CN112462777A - 一种考虑操纵性差异的船舶编队路径主动协调系统及方法 - Google Patents
一种考虑操纵性差异的船舶编队路径主动协调系统及方法 Download PDFInfo
- Publication number
- CN112462777A CN112462777A CN202011373023.9A CN202011373023A CN112462777A CN 112462777 A CN112462777 A CN 112462777A CN 202011373023 A CN202011373023 A CN 202011373023A CN 112462777 A CN112462777 A CN 112462777A
- Authority
- CN
- China
- Prior art keywords
- ship
- path
- navigation
- maneuverability
- formation
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000000694 effects Effects 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000007998 vessel formation Effects 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 3
- 230000016776 visual perception Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000012423 maintenance Methods 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
- 238000012545 processing Methods 0.000 description 1
- 239000013643 reference control Substances 0.000 description 1
- 239000004576 sand Substances 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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种考虑操纵性差异的船舶编队路径主动协调系统及方法，船舶编队包括一艘领航船和若干艘跟随船，集中控制单元根据航道信息和每艘船舶航行中的状态，结合各船舶的操纵性差异，计算船舶编队下一时刻的更优的路径选择；领航船采用视线法进行路径规划；跟随船采用模型预测控制方法进行路径跟随控制；预设正常航行条件，根据航道信息识别当航道条件超出正常航行条件时，判断出操纵性安全指标最大的跟随船作为代表船舶，结合领航船和代表船舶的操纵性安全指标计算，对领航船的路径和/或船队队形进行调整。本发明当遇到特殊通行条件时进行集中控制协调，同时综合考虑船舶编队中每艘船舶的操纵性特点，更好的保持船舶编队系统的队形。
Description
技术领域
本发明属于船舶控制领域，同时涉及船舶编队控制技术，具体涉及一种考虑操纵性差异的船舶编队路径主动协调系统及方法。
背景技术
随着现代智能控制理论被广泛应用于各行各业，船舶控制研究也进入了船舶智能控制新时代。面对日益复杂多变的任务，单船智能控制研究的局限性愈发凸显。在此形势下，实现船舶编队协同航行，即通过多个单体船舶密切通讯协同合作，协同完成复杂航行任务。现有船舶编队控制方式大致有以下四种：领导-跟随法、基于行为法、虚拟结构法以及基于图论法。领导跟随法是指在船队中选取一艘船作为领航者，通过设定跟随船与领航船间的距离及角度完成编队。其因结构简单、易实现，被广泛应用到编队航行控制中。
船舶编队航行环境的复杂是当前编队控制理论和实践所面临的难题。主要表现为风、浪、流等扰动量以及船体动力学因素都对船舶操纵性有很大约束，且内河航道环境复杂。以长江叙渝段为例，航道处在山区急弯情景当中，航道存在尺寸小、水流条件较差且水砂运动条件复杂等问题，且山区江段有分叉河型，急弯众多，船舶通航条件受到很大限制。
复杂的航行环境条件对船舶编队队形建立和保持提出了更高的要求，现有船舶编队系统的应对方法多为个体船舶独立决策，以被动避碰的方式保证航行的安全，这种方式在总体上看很难做到编队整体路径的协调。合理的航行路径是船队稳定航行的基础，因此，在复杂航道中，船舶编队系统实现整体决策，主动协调路径规避障碍的技术上亟需技术攻关。
发明内容
本发明要解决的技术问题是：提供一种考虑操纵性差异的船舶编队路径主动协调系统及方法，提升船舶编队系统航行效率和安全性。
本发明为解决上述技术问题所采取的技术方案为：一种考虑操纵性差异的船舶编队路径主动协调系统，所述的船舶编队包括一艘领航船和若干艘跟随船，其特征在于：本系统包括：
航道信息采集单元，用于采集影响船舶路径规划的航道信息；
船舶状态感知单元，用于采集每艘船舶航行中的状态信息；
通讯单元，用于将所述的航道信息和每艘船舶航行中的状态信息发送给集中控制单元，以及编队中各船舶之间实时的信息交互；
集中控制单元，用于根据所述的航道信息和每艘船舶航行中的状态，结合各船舶的操纵性差异，计算出船舶编队下一时刻的更优的路径选择；集中控制单元具体按以下方式控制：
领航船采用视线法进行路径规划；跟随船采用模型预测控制方法进行路径跟随控制；
预设正常航行条件，根据航道信息识别当航道条件超出正常航行条件时，根据每艘船舶航行中的状态信息，分别判断出操纵性安全指标最大的跟随船作为代表船舶，结合领航船和代表船舶的操纵性进行计算，对领航船的路径和/或船队队形进行调整；所述的操纵性安全指标结合航迹带宽度、船间效应及部分岸壁效应来定义。
按上述系统，所述的航道信息包括航道的宽度、走向、水深和障碍物信息；所述的航道信息采集单元包括GPS、AIS、雷达、电子海图及视觉感知设备；每艘船舶上均设有所述的航道信息采集单元。
按上述系统，所述的每艘船舶航行中的状态信息包括每艘船舶的航速、航向、位置以及在船舶编队中的相对位置；每艘船舶上均设有所述的船舶状态感知单元。
按上述系统，所述的领航船采用视线法进行路径规划时，采用纵荡、横荡和艏摇3自由度的运动模型来对船舶进行建模。
按上述系统，所述的领航船采用视线法进行路径规划时，路径点更新方式为使领航船的航向保持对准视线角方向。
按上述系统，所述的操纵性安全指标通过以下公式确定：
式中，A、B、C、D、E、F为影响因子；di表示第i艘船的航迹带宽度，指船舶航行中保持航迹所占用的水域宽度；Qi表示第i艘船受到的船间效应引起的船间吸引力；Yi表示第i艘船因为岸壁效应引起的船舶水动力和水动力矩的变化情况；wi表示在进行急弯情景计算时，第i艘船舶的旋回滞后距离；ji表示在进行急变速情景计算时，第i艘船舶的最短停船距离。
按上述系统，所述的集中控制单元的控制算法为模型预测控制算法，其集中控制的目标函数为：
式中，Jglobal(k)表示集中控制的目标函数；r表示第r艘船；Nm为船队中的船舶数量；Δdr表示船队中第r艘船舶与其航行路径上的障碍物之间的距离；Δmpr表示第r艘船舶的操纵性安全指标；K和L是权重矩阵。
一种利用所述的考虑操纵性差异的船舶编队路径主动协调系统实现的主动协调方法，其特征在于：本方法包括：
预设正常航行条件，实时获取影响船舶路径规划的航道信息，并判断当前航行条件是否在正常航行条件范围内；
若当前航行条件属于正常航行条件范围内，控制船舶编队的领航船与跟随船分别按照预先规划的路径及规划方法航行；
若当前航行条件超出正常航行条件范围，则开始进行路径协调计算；
所述的路径协调计算具体为：收集各船舶航行中的状态信息；当船舶编队中船舶的数量超过一定阈值，则启用选择代表船舶的计算方法，将出操纵性安全指标最大的跟随船作为代表船舶，否则所有跟随船均为代表船舶；结合领航船和代表船舶的操纵性进行计算，对领航船的路径和/或船队队形进行调整；所述的操纵性安全指标结合航迹带宽度、船间效应及部分岸壁效应来定义。
按上述方法，当前航行条件超出正常航行条件范围，具体包括急弯和障碍物情况；当处于急弯情况下，选取航道内外侧危险性指标最大的船舶作为代表船舶；当处于障碍物情况下，选取前后船杀停能力差距最大的传播作为代表船舶。
按上述方法，路径协调计算时，船舶状态感知单元按照一定周期将更新的船舶状态信息发送至集中控制单元，实现循环协调路径控制。
本发明的有益效果为：本发明采用自主控制和集中控制相结合的方式，当遇到特殊通行条件时进行集中控制协调，同时综合考虑了船舶编队中每艘船舶的操纵性特点，通过整体分析，计算得出利于整体安全性的路径，从而更好的保持船舶编队系统的队形，对于船队航行安全具有独特优势。
附图说明
图1为本发明一实施例的方法流程图。
图2为急弯情景示意图。
图3为急停情景示意图。
图4为跟随船及编队系统模型演化流程图。
图5为领航船LOS算法流程图。
图6应用场景执行流程图。
具体实施方式
下面结合具体实例和附图对本发明做进一步说明。
本发明提供一种考虑操纵性差异的船舶编队路径主动协调方法及系统，该系统包括航道信息采集单元、船舶状态感知单元、集中控制单元和通讯单元，各单元之间的关系如图1所示。
航道信息采集单元，用于采集影响船舶路径规划的航道信息；所述的航道信息包括航道的宽度、走向、水深和障碍物信息；所述的航道信息采集单元包括GPS、AIS、雷达、电子海图及视觉感知设备；每艘船上均设有所述的航道信息采集单元。
船舶状态感知单元，用于采集每艘船舶航行中的状态信息；所述的每艘船舶航行中的状态信息包括每艘船舶的航速、航向、位置以及在船舶编队中的相对位置；每艘船舶上均设有所述的船舶状态感知单元。
通讯单元，用于将所述的航道信息和每艘船舶航行中的状态信息发送给集中控制单元，以及编队中各船舶之间实时的信息交互。
集中控制单元，用于根据所述的航道信息和每艘船舶航行中的状态，结合各船舶的操纵性差异，计算出船舶编队下一时刻的更优的路径选择。集中控制单元具体按以下方式控制：
领航船采用视线法(line of sight，LOS)进行路径规划，其具有收敛性好、参数整定容易、简单直观等优势。其流程如图5所示。首先，假设领航船速度为定值，根据路径规划的点库与领航船当前的位置状态量做差，可以得到状态量误差。将误差输入到LOS算法的设计当中，用于判断是否需要更新目标点，视线法将计算后的目标点发送给领航船系统，更新下一时刻的位置状态量。
船舶建模方式采用纵荡、横荡和艏摇3自由度的运动模型，其具体形式为：
式中，
v＝[u,v,r]T,τc＝[τu,0,τr]T。x,y,
分别表示被控船舶在惯性坐标系下的横、纵坐标及艏向角，u,v,r分别表示船舶在惯性坐标系上x,y轴上的速度分量及艏摇角速度。τu表示前进力，τr表示艏摇力矩。M、C、D分别表示附加质量矩阵、科式向心矩阵及阻尼系数矩阵。
J(η)为如式(2)所示的坐标变换矩阵，用于实现随体坐标系向惯性坐标系的转换。
当航道中没有障碍物和其它特殊航道条件时，领航船采用视线法中的超前控制进行路径跟踪描述如下：pk(xk,yk)表示k时刻领航船的位置，若领航船已经成功跟踪上当前期望路径点，就需要更新当前的期望路径点。视线法中判断是否要更新为下一个期望路径点pk+1(xk+1,yk+1)是通过判断领航船是否在以期望路径点pk(xk,yk)为圆心、半径为R0的圆内。于是，若领航船的位置坐标能够满足：
[xk-x]2+[yk-y]2≤R0 (3)
则说明领航船需要将期望路径点更新为(xk+1,yk+1)，R0通常取二倍船长。路径点更新方式为使领航船的航向保持对准视线角(LOS角)方向。假设领航船当前位置为p(x,y)，则LOS角可以通过如下公式计算：
式中：ψLOS为LOS角，满足ψLOS∈[-π，π]。
跟随船采用模型预测控制(Model Predictive Control，MPC)方法进行路径跟随控制，MPC由于采用滚动优化机制，且具有显式处理约束能力，特别适用于船舶轨迹跟踪的非线性多约束控制当中。为了将船舶动力模型运用到MPC控制当中，我们需要先对其进行一些形式变换。如图4所示，首先，将式(1)所示的动力模型改写为如下的状态空间方程：
式中：x(t)表示状态变量，u(t)表示控制输入，f表示船舶的运动学变换，g表示船舶的动力学转换。
引入参考系统：
xref表示参考状态量，uref表示参考控制量输入。
接着，为了使系统求解最优值过程简化，保证实时性，需要对状态空间方程进行线性化处理。对式(5)在任意点进行一阶泰勒展开，去掉高阶项后与参考系统方程做差，即得到如下新的方程：
式中，A、B分别表示f对f和u的偏导数在展开点的值。
和
分别表示状态变量和控制输入量与参考系统的差值。式(7)是新的连续型状态方程，还需对其进行离散化：
式中，T表示离散化步长，Ak、Bk分别表示离散方程的状态矩阵和输入矩阵。式(8)所示的离散化状态方程即可用作MPC控制模型。
对跟随船的目标函数设计为：
式中，Jfollow表示跟随船的目标函数，Np表示预测时域，Nc表示控制时域。Q和R是权重矩阵。η为系统输出量，k为被控时刻，i为预测时刻，Δu为控制量变化。该目标函数表示状态量与控制量同时逼近参考值，能够保证跟随船快速平稳地跟踪到期望轨迹上。控制增量则作为约束加入到控制系统当中。
预设正常航行条件，根据航道信息识别当航道条件超出正常航行条件时，根据每艘船舶航行中的状态信息，分别判断出操纵性安全指标最大的跟随船作为代表船舶，结合领航船和代表船舶的操纵性安全指标进行计算，对领航船的路径和/或船队队形进行调整；所述的操纵性安全指标结合航迹带宽度、船间效应及部分岸壁效应来定义。
当航道信息采集单元检测到存在航行条件受限的情况时，船舶状态感知单元通过通讯单元将各船舶在航道和船队中的相对位置信息及操纵性信息统一汇总到集中控制单元，集中控制单元将综合各船舶的位置条件及操纵性对航行的约束求解出一条新的编队航行路径，以保证船舶编队保持及船队航行的安全性。为了在实际控制操作当中能够对操纵性安全量化，本发明结合了航迹带宽度、船间效应及部分岸壁效应对操纵性安全进行了如下式定义：
式中，A、B、C、D、E、F为影响因子；di表示第i艘船的航迹带宽度(m)，指船舶航行中保持航迹所占用的水域宽度；Qi表示第i艘船受到的船间效应引起的船间吸引力(kN)；Yii表示第i艘船因为岸壁效应引起的船舶水动力(kN)和水动力矩(kN·m)的变化情况。wi表示在进行急弯情景计算时，第i艘船舶的旋回滞后距离(m)；ji表示在进行急变速情景计算时，第i艘船舶的最短停船距离(m)。
本发明对于集中控制单元的控制算法设计为MPC，其集中控制的目标函数为：
式中，Jglobal(k)表示集中控制的目标函数；r表示第r艘船；Nm为船队中的船舶数量；Δdr表示船队中第r艘船舶与其航行路径上的障碍物之间的距离；Δmpr表示第r艘船舶的操纵性安全指标；K和L是权重矩阵。
在实际操作过程中，常规航道中航道内的障碍物通常较少，此时系统主要考虑急弯和急变速过程中岸壁对船队结构的影响。而船队中包含船舶数量多，如果考虑所有船的操纵性可能导致系统计算量过大，控制实时性差。因此本发明提出选择代表船舶的计算方式，其操作方法为：
首先各跟随船根据与领航船的相对角度和距离计算在船队中的相对位置，增加比较环节，分别判断出航道内、外侧操纵性安全指标最大的代表船舶，仅结合领航船和代表船舶的操纵性进行计算，对领航船的路径进行调整。
本发明适用的航行场景具体包括图2所示的急弯情景及图3所示的急停情景。其中，急弯情景示意图中，A为领航船，B、C为跟随船，按照实线所示的队形经过图示急弯情景时，可以看出B、C过弯时分别据内外侧河岸过近，若其过弯的操纵性明显弱于领航船A，则极易无法完成过弯甚至发生危险。在急停情景示意图中，当船队航行至位置1时，检测到前方航道无法通过，此时领航船A若直接选择刹停操作即可在位置2所示的虚线框位置停下，但此时发现跟随船B由于其操纵性特点(最短刹停距离)明显弱于领航船A，需要进行避让操作，那么本发明提出对A、B的刹停操作做出统一协调，即让船A在保证安全的前提下适当增加其刹停距离，在位置3时刹停，即可在保持队形的前提下完成船队整体的刹停操作。场景中的操作流程如图6所示。
本发明提出的路径主动调整方法，预设正常航行条件，实时获取影响船舶路径规划的航道信息，并判断当前航行条件是否在正常航行条件范围内。
正常航行条件时，船舶编队中的领航船与跟随船分别按照系统规划的路径航行。
当航道信息采集单元感知到前方航道中有会影响到船队正常航行的通航条件时，例如航道过窄、急弯或礁石等情形，会通过通讯单元传递激励信号到集中控制单元，集中控制单元进入路径协调计算流程。
路径协调流程开始，集中控制单元向船队中的各船舶发送船舶状态信息需求信号，各船舶的状态感知单元开始工作，将收集到的船舶状态信息发送到集中控制单元。
集中控制单元整合各船舶的数据后开始协调路径计算，按照编队中船舶的数量判断是否需要启用选择代表船舶的计算方法。汇总各船舶的位置信息和操纵性信息后进行比较，在急弯情景中选取航道内外侧危险性指标最大的船舶，在急变速情景中选取前后船杀停能力差距最大的船舶，再结合领航船的操纵性特点，在保证安全的前提下，运用前文提到的目标函数对领航船的路径规划或船队队形进行整体调整。
集中控制单元将计算出的新的路径信息发送至船舶执行机构，船队航行路径发生改变。
船舶执行机构运行将引起船舶状态变化，船舶状态感知单元按照一定周期将更新的船舶状态信息发送至集中控制单元，实现循环协调路径控制。
本发明提供了一种在船舶编队航行中的主动安全协调方式，与传统的检测到障碍物后由船队中的各船舶分别自主避碰的方式不同，本发明提出的方式能够更好地保持编队系统的队形，同时综合考虑了编队中每艘船舶的操纵性特点，通过整体分析，计算得出利于整体船队安全性的路径，对于船队航行安全具有独特优势。
本发明将模型预测控制运用到跟随船的轨迹跟踪以及船队路径调整计算当中，模型预测控制本质上是求解一个开环最优控制问题，采用滚动优化机制，在线进行优化计算，在解决非线性多约束问题上具有独到优势。
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。
Claims (10)
1.一种考虑操纵性差异的船舶编队路径主动协调系统，所述的船舶编队包括一艘领航船和若干艘跟随船，其特征在于：本系统包括：
航道信息采集单元，用于采集影响船舶路径规划的航道信息；
船舶状态感知单元，用于采集每艘船舶航行中的状态信息；
通讯单元，用于将所述的航道信息和每艘船舶航行中的状态信息发送给集中控制单元，以及编队中各船舶之间实时的信息交互；
集中控制单元，用于根据所述的航道信息和每艘船舶航行中的状态，结合各船舶的操纵性差异，计算出船舶编队下一时刻的更优的路径选择；集中控制单元具体按以下方式控制：
领航船采用视线法进行路径规划；跟随船采用模型预测控制方法进行路径跟随控制；
预设正常航行条件，根据航道信息识别当航道条件超出正常航行条件时，根据每艘船舶航行中的状态信息，分别判断出操纵性安全指标最大的跟随船作为代表船舶，结合领航船和代表船舶的操纵性安全指标进行计算，对领航船的路径和/或船队队形进行调整；所述的操纵性安全指标结合航迹带宽度、船间效应及部分岸壁效应来定义。
2.根据权利要求1所述的系统，其特征在于：所述的航道信息包括航道的宽度、走向、水深和障碍物信息；所述的航道信息采集单元包括GPS、AIS、雷达、电子海图及视觉感知设备；每艘船舶上均设有所述的航道信息采集单元。
3.根据权利要求1所述的系统，其特征在于：所述的每艘船舶航行中的状态信息包括每艘船舶的航速、航向、位置以及在船舶编队中的相对位置；每艘船舶上均设有所述的船舶状态感知单元。
4.根据权利要求1所述的系统，其特征在于：所述的领航船采用视线法进行路径规划时，采用纵荡、横荡和艏摇3自由度的运动模型来对船舶进行建模。
5.根据权利要求1或4所述的系统，其特征在于：所述的领航船采用视线法进行路径规划时，路径点更新方式为使领航船的航向保持对准视线角方向。
6.根据权利要求1所述的系统，其特征在于：所述的操纵性安全指标通过以下公式确定：
式中，A、B、C、D、E、F为影响因子；di表示第i艘船的航迹带宽度，指船舶航行中保持航迹所占用的水域宽度；Qi表示第j艘船受到的船间效应引起的船间吸引力；Yi表示第i艘船因为岸壁效应引起的船舶水动力和水动力矩的变化情况；wi表示在进行急弯情景计算时，第i艘船舶的旋回滞后距离；ji表示在进行急变速情景计算时，第i艘船舶的最短停船距离。
7.根据权利要求1所述的系统，其特征在于：所述的集中控制单元的控制算法为模型预测控制算法，其集中控制的目标函数为：
式中，Jglobal(k)表示集中控制的目标函数；r表示第r艘船；Nm为船队中的船舶数量；Δdr表示船队中第r艘船舶与其航行路径上的障碍物之间的距离；Δmpr表示第r艘船舶的操纵性安全指标；k和L是权重矩阵。
8.一种利用权利要求1所述的考虑操纵性差异的船舶编队路径主动协调系统实现的主动协调方法，其特征在于：本方法包括：
预设正常航行条件，实时获取影响船舶路径规划的航道信息，并判断当前航行条件是否在正常航行条件范围内；
若当前航行条件属于正常航行条件范围内，控制船舶编队的领航船与跟随船分别按照预先规划的路径及规划方法航行；
若当前航行条件超出正常航行条件范围，则开始进行路径协调计算；
所述的路径协调计算具体为：收集各船舶航行中的状态信息；当船舶编队中船舶的数量超过一定阈值，则启用选择代表船舶的计算方法，将出操纵性安全指标最大的跟随船作为代表船舶，否则所有跟随船均为代表船舶；结合领航船和代表船舶的操纵性安全指标进行计算，对领航船的路径和/或船队队形进行调整；所述的操纵性安全指标结合航迹带宽度、船间效应及部分岸壁效应来定义。
9.根据权利要求8所述的主动协调方法，其特征在于：当前航行条件超出正常航行条件范围，具体包括急弯和障碍物情况；当处于急弯情况下，选取航道内外侧危险性指标最大的船舶作为代表船舶；当处于障碍物情况下，选取前后船杀停能力差距最大的传播作为代表船舶。
10.根据权利要求8所述的主动协调方法，其特征在于：路径协调计算时，船舶状态感知单元按照一定周期将更新的船舶状态信息发送至集中控制单元，实现循环协调路径控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011373023.9A CN112462777A (zh) | 2020-11-30 | 2020-11-30 | 一种考虑操纵性差异的船舶编队路径主动协调系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011373023.9A CN112462777A (zh) | 2020-11-30 | 2020-11-30 | 一种考虑操纵性差异的船舶编队路径主动协调系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112462777A true CN112462777A (zh) | 2021-03-09 |
Family
ID=74806679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011373023.9A Pending CN112462777A (zh) | 2020-11-30 | 2020-11-30 | 一种考虑操纵性差异的船舶编队路径主动协调系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112462777A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113296507A (zh) * | 2021-05-20 | 2021-08-24 | 哈尔滨工程大学 | 一种基于时空解耦的多动力定位船舶协同编队控制方法 |
| CN115009472A (zh) * | 2022-05-06 | 2022-09-06 | 大连环信科技有限公司 | 一种风能聚集导向性的可移动风能采集集群系统 |
| CN116107319A (zh) * | 2023-04-12 | 2023-05-12 | 中国船舶集团有限公司第七一九研究所 | 一种智能船舰节能航向编队方法、系统及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140372026A1 (en) * | 2011-09-14 | 2014-12-18 | Trusted Positioning Inc. | Method and apparatus for navigation with nonlinear models |
| US20170269586A1 (en) * | 2014-08-18 | 2017-09-21 | Verity Studios Ag | Invisible track for an interactive mobile robot system |
| CN109799818A (zh) * | 2019-01-15 | 2019-05-24 | 大连海事大学 | 多参数化路径导引的无人船协同操纵控制器及其设计方法 |
| CN110444046A (zh) * | 2019-06-14 | 2019-11-12 | 青岛科技大学 | 一种受限水域非冲突会遇船舶集群态势分析方法 |
| CN110618686A (zh) * | 2019-10-30 | 2019-12-27 | 江苏科技大学 | 基于显式模型预测控制的无人船航迹控制方法 |
| CN111427358A (zh) * | 2020-04-16 | 2020-07-17 | 武汉理工大学 | 一种船舶编队的航行轨迹控制方法、系统和存储介质 |
| CN111506080A (zh) * | 2020-05-14 | 2020-08-07 | 大连海事大学 | 基于神经网络优化的综合船舶路径跟踪与舵减摇控制方法 |
| CN111538339A (zh) * | 2020-05-29 | 2020-08-14 | 智慧航海（青岛）科技有限公司 | 船舶航迹控制方法及装置 |
| CN111650963A (zh) * | 2020-06-03 | 2020-09-11 | 中国人民解放军军事科学院国防科技创新研究院 | 一种面向垂直起降固定翼无人机的视觉集群编队控制方法 |
| KR20200112421A (ko) * | 2019-03-22 | 2020-10-05 | 박선희 | 선박에서의 fmcw 레이더를 이용한 위치인식 기반 증강현실 군사용 훈련시스템 |
| EP3742117A1 (en) * | 2019-05-22 | 2020-11-25 | ABB Schweiz AG | Method and control system for controlling a marine vessel |
-
2020
- 2020-11-30 CN CN202011373023.9A patent/CN112462777A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140372026A1 (en) * | 2011-09-14 | 2014-12-18 | Trusted Positioning Inc. | Method and apparatus for navigation with nonlinear models |
| US20170269586A1 (en) * | 2014-08-18 | 2017-09-21 | Verity Studios Ag | Invisible track for an interactive mobile robot system |
| CN109799818A (zh) * | 2019-01-15 | 2019-05-24 | 大连海事大学 | 多参数化路径导引的无人船协同操纵控制器及其设计方法 |
| KR20200112421A (ko) * | 2019-03-22 | 2020-10-05 | 박선희 | 선박에서의 fmcw 레이더를 이용한 위치인식 기반 증강현실 군사용 훈련시스템 |
| EP3742117A1 (en) * | 2019-05-22 | 2020-11-25 | ABB Schweiz AG | Method and control system for controlling a marine vessel |
| CN110444046A (zh) * | 2019-06-14 | 2019-11-12 | 青岛科技大学 | 一种受限水域非冲突会遇船舶集群态势分析方法 |
| CN110618686A (zh) * | 2019-10-30 | 2019-12-27 | 江苏科技大学 | 基于显式模型预测控制的无人船航迹控制方法 |
| CN111427358A (zh) * | 2020-04-16 | 2020-07-17 | 武汉理工大学 | 一种船舶编队的航行轨迹控制方法、系统和存储介质 |
| CN111506080A (zh) * | 2020-05-14 | 2020-08-07 | 大连海事大学 | 基于神经网络优化的综合船舶路径跟踪与舵减摇控制方法 |
| CN111538339A (zh) * | 2020-05-29 | 2020-08-14 | 智慧航海（青岛）科技有限公司 | 船舶航迹控制方法及装置 |
| CN111650963A (zh) * | 2020-06-03 | 2020-09-11 | 中国人民解放军军事科学院国防科技创新研究院 | 一种面向垂直起降固定翼无人机的视觉集群编队控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘智心;初秀民;郑茂;张代勇;: "智能船舶船岸协同实验关键技术研究", 交通信息与安全, no. 02, 28 June 2020 (2020-06-28) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113296507A (zh) * | 2021-05-20 | 2021-08-24 | 哈尔滨工程大学 | 一种基于时空解耦的多动力定位船舶协同编队控制方法 |
| CN113296507B (zh) * | 2021-05-20 | 2022-06-03 | 哈尔滨工程大学 | 一种基于时空解耦的多动力定位船舶协同编队控制方法 |
| CN115009472A (zh) * | 2022-05-06 | 2022-09-06 | 大连环信科技有限公司 | 一种风能聚集导向性的可移动风能采集集群系统 |
| CN116107319A (zh) * | 2023-04-12 | 2023-05-12 | 中国船舶集团有限公司第七一九研究所 | 一种智能船舰节能航向编队方法、系统及存储介质 |
| CN116107319B (zh) * | 2023-04-12 | 2023-06-16 | 中国船舶集团有限公司第七一九研究所 | 一种智能船舰节能航向编队方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112462777A (zh) | 一种考虑操纵性差异的船舶编队路径主动协调系统及方法 | |
| CN110502032B (zh) | 一种基于行为控制的无人机集群编队飞行方法 | |
| CN110568758B (zh) | 一种自动驾驶汽车的参数自适应横向运动lqr控制方法 | |
| Sun et al. | A formation collision avoidance system for unmanned surface vehicles with leader-follower structure | |
| Breivik et al. | Ship formation control: A guided leader-follower approach | |
| CN107544500B (zh) | 一种考虑约束的无人艇靠泊行为轨迹规划方法 | |
| Liao et al. | Layered berthing method and experiment of unmanned surface vehicle based on multiple constraints analysis | |
| CN111324132B (zh) | 一种基于坐标补偿的智能船舶自动靠泊控制方法 | |
| CN110780594A (zh) | 一种智能车的路径跟踪方法及系统 | |
| CN110244721A (zh) | 自动驾驶控制方法、装置、设备及存储介质 | |
| CN109933074B (zh) | 一种有领导者的多无人船群集运动控制器结构的设计方法 | |
| CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制系统 | |
| CN104571128A (zh) | 基于距离与视差信息的水下机器人避障方法 | |
| Abreu et al. | Formation control in the scope of the MORPH project. Part I: Theoretical foundations | |
| CN114326702A (zh) | 一种基于模型预测控制的内河无人船避碰方法 | |
| CN114942642A (zh) | 一种无人驾驶汽车轨迹规划方法 | |
| CN115951581A (zh) | 一种基于改进empc的高速无人艇路径跟踪控制方法 | |
| CN110262513B (zh) | 一种海洋机器人轨迹跟踪控制结构的设计方法 | |
| CN111932951A (zh) | 一种基于滚动时域控制的航空器冲突管理方法 | |
| You et al. | Adaptive neural sliding mode control for heterogeneous ship formation keeping considering uncertain dynamics and disturbances | |
| CN113359737A (zh) | 一种考虑队形伸缩的船舶编队自适应事件触发控制方法 | |
| Luo et al. | Observer-based adaptive integral terminal sliding mode formation control for a vessel train with obstacle avoidance | |
| Zhou et al. | Parameter identification and model prediction path following control of underactuated AUV: Methodology and experimental verification | |
| CN114088094A (zh) | 一种无人艇的智能航路规划方法及系统 | |
| Zhang et al. | Time-optimal path planning and tracking based on nonlinear model predictive control and its application on automatic berthing |
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 |