CN113093721B - 一种自动并发船舶避碰测试方法及系统 - Google Patents
一种自动并发船舶避碰测试方法及系统 Download PDFInfo
- Publication number
- CN113093721B CN113093721B CN202110156762.0A CN202110156762A CN113093721B CN 113093721 B CN113093721 B CN 113093721B CN 202110156762 A CN202110156762 A CN 202110156762A CN 113093721 B CN113093721 B CN 113093721B
- Authority
- CN
- China
- Prior art keywords
- information
- collision avoidance
- test
- ship
- scene
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 254
- 238000004088 simulation Methods 0.000 claims abstract description 125
- 238000004891 communication Methods 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000011157 data evaluation Methods 0.000 claims abstract description 25
- 238000012549 training Methods 0.000 claims description 45
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种自动并发船舶避碰测试的方法及系统，其中，所述方法包括：生成第一场景信息；生成第一目标船运动状态信息；将第一场景信息和第一目标船运动状态信息发送至避碰仿真服务器；构建线程通信链路；将第一目标船运动状态信息发送至测试客户端；将第一目标船运动状态信息发送至被测避碰算法模块；生成第一算法决策指令；将第一算法决策指令发送至被测本船运动模拟器进行决策执行，获得第一本船状态信息；将第一本船状态信息发送回避碰仿真服务器，获得第一仿真结果；对第一仿真结果进行评估，获得第一测试数据评估结果。解决了现有的单线程测试无法满足对多个不同的智能避碰算法或多场景进行批量测试的技术问题。
Description
技术领域
本发明涉及船舶避碰技术领域，尤其涉及一种自动并发船舶避碰测试的方法及系统。
背景技术
近年来，智能船舶成为水上交通领域的研究热点。在智能船舶的航行过程中，及时有效的自动避碰是航行安全的重要保障。针对船舶避碰性能的测试与评估是智能船舶试航之前的关键过程，包含仿真测试、硬件在环测试和实船测试等，目前主要以低成本、高效率的仿真测试为主。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
由于现有的需要对多个不同的智能避碰算法进行测试，或需要进行多场景批量测试时，单线程的测试方法所需时间代价较大。
发明内容
本申请实施例通过提供一种自动并发船舶避碰测试的方法及系统，解决了现有的单线程测试无法满足对多个不同的智能避碰算法或多场景进行批量测试的技术问题，达到了通过自动并发多线程测试，可实现对多个不同的智能避碰算法进行同步测试，或对多场景进行批量测试，进而提高测试效率的技术效果。
本申请实施例提供了一种自动并发船舶避碰测试的方法，其中，所述方法应用于一种自动并发船舶避碰测试的系统，且所述系统包括场景生成与测试子系统、并发仿真子系统和被测子系统，所述方法还包括：根据场景生成器生成第一场景信息，所述第一场景信息为两船或多船会遇场景信息，且所述场景生成器包含于所述场景生成与测试子系统；根据目标船运动模拟器生成第一目标船运动状态信息，所述目标船运动模拟器同包含于所述并发仿真子系统；将所述第一场景信息和所述第一目标船运动状态信息发送至避碰仿真服务器，所述避碰仿真服务器包含于所述并发仿真子系统；根据所述避碰仿真服务器和测试客户端构建线程通信链路，所述测试客户端包含于所述并发仿真子系统，且所述线程通信链路用于通信连接；根据所述线程通信链路，将所述第一目标船运动状态信息发送至所述测试客户端；将所述第一目标船运动状态信息经所述测试客户端发送至被测避碰算法模块，所述被测避碰算法模块包含于所述被测子系统；根据所述第一目标船运动状态信息，所述被测避碰算法模块生成第一算法决策指令；将所述第一算法决策指令发送至被测本船运动模拟器进行决策执行，获得第一本船状态信息，所述被测本船运动模拟器同包含于所述被测子系统；将所述第一本船状态信息发送回所述避碰仿真服务器，获得第一仿真结果；将所述第一仿真结果发送至测试数据评估器，获得第一测试数据评估结果，所述测试数据评估器同包含于所述场景生成与测试子系统。
另一方面，本申请还提供了一种自动并发船舶避碰测试的系统，其中，所述系统包括：第一生成单元：所述第一生成单元用于根据场景生成器生成第一场景信息，所述第一场景信息为两船或多船会遇场景信息，且所述场景生成器包含于所述场景生成与测试子系统；第二生成单元：所述第二生成单元用于根据目标船运动模拟器生成第一目标船运动状态信息，所述目标船运动模拟器同包含于所述并发仿真子系统；第一发送单元：所述第一发送单元用于将所述第一场景信息和所述第一目标船运动状态信息发送至避碰仿真服务器，所述避碰仿真服务器包含于所述并发仿真子系统；第一构建单元：所述第一构建单元用于根据所述避碰仿真服务器和测试客户端构建线程通信链路，所述测试客户端包含于所述并发仿真子系统，且所述线程通信链路用于通信连接；第二发送单元：所述第二发送单元用于根据所述线程通信链路，将所述第一目标船运动状态信息发送至所述测试客户端；第三发送单元：所述第三发送单元用于将所述第一目标船运动状态信息经所述测试客户端发送至被测避碰算法模块，所述被测避碰算法模块包含于所述被测子系统；第三生成单元：所述第三生成单元用于根据所述第一目标船运动状态信息，所述被测避碰算法模块生成第一算法决策指令；第四发送单元：所述第四发送单元用于将所述第一算法决策指令发送至被测本船运动模拟器进行决策执行，获得第一本船状态信息，所述被测本船运动模拟器同包含于所述被测子系统；第五发送单元：所述第五发送单元用于将所述第一本船状态信息发送回所述避碰仿真服务器，获得第一仿真结果；第六发送单元：所述第六发送单元用于将所述第一仿真结果发送至测试数据评估器，获得第一测试数据评估结果，所述测试数据评估器同包含于所述场景生成与测试子系统。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过基于场景生成与测试子系统、并发仿真子系统和被测子系统进行自动并发多线程测试，实现对多个不同的智能避碰算法进行同步测试以及对多场景进行批量测试，进而达到了提高测试效率的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种自动并发船舶避碰测试方法的流程示意图；
图2为本申请实施例一种自动并发船舶避碰测试系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一生成单元11，第二生成单元12，第一发送单元13，第一构建单元14，第二发送单元15，第三发送单元16，第三生成单元17，第四发送单元18，第五发送单元19，第六发送单元20，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种自动并发船舶避碰测试的方法及系统，解决了现有的单线程测试无法满足对多个不同的智能避碰算法或多场景进行批量测试的技术问题，达到了通过自动并发多线程测试，可实现对多个不同的智能避碰算法进行同步测试，或对多场景进行批量测试，进而提高测试效率的技术效果。
下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
近年来，智能船舶成为水上交通领域的研究热点。在智能船舶的航行过程中，及时有效的自动避碰是航行安全的重要保障。针对船舶避碰性能的测试与评估是智能船舶试航之前的关键过程，包含仿真测试、硬件在环测试和实船测试等，目前主要以低成本、高效率的仿真测试为主。由于现有的需要对多个不同的智能避碰算法进行测试，或需要进行多场景批量测试时，单线程的测试方法所需时间代价较大。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种自动并发船舶避碰测试的方法，其中，所述方法应用于一种自动并发船舶避碰测试的系统，且所述系统包括场景生成与测试子系统、并发仿真子系统和被测子系统，所述方法还包括：根据场景生成器生成第一场景信息，所述第一场景信息为两船或多船会遇场景信息，且所述场景生成器包含于所述场景生成与测试子系统；根据目标船运动模拟器生成第一目标船运动状态信息，所述目标船运动模拟器同包含于所述并发仿真子系统；将所述第一场景信息和所述第一目标船运动状态信息发送至避碰仿真服务器，所述避碰仿真服务器包含于所述并发仿真子系统；根据所述避碰仿真服务器和测试客户端构建线程通信链路，所述测试客户端包含于所述并发仿真子系统，且所述线程通信链路用于通信连接；根据所述线程通信链路，将所述第一目标船运动状态信息发送至所述测试客户端；将所述第一目标船运动状态信息经所述测试客户端发送至被测避碰算法模块，所述被测避碰算法模块包含于所述被测子系统；根据所述第一目标船运动状态信息，所述被测避碰算法模块生成第一算法决策指令；将所述第一算法决策指令发送至被测本船运动模拟器进行决策执行，获得第一本船状态信息，所述被测本船运动模拟器同包含于所述被测子系统；将所述第一本船状态信息发送回所述避碰仿真服务器，获得第一仿真结果；将所述第一仿真结果发送至测试数据评估器，获得第一测试数据评估结果，所述测试数据评估器同包含于所述场景生成与测试子系统。
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示，本申请实施例提供了一种自动并发船舶避碰测试的方法，其中，所述方法应用于一种自动并发船舶避碰测试的系统，且所述系统包括场景生成与测试子系统、并发仿真子系统和被测子系统，所述方法还包括：
步骤S100：根据场景生成器生成第一场景信息，所述第一场景信息为两船或多船会遇场景信息，且所述场景生成器包含于所述场景生成与测试子系统；
具体而言，所述场景生成器用于生成各种满足需求的测试场景，场景生成器可结合避碰规则中描述的典型会遇态势和测试需求，自动批量生成两船或多船会遇场景信息，所述两船或多船会遇场景信息由目标船与本船的相对距离、船速比和相对航向等组成。
步骤S200：根据目标船运动模拟器生成第一目标船运动状态信息，所述目标船运动模拟器同包含于所述并发仿真子系统；
具体而言，所述目标船运动模拟器用于加载目标船运动模型，即模拟实际中船舶的运动状态，生成模拟的目标船运动状态，进而并输出目标船运动状态至避碰仿真服务器，便于进行避碰仿真测试。
步骤S300：将所述第一场景信息和所述第一目标船运动状态信息发送至避碰仿真服务器，所述避碰仿真服务器包含于所述并发仿真子系统；
具体而言，已知所述第一场景信息和所述第一目标船运动状态信息，可将所述第一场景信息和所述第一目标船运动状态信息发送至避碰仿真服务器，所述避碰仿真服务器接收场景生成器自动生成的批量场景信息，可与多个测试客户端进行通信，进而将目标船运动状态发送至测试客户端，并根据测试需求实现多线程并发测试。
步骤S400：根据所述避碰仿真服务器和测试客户端构建线程通信链路，所述测试客户端包含于所述并发仿真子系统，且所述线程通信链路用于通信连接；
具体而言，可在所述避碰仿真服务器和测试客户端之间构建线程通信链路，所述线程通信链路包含单线程通信链路和多线程通信链路，可基于TCP/IP协议构建所述线程通信链路。TCP/IP传输协议，即传输控制/网络协议，也叫作网络通讯协议，它是在网络的使用中的最基本的通信协议，TCP/IP传输协议对互联网中各部分进行通信的标准和方法进行了规定，并且，TCP/IP传输协议是保证网络数据信息及时、完整传输的两个重要的协议。通过基于所述线程通信链路，可实现数据的有效传输。
步骤S500：根据所述线程通信链路，将所述第一目标船运动状态信息发送至所述测试客户端；
步骤S600：将所述第一目标船运动状态信息经所述测试客户端发送至被测避碰算法模块，所述被测避碰算法模块包含于所述被测子系统；
步骤S700：根据所述第一目标船运动状态信息，所述被测避碰算法模块生成第一算法决策指令；
具体而言，已知所述第一目标船运动状态信息和所述线程通信链路，则可基于所述线程通信链路将所述第一目标船运动状态信息经所述测试客户端发送至被测避碰算法模块，即当被测避碰算法模块从测试客户端获取目标船运动状态后可根据所述第一目标船运动状态信息，生成相应的算法决策指令，并将算法决策指令发送给被测本船运动模拟器进一步进行测试。
步骤S800：将所述第一算法决策指令发送至被测本船运动模拟器进行决策执行，获得第一本船状态信息，所述被测本船运动模拟器同包含于所述被测子系统；
具体而言，生成所述第一算法决策指令后，可将所述第一算法决策指令发送至被测本船运动模拟器进行决策执行，获得第一本船状态信息，举例而言，当两船舶会遇时，已知目标船舶的运动状态信息，进而根据其运动状态信息生成相应的避碰算法，通过将避碰算法发送至被测本船运动模拟器进行决策执行，即综合本船的运动状态信息进一步进行测试，最终生成第一本船运动状态信息。
步骤S900：将所述第一本船状态信息发送回所述避碰仿真服务器，获得第一仿真结果；
步骤S1000：将所述第一仿真结果发送至测试数据评估器，获得第一测试数据评估结果，所述测试数据评估器同包含于所述场景生成与测试子系统。
具体而言，已知所述第一本船运动状态信息，可将所述第一本船运动状态信息经所述避碰仿真服务器发送至测试数据评估器，进而获得第一测试数据评估结果，所述测试数据评估器负责对所有被测场景下的测试数据结果进行评估，并给出评估报告。通过自动并发多线程测试，达到了实现对多个不同的智能避碰算法进行同步测试，进而提高测试效率的技术效果。
进一步，本申请实施例还包括：
步骤S1110：获得第一批量生成指令；
步骤S1120：根据所述第一批量生成指令，由所述场景生成器批量生成不同会遇场景信息，所述不同会遇场景信息包含第一会遇场景信息、第二会遇场景信息直至第N会遇场景信息；
步骤S1130：将所述不同会遇场景信息发送至所述避碰仿真服务器；
步骤S1140：根据所述线程通信链路，获得第一线程通信链路、第二线程通信链路直至第N线程通信链路，其中，所述第一线程通信链路对应于所述第一会遇场景信息，以此类推，所述第N线程通信链路对应于所述第N会遇场景信息；
步骤S1150：根据所述线程通信链路，将所述不同会遇场景信息经所述测试客户端发送至所述被测避碰算法模块；
步骤S1160：根据所述不同会遇场景信息和所述被测避碰算法模块生成不同被测避碰算法，所述不同被测避碰算法包含第一避碰算法、第二避碰算法直至第N避碰算法，其中，所述第一会遇场景信息对应于所述第一避碰算法，以此类推，所述第N会遇场景信息对应于所述第N避碰算法；
步骤S1170：根据所述不同会遇场景信息和所述不同被测避碰算法，获得第一测试指令；
步骤S1180：根据所述第一测试指令，对所述不同会遇场景信息进行避碰仿真测试。
具体而言，为了实现对多场景进行批量测试，还可由所述场景生成器批量生成不同会遇场景信息，进而将所述不同会遇场景信息经所述避碰仿真服务器、多线程通信链路和所述测试客户端发送至所述被测避碰算法模块，进而根据所述不同会遇场景信息和所述被测避碰算法模块生成不同被测避碰算法，同时根据所述不同会遇场景信息和所述不同被测避碰算法，对所述不同会遇场景信息进行避碰仿真测试，通过自动并发多线程测试，达到了实现对多场景进行批量测试，进而提高测试效率的技术效果。
进一步，所述根据所述第一测试指令，对所述不同会遇场景信息进行避碰仿真测试，步骤S1180还包括：
步骤S1181：根据所述不同会遇场景信息和所述不同被测避碰算法，获得不同本船运动信息，所述不同本船运动信息包含第一运动信息、第二运动信息直至第N运动信息，其中，所述第一运动信息为第一会遇场景信息和所述第一避碰算法测试生成的信息，以此类推，所述第N运动信息为第N会遇场景信息和所述第N避碰算法测试生成的信息；
步骤S1182：将所述不同本船运动信息经所述测试客户端发送至所述避碰仿真服务器进行仿真测试。
具体而言，为了具体对所述不同会遇场景信息进行避碰仿真测试，可根据所述不同会遇场景信息和所述不同被测避碰算法，获得不同本船运动信息，进一步可理解为，第一本船运动信息为第一会遇场景信息和第一避碰算法测试生成的本船运动信息，第二本船运动信息为第二会遇场景信息和第二避碰算法测试生成的本船运动信息，以此类推，第N本船运动信息为第N会遇场景信息和第N避碰算法测试生成的本船运动信息，通过具体获得本船在不同场景和算法下的运动信息，达到了进一步对所述不同会遇场景信息进行避碰仿真测试的技术效果。
进一步，所述将所述第一仿真结果发送至测试数据评估器，获得第一测试数据评估结果，步骤S1000还包括：
步骤S1010：获得第一评估指标信息；
步骤S1020：将所述第一仿真结果和所述第一评估指标信息输入第一训练模型进行训练，所述第一训练模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述第一仿真结果、所述第一评估指标信息以及用来标识第一测试数据评估结果的标识信息；
步骤S1030：获得所述第一训练模型的第一训练结果，所述第一训练结果为第一测试数据评估结果。
具体而言，为了对所述第一仿真结果进行准确评估，还可获得第一评估指标信息，可将相对距离、规则符合性等作为所述第一评估指标信息进行避碰效果评估，通过将所述第一仿真结果和所述第一评估指标信息输入第一训练模型进行训练，可以使得输出的训练结果更加精确。所述第一训练模型为神经网络模型即机器学习中的数据训练模型，神经网络(Neural Networks，NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Neural Networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。在本申请实施例中，将所述第一仿真结果和所述第一评估指标信息输入第一训练模型进行训练，用标识的第一测试数据评估结果对所述神经网络模型进行训练。
进一步来说，所述神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为：所述第一仿真结果、所述第一评估指标信息以及用来标识第一测试数据评估结果的标识信息。通过输入所述第一仿真结果和所述第一评估指标信息，神经网络模型会输出第一训练结果，所述第一训练结果为第一测试数据评估结果，通过将所述输出信息与所述起标识作用的第一测试数据评估结果进行校验，如果所述输出信息与所述起标识作用的第一测试数据评估结果要求相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果所述输出信息与所述起标识作用的第一测试数据评估结果要求不一致，则神经网络学习模型自身进行调整，直到神经网络学习模型输出结果与所述起标识作用的第一测试数据评估结果要求相一致，进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化，通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而达到对所述第一仿真结果进行准确评估的技术效果。
进一步，本申请实施例还包括：
步骤S1210：根据所述第一目标船运动状态信息获得第一目标船初始方位角；
步骤S1220：获得第一分割指令；
步骤S1230：根据所述第一分割指令将所述第一目标船初始方位角进行等间隔角度Δθ分割，获得不同初始方位等间隔角度信息θ1～θn；
步骤S1240：获得第二批量生成指令；
步骤S1250：根据所述第二批量生成指令和所述不同初始方位等间隔角度信息θ1～θn，针对每个初始方位角θi由所述场景生成器在[R1,Rm]相对距离范围内批量生成m个不同等距离间隔会遇场景；
步骤S1260：获得第一测试指令，所述第一测试指令为当每个方位角θi下的所有场景生成完毕之后，根据所述m个不同等距离间隔会遇场景采取最大转向幅度避让策略进行并发测试；
步骤S1270：根据所述第一测试指令，获得所述不同初始方位等间隔角度信息θ1～θn下的碰撞过程中的不同相对距离信息Rij；
步骤S1280：获得第一约束指令，对所述不同相对距离信息Rij进行约束设置。
具体而言，受限于船舶操纵性，同一条船舶对不同方位上的目标船避让效果不同，在不同方位上满足最小安全距离的最晚施舵点也不同。因此，在本申请实施例中，场景生成器中可对不同方位目标船的相对距离约束进行设置，避免产生无效场景。可以间隔Δθ将目标船初始方位角等间隔分割为θ1～θn，通过多场景并发测试进行快速测试，进而针对每个初始方位角θi，由场景生成器在[R1,Rm]相对距离范围内按等距离间隔批量生成m个不同的会遇场景，进而获得每个场景j中目标船与本船的初始相对距离Rij，当每个方位角θi下的所有场景生成完毕之后，开始进行m·n个线程的多场景并发快速测试。每个场景下的被测避碰算法均采取最大转向幅度避让策略，测试完成后对避碰结果进行自动评价和统计，通过设置目标船的不同初始相对距离进行约束条件分析，结合并发多线程测试过程，对不同方位目标船的相对距离约束进行设置，避免产生无效场景。
进一步，所述获得第一约束指令，对所述不同相对距离信息Rij进行约束设置，步骤S1280还包括：
步骤S1281：构建筛选模型，所述筛选模型可对输入数据进行筛选，获得目标信息；
步骤S1282：将所述不同相对距离信息Rij输入所述筛选模型，用标识的最小安全距离信息rij对所述筛选模型进行训练，获得最小安全距离信息rij，所述最小安全距离信息rij为每个方位角θi下线程j中避碰测试的最小相对距离；
步骤S1283：根据所述最小安全距离信息rij，对所述不同相对距离信息进行约束设置。
具体而言，为了进一步对不同方位目标船的相对距离约束进行设置，还可从所述不同相对距离信息Rij筛选出最小安全距离信息rij，可构建筛选模型，所述筛选模型可对输入数据进行筛选，通过将所述不同相对距离信息Rij输入所述筛选模型，用标识的最小安全距离信息rij对所述筛选模型进行训练，获得训练结果即最小安全距离信息rij，进而结合并发多线程测试过程，快速得到不同方位来船的最小初始相对距离约束，进而达到了避免产生无效场景的技术效果。
进一步，所述根据所述第一测试指令，获得所述不同初始方位等间隔角度信息下的碰撞过程中的不同相对距离信息，步骤S1270还包括：
步骤S1271：根据公式Rij＝R1+ΔR(j-1)，获得所述不同相对距离信息，其中，ΔR＝(Rm-R1)/(m-1)，Rij为每个场景j中目标船与本船的初始相对距离，ΔR为等距离间隔。
具体而言，可根据公式Rij＝R1+ΔR(j-1)，获得所述不同相对距离信息，即针对每个初始方位角θi，由场景生成器在[R1,Rm]相对距离范围内按等距离间隔ΔR＝(Rm-R1)/(m-1)批量生成m个不同的会遇场景，其中每个场景j中目标船与本船的初始相对距离为Rij＝R1+ΔR(j-1)。
综上所述，本申请实施例所提供的一种自动并发船舶避碰测试方法及系统具有如下技术效果：
1、通过基于场景生成与测试子系统、并发仿真子系统和被测子系统进行自动并发多线程测试，实现对多个不同的智能避碰算法进行同步测试以及对多场景进行批量测试，进而达到了提高测试效率的技术效果。
2、通过根据每个场景下的被测避碰算法均采取最大转向幅度避让的策略，设置目标船的不同初始相对距离进行约束条件分析，结合并发多线程测试过程，可快速得到不同方位来船的最小初始相对距离约束，避免产生无效场景。
实施例二
基于与前述实施例中一种自动并发船舶避碰测试方法同样发明构思，本发明还提供了一种自动并发船舶避碰测试的系统，如图2所示，所述系统包括：
第一生成单元11：所述第一生成单元11用于根据场景生成器生成第一场景信息，所述第一场景信息为两船或多船会遇场景信息，且所述场景生成器包含于所述场景生成与测试子系统；
第二生成单元12：所述第二生成单元12用于根据目标船运动模拟器生成第一目标船运动状态信息，所述目标船运动模拟器同包含于所述并发仿真子系统；
第一发送单元13：所述第一发送单元13用于将所述第一场景信息和所述第一目标船运动状态信息发送至避碰仿真服务器，所述避碰仿真服务器包含于所述并发仿真子系统；
第一构建单元14：所述第一构建单元14用于根据所述避碰仿真服务器和测试客户端构建线程通信链路，所述测试客户端包含于所述并发仿真子系统，且所述线程通信链路用于通信连接；
第二发送单元15：所述第二发送单元15用于根据所述线程通信链路，将所述第一目标船运动状态信息发送至所述测试客户端；
第三发送单元16：所述第三发送单元16用于将所述第一目标船运动状态信息经所述测试客户端发送至被测避碰算法模块，所述被测避碰算法模块包含于所述被测子系统；
第三生成单元17：所述第三生成单元17用于根据所述第一目标船运动状态信息，所述被测避碰算法模块生成第一算法决策指令；
第四发送单元18：所述第四发送单元18用于将所述第一算法决策指令发送至被测本船运动模拟器进行决策执行，获得第一本船状态信息，所述被测本船运动模拟器同包含于所述被测子系统；
第五发送单元19：所述第五发送单元19用于将所述第一本船状态信息发送回所述避碰仿真服务器，获得第一仿真结果；
第六发送单元20：所述第六发送单元20用于将所述第一仿真结果发送至测试数据评估器，获得第一测试数据评估结果，所述测试数据评估器同包含于所述场景生成与测试子系统。
进一步的，所述系统还包括：
第一获得单元：所述第一获得单元用于获得第一批量生成指令；
第四生成单元：所述第四生成单元用于根据所述第一批量生成指令，由所述场景生成器批量生成不同会遇场景信息，所述不同会遇场景信息包含第一会遇场景信息、第二会遇场景信息直至第N会遇场景信息；
第七发送单元：所述第七发送单元用于将所述不同会遇场景信息发送至所述避碰仿真服务器；
第二获得单元：所述第二获得单元用于根据所述线程通信链路，获得第一线程通信链路、第二线程通信链路直至第N线程通信链路，其中，所述第一线程通信链路对应于所述第一会遇场景信息，以此类推，所述第N线程通信链路对应于所述第N会遇场景信息；
第八发送单元：所述第八发送单元用于根据所述线程通信链路，将所述不同会遇场景信息经所述测试客户端发送至所述被测避碰算法模块；
第五生成单元：所述第五生成单元用于根据所述不同会遇场景信息和所述被测避碰算法模块生成不同被测避碰算法，所述不同被测避碰算法包含第一避碰算法、第二避碰算法直至第N避碰算法，其中，所述第一会遇场景信息对应于所述第一避碰算法，以此类推，所述第N会遇场景信息对应于所述第N避碰算法；
第三获得单元：所述第三获得单元用于根据所述不同会遇场景信息和所述不同被测避碰算法，获得第一测试指令；
第一测试单元：所述第一测试单元用于根据所述第一测试指令，对所述不同会遇场景信息进行避碰仿真测试。
进一步的，所述系统还包括：
第四获得单元：所述第四获得单元用于根据所述不同会遇场景信息和所述不同被测避碰算法，获得不同本船运动信息，所述不同本船运动信息包含第一运动信息、第二运动信息直至第N运动信息，其中，所述第一运动信息为第一会遇场景信息和所述第一避碰算法测试生成的信息，以此类推，所述第N运动信息为第N会遇场景信息和所述第N避碰算法测试生成的信息；
第九发送单元：所述第九发送单元用于将所述不同本船运动信息经所述测试客户端发送至所述避碰仿真服务器进行仿真测试。
进一步的，所述系统还包括：
第五获得单元：所述第五获得单元用于获得第一评估指标信息；
第一输入单元：所述第一输入单元用于将所述第一仿真结果和所述第一评估指标信息输入第一训练模型进行训练，所述第一训练模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述第一仿真结果、所述第一评估指标信息以及用来标识第一测试数据评估结果的标识信息；
第六获得单元：所述第六获得单元用于获得所述第一训练模型的第一训练结果，所述第一训练结果为第一测试数据评估结果。
进一步的，所述系统还包括：
第七获得单元：所述第七获得单元用于根据所述第一目标船运动状态信息获得第一目标船初始方位角；
第八获得单元：所述第八获得单元用于获得第一分割指令；
第一分割单元：所述第一分割单元用于根据所述第一分割指令将所述第一目标船初始方位角进行等间隔角度Δθ分割，获得不同初始方位等间隔角度信息θ1～θn；
第九获得单元：所述第九获得单元用于获得第二批量生成指令；
第六生成单元：所述第六生成单元用于根据所述第二批量生成指令和所述不同初始方位等间隔角度信息θ1～θn，针对每个初始方位角θi由所述场景生成器在[R1,Rm]相对距离范围内批量生成m个不同等距离间隔会遇场景；
第十获得单元：所述第十获得单元用于获得第一测试指令，所述第一测试指令为当每个方位角θi下的所有场景生成完毕之后，根据所述m个不同等距离间隔会遇场景采取最大转向幅度避让策略进行并发测试；
第十一获得单元：所述第十一获得单元用于根据所述第一测试指令，获得所述不同初始方位等间隔角度信息θ1～θn下的碰撞过程中的不同相对距离信息Rij；
第十二获得单元：所述第十二获得单元用于获得第一约束指令，对所述不同相对距离信息Rij进行约束设置。
进一步的，所述系统还包括：
第二构建单元：所述第二构建单元用于构建筛选模型，所述筛选模型可对输入数据进行筛选，获得目标信息；
第二输入单元：所述第二输入单元用于将所述不同相对距离信息Rij输入所述筛选模型，用标识的最小安全距离信息rij对所述筛选模型进行训练，获得最小安全距离信息rij，所述最小安全距离信息rij为每个方位角θi下线程j中避碰测试的最小相对距离；
第一约束单元：所述第一约束单元用于根据所述最小安全距离信息rij，对所述不同相对距离信息进行约束设置。
进一步的，所述系统还包括：
第十三获得单元：所述第十三获得单元用于根据公式Rij＝R1+ΔR(j-1)，获得所述不同相对距离信息，其中，ΔR＝(Rm-R1)/(m-1)，Rij为每个场景j中目标船与本船的初始相对距离，ΔR为等距离间隔。
前述图1实施例一中的一种自动并发船舶避碰测试方法的各种变化方式和具体实例同样适用于本实施例的一种自动并发船舶避碰测试系统，通过前述对一种自动并发船舶避碰测试方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种自动并发船舶避碰测试系统的实施方法，所以为了说明书的简洁，再次不再详述。
实施例三
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实例施中一种自动并发船舶避碰测试方法的发明构思，本发明还提供一种自动并发船舶避碰测试系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种自动并发船舶避碰测试方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供了一种自动并发船舶避碰测试的方法，其中，所述方法应用于一种自动并发船舶避碰测试的系统，且所述系统包括场景生成与测试子系统、并发仿真子系统和被测子系统，所述方法还包括：根据场景生成器生成第一场景信息，所述第一场景信息为两船或多船会遇场景信息，且所述场景生成器包含于所述场景生成与测试子系统；根据目标船运动模拟器生成第一目标船运动状态信息，所述目标船运动模拟器同包含于所述并发仿真子系统；将所述第一场景信息和所述第一目标船运动状态信息发送至避碰仿真服务器，所述避碰仿真服务器包含于所述并发仿真子系统；根据所述避碰仿真服务器和测试客户端构建线程通信链路，所述测试客户端包含于所述并发仿真子系统，且所述线程通信链路用于通信连接；根据所述线程通信链路，将所述第一目标船运动状态信息发送至所述测试客户端；将所述第一目标船运动状态信息经所述测试客户端发送至被测避碰算法模块，所述被测避碰算法模块包含于所述被测子系统；根据所述第一目标船运动状态信息，所述被测避碰算法模块生成第一算法决策指令；将所述第一算法决策指令发送至被测本船运动模拟器进行决策执行，获得第一本船状态信息，所述被测本船运动模拟器同包含于所述被测子系统；将所述第一本船状态信息发送回所述避碰仿真服务器，获得第一仿真结果；将所述第一仿真结果发送至测试数据评估器，获得第一测试数据评估结果，所述测试数据评估器同包含于所述场景生成与测试子系统。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种自动并发船舶避碰测试的方法，其中，所述方法应用于一种自动并发船舶避碰测试的系统，且所述系统包括场景生成与测试子系统、并发仿真子系统和被测子系统，所述方法还包括：
根据场景生成器生成第一场景信息，所述第一场景信息为两船或多船会遇场景信息，且所述场景生成器包含于所述场景生成与测试子系统；
根据目标船运动模拟器生成第一目标船运动状态信息，所述目标船运动模拟器包含于所述并发仿真子系统；
将所述第一场景信息和所述第一目标船运动状态信息发送至避碰仿真服务器，所述避碰仿真服务器包含于所述并发仿真子系统；
根据所述避碰仿真服务器和测试客户端构建线程通信链路，所述测试客户端包含于所述并发仿真子系统，且所述线程通信链路用于通信连接；
根据所述线程通信链路，将所述第一目标船运动状态信息发送至所述测试客户端；
将所述第一目标船运动状态信息经所述测试客户端发送至被测避碰算法模块，所述被测避碰算法模块包含于所述被测子系统；
根据所述第一目标船运动状态信息，所述被测避碰算法模块生成第一算法决策指令；
将所述第一算法决策指令发送至被测本船运动模拟器进行决策执行，获得第一本船状态信息，所述被测本船运动模拟器包含于所述被测子系统；
将所述第一本船状态信息发送回所述避碰仿真服务器，获得第一仿真结果；
将所述第一仿真结果发送至测试数据评估器，获得第一测试数据评估结果，所述测试数据评估器包含于所述场景生成与测试子系统；
所述方法还包括：
根据所述第一目标船运动状态信息获得第一目标船初始方位角；
获得第一分割指令；
根据所述第一分割指令将所述第一目标船初始方位角进行等间隔角度Δθ分割，获得不同初始方位等间隔角度信息θ1～θn；
获得第二批量生成指令；根据所述第二批量生成指令和所述不同初始方位等间隔角度信息θ1～θn，针对每个初始方位角θi由所述场景生成器在[R1,Rm]相对距离范围内批量生成m个不同等距离间隔会遇场景；
获得第一测试指令，所述第一测试指令为当每个方位角θi下的所有场景生成完毕之后，根据所述m个不同等距离间隔会遇场景采取最大转向幅度避让策略进行并发测试；
根据所述第一测试指令，获得所述不同初始方位等间隔角度信息θ1～θn下的碰撞过程中的不同相对距离信息Rij；
获得第一约束指令，对所述不同相对距离信息Rij进行约束设置。
2.如权利要求1所述的一种自动并发船舶避碰测试的方法，其中，所述方法还包括：
获得第一批量生成指令；
根据所述第一批量生成指令，由所述场景生成器批量生成不同会遇场景信息，所述不同会遇场景信息包含第一会遇场景信息、第二会遇场景信息直至第N会遇场景信息；
将所述不同会遇场景信息发送至所述避碰仿真服务器；根据所述线程通信链路，获得第一线程通信链路、第二线程通信链路直至第N线程通信链路，其中，所述第一线程通信链路对应于所述第一会遇场景信息，以此类推，所述第N线程通信链路对应于所述第N会遇场景信息；
根据所述线程通信链路，将所述不同会遇场景信息经所述测试客户端发送至所述被测避碰算法模块；
根据所述不同会遇场景信息和所述被测避碰算法模块生成不同被测避碰算法，所述不同被测避碰算法包含第一避碰算法、第二避碰算法直至第N避碰算法，其中，所述第一会遇场景信息对应于所述第一避碰算法，以此类推，所述第N会遇场景信息对应于所述第N避碰算法；
根据所述不同会遇场景信息和所述不同被测避碰算法，获得第一测试指令；
根据所述第一测试指令，对所述不同会遇场景信息进行避碰仿真测试。
3.如权利要求2所述的一种自动并发船舶避碰测试的方法，其中，所述根据所述第一测试指令，对所述不同会遇场景信息进行避碰仿真测试，还包括：根据所述不同会遇场景信息和所述不同被测避碰算法，获得不同本船运动信息，所述不同本船运动信息包含第一运动信息、第二运动信息直至第N运动信息，其中，所述第一运动信息为第一会遇场景信息和所述第一避碰算法测试生成的信息，以此类推，所述第N运动信息为第N会遇场景信息和所述第N避碰算法测试生成的信息；
将所述不同本船运动信息经所述测试客户端发送至所述避碰仿真服务器进行仿真测试。
4.如权利要求1所述的一种自动并发船舶避碰测试的方法，其中，所述将所述第一仿真结果发送至测试数据评估器，获得第一测试数据评估结果，还包括：
获得第一评估指标信息；
将所述第一仿真结果和所述第一评估指标信息输入第一训练模型进行训练，所述第一训练模型通过多组训练数据训练所得，所述多组训练数据中的每一组训练数据均包括：所述第一仿真结果、所述第一评估指标信息以及用来标识第一测试数据评估结果的标识信息；
获得所述第一训练模型的第一训练结果，所述第一训练结果为第一测试数据评估结果。
5.如权利要求1所述的一种自动并发船舶避碰测试的方法，其中，所述获得第一约束指令，对所述不同相对距离信息Rij进行约束设置，还包括：
构建筛选模型，所述筛选模型可对输入数据进行筛选，获得目标信息；
将所述不同相对距离信息Rij输入所述筛选模型，用标识的最小安全距离信息rij对所述筛选模型进行训练，获得最小安全距离信息rij，所述最小安全距离信息rij为每个方位角θi下线程j中避碰测试的最小相对距离；
根据所述最小安全距离信息rij，对所述不同相对距离信息进行约束设置。
6.如权利要求1所述的一种自动并发船舶避碰测试的方法，其中，所述根据所述第一测试指令，获得所述不同初始方位等间隔角度信息下的碰撞过程中的不同相对距离信息，还包括：
根据公式Rij＝R1+ΔR(j-1)，获得所述不同相对距离信息，其中，ΔR＝
(Rm-R1)/(m-1)，Rij为每个场景j中目标船与本船的初始相对距离，ΔR为等距离间隔。
7.一种自动并发船舶避碰测试的系统，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，其中，所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
8.根据权利要求7所述的一种自动并发船舶避碰测试的系统，其中，所述系统包括：
第一生成单元：所述第一生成单元用于根据场景生成器生成第一场景信息，所述第一场景信息为两船或多船会遇场景信息，且所述场景生成器包含于所述场景生成与测试子系统；
第二生成单元：所述第二生成单元用于根据目标船运动模拟器生成第一目标船运动状态信息，所述目标船运动模拟器包含于所述并发仿真子系统；
第一发送单元：所述第一发送单元用于将所述第一场景信息和所述第一目标船运动状态信息发送至避碰仿真服务器，所述避碰仿真服务器包含于所述并发仿真子系统；
第一构建单元：所述第一构建单元用于根据所述避碰仿真服务器和测试客户端构建线程通信链路，所述测试客户端包含于所述并发仿真子系统，且所述线程通信链路用于通信连接；
第二发送单元：所述第二发送单元用于根据所述线程通信链路，将所述第一目标船运动状态信息发送至所述测试客户端；
第三发送单元：所述第三发送单元用于将所述第一目标船运动状态信息经所述测试客户端发送至被测避碰算法模块，所述被测避碰算法模块包含于所述被测子系统；
第三生成单元：所述第三生成单元用于根据所述第一目标船运动状态信息，所述被测避碰算法模块生成第一算法决策指令；
第四发送单元：所述第四发送单元用于将所述第一算法决策指令发送至被测本船运动模拟器进行决策执行，获得第一本船状态信息，所述被测本船运动模拟器包含于所述被测子系统；
第五发送单元：所述第五发送单元用于将所述第一本船状态信息发送回所述避碰仿真服务器，获得第一仿真结果；
第六发送单元：所述第六发送单元用于将所述第一仿真结果发送至测试数据评估器，获得第一测试数据评估结果，所述测试数据评估器包含于所述场景生成与测试子系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110156762.0A CN113093721B (zh) | 2021-02-04 | 2021-02-04 | 一种自动并发船舶避碰测试方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110156762.0A CN113093721B (zh) | 2021-02-04 | 2021-02-04 | 一种自动并发船舶避碰测试方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113093721A CN113093721A (zh) | 2021-07-09 |
| CN113093721B true CN113093721B (zh) | 2022-03-01 |
Family
ID=76663881
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110156762.0A Active CN113093721B (zh) | 2021-02-04 | 2021-02-04 | 一种自动并发船舶避碰测试方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113093721B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113971316B (zh) * | 2021-10-22 | 2022-10-21 | 大连海事大学 | 一种智能船舶避碰算法测试场景的自适应生成方法 |
| CN114620199A (zh) * | 2022-03-15 | 2022-06-14 | 陕西正整数科技有限公司 | 一种自动并发船舶避碰测试方法及系统 |
| CN114664118B (zh) * | 2022-03-18 | 2023-04-07 | 陕西正整数科技有限公司 | 一种智能船舶避碰自动测试场景生成方法及系统 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2501862A (en) * | 2011-11-24 | 2013-11-13 | Guidance Navigation Ltd | Vessel position simulation system |
| CN104461854A (zh) * | 2013-09-12 | 2015-03-25 | 中国船舶工业综合技术经济研究院 | 一种舰船装备软件通用仿真测试平台及其构建方法 |
| WO2017019113A1 (en) * | 2015-07-29 | 2017-02-02 | Hewlett Packard Enterprise | Concurrency testing |
| WO2018096562A1 (en) * | 2016-11-24 | 2018-05-31 | INDIAN INSTITUTE OF TECHNOLOGY MADRAS (IIT Madras) | System and method for controlling vehicle motion in a simulation environment |
| CN108820157A (zh) * | 2018-04-25 | 2018-11-16 | 武汉理工大学 | 一种基于强化学习的船舶智能避碰方法 |
| CN109597753A (zh) * | 2018-10-22 | 2019-04-09 | 平安科技（深圳）有限公司 | 接口测试的方法、装置、计算机设备以及存储介质 |
| WO2019121237A1 (en) * | 2017-12-22 | 2019-06-27 | Rolls-Royce Plc | A collision avoidance method and system for marine vessels |
| CN110203325A (zh) * | 2019-06-14 | 2019-09-06 | 上海外高桥造船有限公司 | 船舶自主航行系统的避碰功能的测试方法及系统 |
| CN110341877A (zh) * | 2019-06-04 | 2019-10-18 | 智慧航海（青岛）科技有限公司 | 一种智能船舶自主避碰的分布式仿真测试系统及方法 |
| CN110979594A (zh) * | 2019-12-23 | 2020-04-10 | 智慧航海（青岛）科技有限公司 | 一种基于自主驾驶船舶的船岸协同避碰测试系统 |
| CN111025246A (zh) * | 2019-11-28 | 2020-04-17 | 北京遥测技术研究所 | 一种静止轨道sar对海面及船只复合场景成像仿真系统及方法 |
| CN111061165A (zh) * | 2019-12-16 | 2020-04-24 | 青岛科技大学 | 一种船舶相对碰撞危险度模型的验证方法 |
| CN112100917A (zh) * | 2020-09-14 | 2020-12-18 | 中国船级社 | 一种基于专家对抗系统的智能船舶避碰仿真测试系统与方法 |
| CN112115058A (zh) * | 2020-09-25 | 2020-12-22 | 建信金融科技有限责任公司 | 测试方法及装置、测试用例生成方法及装置、测试系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9433863B2 (en) * | 2012-12-31 | 2016-09-06 | Echostar Technologies L.L.C. | Video processing using concurrent outcome simulation threads |
| US9360523B2 (en) * | 2014-04-18 | 2016-06-07 | Breker Verification Systems | Display in a graphical format of test results generated using scenario models |
| US9860774B2 (en) * | 2014-08-18 | 2018-01-02 | Rohde & Schwarz Gmbh & Co. Kg | Test apparatus, radio communication test apparatus, method for testing and computer program product |
| EP3121729B1 (en) * | 2015-07-21 | 2018-09-26 | Tata Elxsi Limited | System and method for enhanced emulation of connected vehicle applications |
| CN107780740B (zh) * | 2016-08-31 | 2020-03-31 | 赵芬 | 高密封式门能调节角度定位及自闭铰链 |
| JP6219455B1 (ja) * | 2016-07-11 | 2017-10-25 | ジャパンマリンユナイテッド株式会社 | 船舶の氷片干渉試験方法及び船舶の氷片干渉試験設備 |
| CH713761A2 (fr) * | 2017-05-08 | 2018-11-15 | Mircea Tudor Scan Tech Sa | Système et méthode pour l'inspection non intrusive des embarcations. |
| CN112255954A (zh) * | 2020-11-11 | 2021-01-22 | 南京英特隆电子科技有限公司 | 一种基于智能触摸显示屏的工业吹瓶机控制器 |
-
2021
- 2021-02-04 CN CN202110156762.0A patent/CN113093721B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2501862A (en) * | 2011-11-24 | 2013-11-13 | Guidance Navigation Ltd | Vessel position simulation system |
| CN104461854A (zh) * | 2013-09-12 | 2015-03-25 | 中国船舶工业综合技术经济研究院 | 一种舰船装备软件通用仿真测试平台及其构建方法 |
| WO2017019113A1 (en) * | 2015-07-29 | 2017-02-02 | Hewlett Packard Enterprise | Concurrency testing |
| WO2018096562A1 (en) * | 2016-11-24 | 2018-05-31 | INDIAN INSTITUTE OF TECHNOLOGY MADRAS (IIT Madras) | System and method for controlling vehicle motion in a simulation environment |
| WO2019121237A1 (en) * | 2017-12-22 | 2019-06-27 | Rolls-Royce Plc | A collision avoidance method and system for marine vessels |
| CN108820157A (zh) * | 2018-04-25 | 2018-11-16 | 武汉理工大学 | 一种基于强化学习的船舶智能避碰方法 |
| CN109597753A (zh) * | 2018-10-22 | 2019-04-09 | 平安科技（深圳）有限公司 | 接口测试的方法、装置、计算机设备以及存储介质 |
| CN110341877A (zh) * | 2019-06-04 | 2019-10-18 | 智慧航海（青岛）科技有限公司 | 一种智能船舶自主避碰的分布式仿真测试系统及方法 |
| CN110203325A (zh) * | 2019-06-14 | 2019-09-06 | 上海外高桥造船有限公司 | 船舶自主航行系统的避碰功能的测试方法及系统 |
| CN111025246A (zh) * | 2019-11-28 | 2020-04-17 | 北京遥测技术研究所 | 一种静止轨道sar对海面及船只复合场景成像仿真系统及方法 |
| CN111061165A (zh) * | 2019-12-16 | 2020-04-24 | 青岛科技大学 | 一种船舶相对碰撞危险度模型的验证方法 |
| CN110979594A (zh) * | 2019-12-23 | 2020-04-10 | 智慧航海（青岛）科技有限公司 | 一种基于自主驾驶船舶的船岸协同避碰测试系统 |
| CN112100917A (zh) * | 2020-09-14 | 2020-12-18 | 中国船级社 | 一种基于专家对抗系统的智能船舶避碰仿真测试系统与方法 |
| CN112115058A (zh) * | 2020-09-25 | 2020-12-22 | 建信金融科技有限责任公司 | 测试方法及装置、测试用例生成方法及装置、测试系统 |
Non-Patent Citations (5)
| Title |
|---|
| 1万m~3 LNG运输船碰撞仿真模拟分析;张荣等;《船海工程》;20150425(第02期);全文 * |
| 基于Vega Prime的舰船尾流视景仿真研究;胡光波等;《舰船电子工程》;20100620(第06期);全文 * |
| 绞吸挖泥船仿真训练系统的设计及实现;胡知斌等;《上海海事大学学报》;20110930(第03期);全文 * |
| 舰船损管决策训练模拟器场景设置;肖本统等;《舰船电子工程》;20080420(第04期);全文 * |
| 规则约束下基于深度强化学习的船舶避碰方法;周双林等;《中国航海》;20200925(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113093721A (zh) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113093721B (zh) | 一种自动并发船舶避碰测试方法及系统 | |
| CN111462137B (zh) | 一种基于知识蒸馏和语义融合的点云场景分割方法 | |
| CN106953862B (zh) | 网络安全态势的感知方法和装置及感知模型训练方法和装置 | |
| CN109299732B (zh) | 无人驾驶行为决策及模型训练的方法、装置及电子设备 | |
| US20230367934A1 (en) | Method and apparatus for constructing vehicle dynamics model and method and apparatus for predicting vehicle state information | |
| CN109993299A (zh) | 数据训练方法及装置、存储介质、电子装置 | |
| CN111860826A (zh) | 一种低计算能力处理设备的图像数据处理方法及装置 | |
| Karg et al. | Learning-based approximation of robust nonlinear predictive control with state estimation applied to a towing kite | |
| CN113541985B (zh) | 物联网故障诊断方法、模型的训练方法及相关装置 | |
| CN112884016A (zh) | 云平台可信评估模型训练方法和云平台可信评估方法 | |
| US20230177241A1 (en) | Method for determining similar scenarios, training method, and training controller | |
| US20220108172A1 (en) | Generating a simplified model for xil systems | |
| CN110610140A (zh) | 人脸识别模型的训练方法、装置、设备及可读存储介质 | |
| CN112487716A (zh) | 蜂群无人机平均故障间隔时间的确定方法及系统 | |
| CN116597402A (zh) | 一种场景感知方法及其相关设备 | |
| Liang et al. | Reliability analysis for mutative topology structure multi-AUV cooperative system based on interactive Markov chains model | |
| CN113630379A (zh) | 一种网络安全态势预测方法、装置、设备及存储介质 | |
| Ordonez-Hurtado et al. | A methodology for determining the non-existence of common quadratic Lyapunov functions for pairs of stable systems | |
| Chang et al. | Low-cost fuzzing drone control system for configuration errors threatening flight safety in edge terminals | |
| Hao et al. | Flight Trajectory Prediction Using an Enhanced CNN-LSTM Network | |
| Muñoz et al. | Modelling and identification of flight dynamics in mini-helicopters using neural networks | |
| Li et al. | HOBAT: Batch Verification for Homogeneous Structural Neural Networks | |
| CN114912581A (zh) | 检测模型的训练方法、装置、电子设备和存储介质 | |
| CN118228485A (zh) | 基于系统辨识的离线实时混合试验方法、装置及设备 | |
| WO2022243488A4 (en) | Adversarial attacks on perception components |
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 |