于获取船舶在预设航行任务中的性能指标;其中,所述性能指标包括安全性能指标、经济性能指标和健康运维性能指标;
建立模块,用于根据所述性能指标建立所述船舶的目标函数;
计算模块,用于基于预先建立的全船协同操纵控制模型和所述目标函数得到所述船舶的综合指标函数;
生成模块,用于根据所述综合指标函数生成所述预设航行任务对应的优化决策,以使所述船舶按照所述优化决策航行。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1-7任一项所述的多目标综合优化决策方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述权利要求1-7任一项所述的多目标综合优化决策方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010815398.XA CN111930123A (zh) | 2020-08-13 | 2020-08-13 | 多目标综合优化决策方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010815398.XA CN111930123A (zh) | 2020-08-13 | 2020-08-13 | 多目标综合优化决策方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111930123A true CN111930123A (zh) | 2020-11-13 |
Family
ID=73311930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010815398.XA Pending CN111930123A (zh) | 2020-08-13 | 2020-08-13 | 多目标综合优化决策方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111930123A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112660331A (zh) * | 2021-01-15 | 2021-04-16 | 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) | 航速纵倾联合优化方法、装置及电子设备 |
CN112699497A (zh) * | 2021-01-22 | 2021-04-23 | 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) | 航线航速多目标联合优化模型建立方法和系统 |
CN112836377A (zh) * | 2021-02-07 | 2021-05-25 | 智慧航海(青岛)科技有限公司 | 一种基于数字化仿真的船舶仿真测试系统 |
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 |
CN116911560A (zh) * | 2023-07-27 | 2023-10-20 | 中国舰船研究设计中心 | 一种基于多目标优化的船舶任务系统决策规划方法 |
CN117311171A (zh) * | 2023-11-30 | 2023-12-29 | 中国船舶集团有限公司第七一九研究所 | 用于多设备控制的图神经网络模型的训练方法和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002222500A (ja) * | 2001-01-25 | 2002-08-09 | Univ Nihon | 遺伝的アルゴリズムによる船舶の衝突回避システム |
US20040267395A1 (en) * | 2001-08-10 | 2004-12-30 | Discenzo Frederick M. | System and method for dynamic multi-objective optimization of machine selection, integration and utilization |
CN101462590A (zh) * | 2008-12-30 | 2009-06-24 | 大连海事大学 | 船舶操纵与主推进联合控制方法及其模拟系统 |
WO2011055512A1 (ja) * | 2009-11-04 | 2011-05-12 | 川崎重工業株式会社 | 操船制御方法及び操船制御システム |
CN105022270A (zh) * | 2015-03-20 | 2015-11-04 | 武汉理工大学 | 基于速度矢量坐标系的船自动避碰方法 |
CN109606578A (zh) * | 2018-12-03 | 2019-04-12 | 江苏科技大学 | 一种海洋环境监测绿色能源小水线面改良双体无人船艇 |
CN109885061A (zh) * | 2019-03-14 | 2019-06-14 | 哈尔滨工程大学 | 一种基于改进nsga-ⅱ的动力定位多目标优化方法 |
CN111063218A (zh) * | 2019-06-24 | 2020-04-24 | 武汉理工大学 | 一种船舶避碰决策方法 |
CN111199103A (zh) * | 2019-12-30 | 2020-05-26 | 中国船舶重工集团公司第七一一研究所 | 全电力推进船舶的全流程自动计算的航速优化方法及系统 |
CN111222701A (zh) * | 2020-01-08 | 2020-06-02 | 中国船舶重工集团公司第七二四研究所 | 一种基于海洋环境图层的船舶航线自动规划与评价方法 |
CN111272171A (zh) * | 2020-04-07 | 2020-06-12 | 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) | 船舶航迹预测方法及装置 |
-
2020
- 2020-08-13 CN CN202010815398.XA patent/CN111930123A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002222500A (ja) * | 2001-01-25 | 2002-08-09 | Univ Nihon | 遺伝的アルゴリズムによる船舶の衝突回避システム |
US20040267395A1 (en) * | 2001-08-10 | 2004-12-30 | Discenzo Frederick M. | System and method for dynamic multi-objective optimization of machine selection, integration and utilization |
CN101462590A (zh) * | 2008-12-30 | 2009-06-24 | 大连海事大学 | 船舶操纵与主推进联合控制方法及其模拟系统 |
WO2011055512A1 (ja) * | 2009-11-04 | 2011-05-12 | 川崎重工業株式会社 | 操船制御方法及び操船制御システム |
CN105022270A (zh) * | 2015-03-20 | 2015-11-04 | 武汉理工大学 | 基于速度矢量坐标系的船自动避碰方法 |
CN109606578A (zh) * | 2018-12-03 | 2019-04-12 | 江苏科技大学 | 一种海洋环境监测绿色能源小水线面改良双体无人船艇 |
CN109885061A (zh) * | 2019-03-14 | 2019-06-14 | 哈尔滨工程大学 | 一种基于改进nsga-ⅱ的动力定位多目标优化方法 |
CN111063218A (zh) * | 2019-06-24 | 2020-04-24 | 武汉理工大学 | 一种船舶避碰决策方法 |
CN111199103A (zh) * | 2019-12-30 | 2020-05-26 | 中国船舶重工集团公司第七一一研究所 | 全电力推进船舶的全流程自动计算的航速优化方法及系统 |
CN111222701A (zh) * | 2020-01-08 | 2020-06-02 | 中国船舶重工集团公司第七二四研究所 | 一种基于海洋环境图层的船舶航线自动规划与评价方法 |
CN111272171A (zh) * | 2020-04-07 | 2020-06-12 | 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) | 船舶航迹预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
李冬琴;蒋志勇;杨永祥;: "基于自适应加权的船舶多目标协同优化", 中国造船, no. 04, pages 75 - 83 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112660331A (zh) * | 2021-01-15 | 2021-04-16 | 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) | 航速纵倾联合优化方法、装置及电子设备 |
CN112660331B (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) | 航速纵倾联合优化方法、装置及电子设备 |
CN112699497A (zh) * | 2021-01-22 | 2021-04-23 | 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) | 航线航速多目标联合优化模型建立方法和系统 |
CN112836377A (zh) * | 2021-02-07 | 2021-05-25 | 智慧航海(青岛)科技有限公司 | 一种基于数字化仿真的船舶仿真测试系统 |
CN112836377B (zh) * | 2021-02-07 | 2023-08-29 | 智慧航海(青岛)科技有限公司 | 一种基于数字化仿真的船舶仿真测试系统 |
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 |
CN116911560A (zh) * | 2023-07-27 | 2023-10-20 | 中国舰船研究设计中心 | 一种基于多目标优化的船舶任务系统决策规划方法 |
CN116911560B (zh) * | 2023-07-27 | 2024-03-12 | 中国舰船研究设计中心 | 一种基于多目标优化的船舶任务系统决策规划方法 |
CN117311171A (zh) * | 2023-11-30 | 2023-12-29 | 中国船舶集团有限公司第七一九研究所 | 用于多设备控制的图神经网络模型的训练方法和装置 |
CN117311171B (zh) * | 2023-11-30 | 2024-02-20 | 中国船舶集团有限公司第七一九研究所 | 用于多设备控制的图神经网络模型的训练方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111930123A (zh) | 多目标综合优化决策方法、装置及电子设备 | |
Moreira et al. | Path following control system for a tanker ship model | |
JP4339016B2 (ja) | 推力配分方法及び推力配分装置 | |
Sawada et al. | Path following algorithm application to automatic berthing control | |
Dukan et al. | Dynamic positioning system for a small size ROV with experimental results | |
Perera et al. | System identification of nonlinear vessel steering | |
Corno et al. | Data-driven online speed optimization in autonomous sailboats | |
Haseltalab et al. | Adaptive control for autonomous ships with uncertain model and unknown propeller dynamics | |
JP2021181301A (ja) | 船舶の自動誘導方法、船舶の自動誘導プログラム、船舶の自動誘導システム、及び船舶 | |
CN111767612A (zh) | 模型构建方法、船舶控制方法、装置及电子设备 | |
CN110658814B (zh) | 一种应用于船舶运动控制的自适应船舶运动建模方法 | |
Szłapczyński et al. | Framework of an evolutionary multi-objective optimisation method for planning a safe trajectory for a marine autonomous surface ship | |
CN111123923A (zh) | 一种无人船舶局部路径动态优化方法 | |
CN102152843A (zh) | 滑行艇自动控制横摇减摇装置 | |
Saoud et al. | Modeling and control design of a robotic sailboat | |
Abrougui et al. | Backstepping control of an autonomous catamaran sailboat | |
CN111798701A (zh) | 无人艇路径跟踪控制方法、系统、存储介质及终端 | |
CN202038436U (zh) | 滑行艇自动控制横摇减摇装置 | |
Hinostroza et al. | Manoeuvring test for a self-running ship model in various water depth conditions | |
Kang et al. | Autonomous sailboat local route planning | |
CN114063450A (zh) | 一种基于模型预测控制的拖轮能效优化方法 | |
Avgouleas et al. | Fuel-efficient ship routing | |
Göksu et al. | Control of ship roll and yaw angles during turning motion | |
Aung et al. | Investigation into control strategies for manoeuvring in adverse weather conditions | |
LIU et al. | Design of variable stability ship control system for ship intelligent navigation test |
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 |