CN113108799B - 基于场论的船舶路径优化方法 - Google Patents
基于场论的船舶路径优化方法 Download PDFInfo
- Publication number
- CN113108799B CN113108799B CN202110572145.9A CN202110572145A CN113108799B CN 113108799 B CN113108799 B CN 113108799B CN 202110572145 A CN202110572145 A CN 202110572145A CN 113108799 B CN113108799 B CN 113108799B
- Authority
- CN
- China
- Prior art keywords
- ship
- potential energy
- path
- destination
- dynamic
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于场论的船舶路径优化方法,包括:步骤S1:建立目的地对船舶的势能场模型,根据所述目的地对船舶的势能场模型计算目的地与船舶的势能差,所述势能差为零时船舶到达目的地;步骤S2:建立船舶是否通行的判断模型,根据所述船舶是否通行的判断模型计算船舶航经水域的水深,判断船舶在航经水域的可通行性;步骤S3:建立静态障碍物势能场模型,根据所述静态障碍物势能场模型计算静态环境下通行水域任意位置点的势能总和,本发明计算的势能最低路径是有唯一确定的解,不会陷入局部最优解,保证了算法的可信度;考虑了动态环境的影响可以根据动态环境实时调整路径,具有实时性。
Description
技术领域
本发明设计船舶路径规划技术领域,具体涉及一种基于场论的船舶路径优化方法。
背景技术
在经济全球化的发展前提下,随着各国贸易量的增加,交通运输业也得到了快速发展。在海洋运输领域,由于船舶数量的急剧增加,船舶航行的路径错综复杂,进而导致了海洋船舶航行的环境复杂多变。基于此,随着航海任务的增多,在复杂海洋环境中,为船舶快速地寻找到一条能够安全避开所有障碍物,能够满足船舶在海上航行的要求,并且能够成功到达目的地的高质量路径变得愈加重要。随着无人技术的不断进步,无人机(UAV)、无人车、无人船都得到了快速的发展。目前,无人船可以深入研究的内容主要集中在精准定位、环境信息识别、路径规划、自动驾驶、自主避障等领域。精准定位、环境信息识别、自动驾驶都已经得到了很好的解决。路径规划和自主避障一直是无人船的难点,很多路径规划算法并没有考虑实际环境的影响因素,宏观路径规划与微观船舶避碰只考虑了其中一种,算法得到的路径在现实中往往不可行。如果克服这两大难点,这将实现真正意义上的船舶自动无人驾驶。
路径规划是寻找一条由起点出发到达终点的无碰撞路径,无碰撞是确保路径可行的必要条件,同时保证满足某一性能评价指标(如路径最短、时间最短、能量消耗最少),得到最优路径。许多学者对经典算法提出了改进,包括网格法、可见性图法、A*算法和人工电位场法(APF),但全局规划算法在任务空间较大时仍存在计算时间长、计算开销大等突出问题,局部规划算法通常忽略全局最优约束。目前,有多种船舶路径优化算法,但各有利弊。人工势场法认为船舶在运动中受到目标点的引力和障碍物的斥为作用,捜索一条路径使得势函数沿着路径降低。它能够引导船舶避开障碍物达到目标点,但容易陷入局部极小值点。遗传算法作为进化算法的一种,能够同时实现规划和跟踪,常被用在实时未知环境中,但遗传算法对新空间的探索能力有限,也容易收敛到局部最优解,其他常用的方法还有快速扩展树、A*算法模拟退火、人工神经网络等,但这些方法也存在算法复杂、计算的时间长、对硬件设备的要求较高,不能对突发状况做出及时的反映;算法可能会陷入局部最优解,会导致每次计算结果不同,降低了算法的可信度的问题。
发明内容
本发明的目的是为了提供一种基于场论的船舶路径优化方法。此算法旨在解决传统算法中对新空间的探索能力有限,容易陷入局部最优解,降低了算法可信度,以及不能实时动态调整路径的问题,通过获取势能最小路径得到船舶航行的最优路径,使得算法获得唯一确定的解,保证算法可信度,同时本算法可以动态调整路径,实时对船舶路径进行规划。
为达到上述目的,本发明提供了一种基于场论的船舶路径优化方法,包括以下步骤:
步骤S1:建立目的地对船舶的势能场模型,根据所述目的地对船舶的势能场模型计算目的地与船舶的势能差,所述势能差为零时船舶到达目的地;
步骤S2:建立船舶是否通行的判断模型,根据所述船舶是否通行的判断模型计算船舶航经水域的水深,用于排除不可通行水域;
步骤S3:建立静态障碍物势能场模型,根据所述静态障碍物势能场模型计算静态环境下通行水域任意位置点的势能总和;
步骤S4:根据航经水域任意位置点的势能,确定势能最低路径为静态环境下船舶到达目的地的最优路径;
步骤S5:建立动态障碍物势能场模型,根据所述动态障碍物势能场模型计算动态障碍物势能场中任意位置点的势能总和;
步骤S6:通过所述动态障碍物势能场中任意位置点的势能总和,判断动态障碍物是否影响船舶航行,若是,进行步骤S7,若否,则船舶按照步骤S4所述静态环境下船舶到达目的地的最优路径继续航行;
步骤S7:所述动态障碍物影响船舶航行时,对步骤S4所述静态环境下船舶到达目的地的最优路径进行再优化。
进一步地,所述目的地与船舶势能差的表达式为:
ΔE=∫F引dr
式中,ΔE为船舶与目的地的势能差,F引为船舶所受的牵引力;M船为船舶质量,r为船舶与目的地之间的距离;G为引力常量,m默认为1kg。
进一步的,所述水深变化函数的表达式为:
H(t)≥D+ε
式中:H(t)表示t时刻的水深;D为船舶吃水深度;ε为确保船舶安全航行的富余深度;所述ε的取值根据船舶的具体吨位、航速和船舶类型确定。
进一步的,在步骤S3中,通过电子海图获得船舶航经水域的地形分布,确定航经水域内若干个障碍物中心点以及若干个障碍物的特征值,将海面上静态障碍物与海面下通行水域均用高斯函数拟合覆盖,构建全局势能场,所述航经区域中共有若干个静态障碍物,需要将对应的若干个高斯势能曲面进行叠加得到全局势能场,所述静态环境下通行水域任意位置点的势能总和的表达式为:
式中:E静(x,y)为在任意点(x,y)的势能总和;i表示若干个静态障碍物模型中的第i个模型,Ei(x,y)表示第i个模型在任意点(x,y)的势能,(x0,y0)第i个模型的中心点;b为势能影响系数;
当k=1时表示海面上障碍物势能场,当k=-1时表示海面下通行水域势能场;
σix、σiy分别表示第i个模型X轴向、Y轴向的斜率,H0表示障碍物高度或通行水域深度,L0表示障碍物或通行水域的x或y轴向内径。
进一步的,基于所述E静(x,y)的函数表达式,计算得出船舶航行避开障碍物时的最优路径为最低势能路径,满足航行要求的航线设有m条,对每条路径的点集的势能进行积分,得到路径的总势能,选择总势能最低的路径为当前静态环境下船舶到达目的地的最优路径。
进一步的,所述静态环境下船舶到达目的地的最优路径目标函数的表达式为:
minE总=∫E静(x,y)dSi i=1,2,…,m
式中,minE总表示m条路经中的最低总势能,Si为第i条路径。
进一步的,所述动态障碍物为太平洋洋面的热带气旋时,根据气象预测获得热带气旋的中心点位置(x0,y0)及预测路径xt=x(t),yt=y(t),将热带气旋的势能场用高斯曲面表示,得到动态障碍物势能场中任意位置点的势能总和的表达式为:
式中,E动(x,y,t)表示在点(x,y)的势能;(xt,yt)热带气旋的t时刻中心点的位置,中心点移动函数为xt=x(t),yt=y(t);b为势能影响系数,σxt、σyt分别表示热带气旋在X轴向、Y轴向上的实时斜率,P0表示热带气旋中心点压强,R0表示热带气旋影响区域7级大风圈的半径。
进一步的,在步骤S6中,根据船舶货物种类和船舶吨位,设定危险势能阈值ω,根据所述E动(x,y,t)与ω的大小判断动态障碍物是否影响船舶航行,当E动(x,y,t)≤ω时,所述动态障碍物不影响船舶航行,船舶按照步骤S4所述静态环境下船舶到达目的地的最优路径继续航行;当E动(x,y,t)>ω时,所述动态障碍物影响船舶航行,调整航行路径。
进一步的,在步骤S7中,所述动态障碍物影响船舶航行时,根据所述E动(x,y,t)和阈值ω,确定动态障碍物的影响边界,在动态障碍物影响边界内,规划新的航行路径。
进一步的,还包括步骤S8:判断是否仍存在动态障碍物,若是,则进行步骤S5,若否,则按照当前规划路径继续航行。
与现有技术相比,本发明具有以下有益效果:
1、本发明方法中计算的势能最低路径是有唯一确定的解,具有确定性,不会陷入局部最优解,保证了算法的可信度;
2、本发明方法考虑动态环境的影响可以根据动态环境实时调整路径,具有实时性;
3、本发明以躲避障碍物为主要计算目标,与考虑多目标的优化方法相比更加简洁。
附图说明
为了更清楚地说明本发明的技术方案,下面将对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个实施例,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为本发明一实施例提供的一种基于场论的船舶路径优化方法的流程示意图;
图2为本发明一实施例提供的目的地对船舶的引力示意图;
图3为本发明一实施例提供的势能场模型变量关系图;
图4为本发明一实施例提供的船舶是否能在水域通行的示意图;
图5为本发明一实施例提供的静态势能场的最低势能路径示意图;
图6为本发明一实施例提供的路径再优化示意图。
具体实施方式
以下结合附图1-6和具体实施方式对本发明提出的基于场论的船舶路径优化方法作进一步详细说明。根据下面说明,本发明的优点和特征将更清楚。需要说明的是,附图采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂,请参阅附图。须知,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
鉴于已有船舶路径优化方法存在的不足,为了保证算法的可信度,提高算法的实时性,本发明提供了一种基于场论的船舶路径优化方法,包括以下步骤:
步骤S1:建立目的地对船舶的势能场模型,目的地与船舶之间存在势能场。目的地的势能高,起点的势能低,起始点存在势能差。船舶从起点不断向终点航行,随着距离的减小势能差不断减小,根据所述目的地对船舶的势能场模型计算目的地与船舶的势能差,所述势能差为零时船舶到达目的地;
其中,万有引力是由于物体具有质量而在物体之间产生的一种相互作用力,同时构成一种万有引力场。引力的大小和物体的质量以及两个物体之间的距离有关。类比物体之间的万有引力场,目的地对船舶存在吸引力。如图2所示,船舶受到目的地对它的引力,被牵引着驶向目的地,力的方向始终指向目的地;
如图3所示引力与距离关系函数图像,引力随着距离r的增大而增大;船舶处于起点时与目的地的距离最远,所受的引力最大。随着船舶不断靠近目的地,引力逐渐变小,直至船舶到达目的地后引力为0。船舶在接近目的地时需要提前进行停船操作,船舶在整个停船操作过程中目的地对船舶没有引力作用,设船舶在进行停船操作时,与目的地的距离为rmin。势能差为引力在距离上的积分,图3的阴影面积的物理意义即为势能差;所述目的地与船舶势能差的表达式为:
ΔE=∫F引dr (1)
式中,ΔE为船舶与目的地的势能差,F引为船舶所受的牵引力;M船为船舶质量,r为船舶与目的地之间的距离;G为引力常量,m默认为1kg。
由F引的物理意义可知,F引关于r变化连续型函数,由(2)式可得;
步骤S2:建立船舶是否通行的判断模型,根据所述船舶是否通行的判断模型计算船舶航经水域的水深,用于排除不可通行水域;
船舶航行需要考虑水深与船舶吃水深度的关系。如图4所示,当吃水深度大于水深,船舶就无法在该水域航行。因此,必须提前排除船舶不能航行的水域,在规划船舶航行路径时避开不能航行水域。水深受涨潮与落潮等因素的影响,不同时刻水深不同,但水深变化是有规律,H(t)为水深变化函数,
所述水深变化函数的表达式为:
H(t)≥D+ε (5)
式中:H(t)表示t时刻的水深;D为船舶吃水深度;ε为确保船舶安全航行的富余深度;所述ε的取值根据船舶的具体吨位、航速和船舶类型确定。
在船舶航行的区域,障碍物会影响船舶航行路径。障碍物主要分为两大类:静态障碍物与动态障碍物。
步骤S3:建立静态障碍物势能场模型,根据所述静态障碍物势能场模型计算静态环境下通行水域任意位置点的势能总和;
静态障碍物主要考虑地形对船舶航行的影响,通过电子海图可以得到船舶航经水域的地形布局,确定各个障碍物中心点以及各障碍物的特征值;将海面上静态障碍物与海面下通行水域均用高斯函数拟合覆盖,构建全局势能场;区域中共有n个静态障碍物,需要将n个高斯势能曲面进行叠加得到全局势能场,所述函数模型为:
式中:E静(x,y)为在任意点(x,y)的势能总和;i表示若干个静态障碍物模型中的第i个模型,Ei(x,y)表示第i个模型在任意点(x,y)的势能,(x0,y0)第i个模型的中心点;b为势能影响系数;
当k=1时表示海面上障碍物势能场,当k=-1时表示海面下通行水域势能场;
σix、σiy分别表示第i个模型X轴向、Y轴向的斜率,H0表示障碍物高度或通行水域深度,L0表示障碍物或通行水域的x或y轴向内径。
步骤S4:距离障碍物越近势能越高,船舶航行需要避开障碍物,所以寻找最低势能路径。设满足航行要求的航线有m条,对每条路径的点集的势能进行积分,得到每条路径的总势能,选择总势能最低的路径作为当前最优路径,根据航经水域任意位置点的势能,确定势能最低路径为静态环境下船舶到达目的地的最优路径;
所述静态环境下船舶到达目的地的最优路径目标函数的表达式为:
minE总=∫E静(x,y)dSi i=1,2,…,m (8)
式中,minE总表示m条路经中的最低总势能,Si为第i条路径。
上式限制条件分别为:
1、F引>0目的地始终对船舶有牵引力,促使船舶不断靠近目的地;当F引=0船舶就到达目的地,计算终止。
2、为了减少计算量及搜寻范围,路径中所有点的水深均需满足(5)的要求,否则,船舶无法通行。
步骤S5:建立动态障碍物势能场模型,经过上述步骤可以得到静态环境下的最优路线,当船舶在该路径行驶过程中还可能受到动态障碍物的影响。为了避开动态障碍物,在微观层面上需要对路径进行再优化。以太平洋洋面的热带气旋为例:根据气象预测可知热带气旋的中心点位置(x0,y0)及预测路径xt=x(t),yt=y(t),将热带气旋的势能场用高斯曲面表示,该势能场会随位置的变化而变化;所述函数模型为:
式中,E动(x,y,t)表示在点(x,y)的势能;(xt,yt)热带气旋的t时刻中心点的位置,中心点移动函数为xt=x(t),yt=y(t);b为势能影响系数,σxt、σyt分别表示热带气旋在X轴向、Y轴向上的实时斜率,P0表示热带气旋中心点压强,R0表示热带气旋影响区域7级大风圈的半径。
当动态障碍物为船舶时,只有中心点的位置不断变化其影响区域的高度与半径不会变化;当障碍物为气旋时,中心点的位置、影响区域的高度与内径都会不断变化。
步骤S6:当动态障碍物距离本船较远时,通过时空序列的比较,对本船的航行影响较小可以忽略不计,那么船舶可以按照原路径航行;当动态障碍物距离本船较近时,对本船的航行影响较大无法忽略,那么就要对原路径进行微观上的再优化。因此,通过判断船舶位置点在动态障碍物势能场中的势能大小,当超过设定阈值ω,将需要对路径再优化;
根据所述E动(x,y,t)与ω的大小比较,判断动态障碍物是否影响船舶航行,当E动(x,y,t)≤ω时,所述动态障碍物不影响船舶航行,船舶按照步骤S4所述静态环境下船舶到达目的地的最优路径继续航行;当E动(x,y,t)>ω时,所述动态障碍物影响船舶航行,调整航行路径。
步骤S7:所述动态障碍物影响船舶航行时,对步骤S4所述静态环境下船舶到达目的地的最优路径进行再优化。
还包括步骤S8:判断是否仍存在动态障碍物,若是,则进行步骤S5,若否,则按照当前规划路径继续航行。
当动态障碍物的势能场影响船舶航行时,船舶必须进行路径再优化。步骤S6定义了动态障碍物的影响边界优化方法如下:如图6所示,假设船舶在AB段受动态障碍物影响,将动态障碍物势能场建立的高斯模型向XOY面投影,可以得到势能影响范围。如步骤S6的模型所述,在等势线ω以外的区域,船舶所受影响可以忽略。那么从当前船舶位置作等势线的切线L1,沿着等势线L2航行再寻找切线L3返回原路径。用路径L1+L2+L3将AB段路径替换得到新的最优路径S。
本实施例通过在目的地与船舶之间构建一种势能场来表示目的地对船舶位置点存在势能差,随着船舶的不断靠近目的地,势能差不断减小直至到达目的地。算法在宏观上是整条路径势能最低的航线。通过势能场来量化环境对船舶的影响,势能场可以体现障碍物的不同位置对有船舶不同的排斥。障碍物中心点对船舶有较大的排斥,船舶须选择排斥较小的路线,即势能最低航线。算法计算时有唯一确定的解,算法在微观上是船舶智能避障的一种算法和模型。将势能最低路径最为宏观条件下的最优路径,在微观下船舶有效地避障,也考虑了国际海上避碰规则,这极大的提高了最优路径的可行性,也解决传统算法中对新空间的探索能力有限,容易陷入局部最优解,降低了算法可信度,以及不能实时动态调整船舶航行路径的问题。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本发明的描述中,需要理解的是,术语“中心”、“高度”、“厚度”、“上”、“下”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”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。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;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或两个元件的相互作用关系。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。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (7)
1.一种基于场论的船舶路径优化方法,其特征在于,包括:
步骤S1:建立目的地对船舶的势能场模型,根据所述目的地对船舶的势能场模型,计算目的地与船舶的势能差,所述势能差为零时船舶到达目的地,
所述目的地与船舶势能差的表达式为:
ΔE=∫F引dr
式中,ΔE为船舶与目的地的势能差,F引为船舶所受的牵引力;M船为船舶质量,r为船舶与目的地之间的距离;G为引力常量,m默认为1kg,当r=rmin时,当r趋向于正无穷时,F引=Fmax;
步骤S2:建立船舶是否通行的判断模型,根据所述船舶是否通行的判断模型计算船舶航经水域的水深,判断船舶在航经水域的可通行性;
步骤S3:建立静态障碍物势能场模型,根据所述静态障碍物势能场模型,计算静态环境下通行水域任意位置点的势能总和,
通过电子海图获得船舶航经水域的地形分布,确定航经水域内若干个障碍物中心点以及若干个障碍物的特征值,将海面上静态障碍物与海面下通行水域均用高斯函数拟合覆盖,构建全局势能场,所述航经水域中共有若干个静态障碍物,需要将对应的若干个高斯势能曲面进行叠加得到全局势能场,所述静态环境下通行水域任意位置点的势能总和的表达式为:
式中:E静(x,y)为在任意点(x,y)的势能总和;i表示若干个静态障碍物模型中的第i个模型,Ei(x,y)表示第i个模型在任意点(x,y)的势能,(x0,y0)第i个模型的中心点;b为势能影响系数;
当k=1时表示海面上障碍物势能场,当k=-1时表示海面下通行水域势能场;
σix、σiy分别表示第i个模型X轴向、Y轴向的斜率,H0表示障碍物高度或通行水域深度,L0表示障碍物或通行水域的x或y轴向内径;
步骤S4:根据航经水域任意位置点的势能,确定势能最低路径为静态环境下船舶到达目的地的最优路径;
步骤S5:建立动态障碍物势能场模型,根据所述动态障碍物势能场模型,计算动态障碍物势能场中任意位置点的势能总和,
所述动态障碍物为太平洋洋面的热带气旋时,根据气象预测获得热带气旋的中心点位置(x0,y0)及预测路径xt=x(t),yt=y(t),将热带气旋的势能场用高斯曲面表示,得到动态障碍物势能场中任意位置点的势能总和的表达式为:
式中,E动(x,y,t)表示在点(x,y)的势能;(xt,yt)热带气旋的t时刻中心点的位置,中心点移动函数为xt=x(t),yt=y(t);b为势能影响系数,σxt、σyt分别表示热带气旋在X轴向、Y轴向上的实时斜率,P0表示热带气旋中心点压强,R0表示热带气旋影响区域7级大风圈的半径;
步骤S6:通过所述动态障碍物势能场中任意位置点的势能总和,判断动态障碍物是否影响船舶航行,若是,进行步骤S7,若否,则船舶按照步骤S4所述静态环境下船舶到达目的地的最优路径继续航行;
步骤S7:所述动态障碍物影响船舶航行时,对步骤S4所述静态环境下船舶到达目的地的最优路径进行再优化。
2.如权利要求1所述的基于场论的船舶路径优化方法,其特征在于,水深变化函数的表达式为:
H(t)≥D+ε
式中:H(t)表示t时刻的水深;D为船舶吃水深度;ε为确保船舶安全航行的富余深度;
所述ε的取值根据船舶的具体吨位、航速和船舶类型确定。
3.如权利要求2所述的基于场论的船舶路径优化方法,其特征在于,基于所述E静(x,y)的函数表达式,计算得出船舶航行避开障碍物时的最优路径为最低势能路径,满足航行要求的航线设有m条,对每条路径的点集的势能进行积分,得到路径的总势能,选择总势能最低的路径为当前静态环境下船舶到达目的地的最优路径。
4.如权利要求3所述的基于场论的船舶路径优化方法,其特征在于,所述静态环境下船舶到达目的地的最优路径目标函数的表达式为:
min E总=∫E静(x,y)dSi i=1,2,…,m
式中,min E总表示m条路经中的最低总势能,Si为第i条路径。
5.如权利要求4所述的基于场论的船舶路径优化方法,其特征在于,在步骤S6中,根据船舶货物种类和船舶吨位,设定危险势能阈值ω,根据所述E动(x,y,t)与ω的大小判断动态障碍物是否影响船舶航行,当E动(x,y,t)≤ω时,所述动态障碍物不影响船舶航行,船舶按照步骤S4所述静态环境下船舶到达目的地的最优路径继续航行;当E动(x,y,t)>ω时,所述动态障碍物影响船舶航行,调整航行路径。
6.如权利要求5所述的基于场论的船舶路径优化方法,其特征在于,在步骤S7中,所述动态障碍物影响船舶航行时,根据所述E动(x,y,t)和阈值ω,确定动态障碍物的影响边界,在动态障碍物影响边界内,规划新的航行路径。
7.如权利要求1所述的基于场论的船舶路径优化方法,其特征在于,还包括步骤S8:判断是否仍存在动态障碍物,若是,则进行步骤S5,若否,则按照当前规划路径继续航行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110572145.9A CN113108799B (zh) | 2021-05-25 | 2021-05-25 | 基于场论的船舶路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110572145.9A CN113108799B (zh) | 2021-05-25 | 2021-05-25 | 基于场论的船舶路径优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113108799A CN113108799A (zh) | 2021-07-13 |
CN113108799B true CN113108799B (zh) | 2023-04-28 |
Family
ID=76723181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110572145.9A Active CN113108799B (zh) | 2021-05-25 | 2021-05-25 | 基于场论的船舶路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113108799B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114625134B (zh) * | 2022-03-08 | 2024-04-16 | 大连海事大学 | 一种舰船航行态势快速控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111487977A (zh) * | 2020-05-11 | 2020-08-04 | 大连海事大学 | 一种不确定环境下的船舶动态避障优化方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8155811B2 (en) * | 2008-12-29 | 2012-04-10 | General Electric Company | System and method for optimizing a path for a marine vessel through a waterway |
EP2669630A1 (en) * | 2012-06-01 | 2013-12-04 | ABB Technology AG | Method and system for determination of a route for a ship |
CN107608346A (zh) * | 2017-08-30 | 2018-01-19 | 武汉理工大学 | 基于人工势场的船舶智能避障方法及系统 |
CN110362074B (zh) * | 2019-06-18 | 2021-11-23 | 华南理工大学 | 一种基于航迹重规划的水面无人艇动态避碰方法 |
CN112379672B (zh) * | 2020-11-24 | 2022-05-10 | 浙大宁波理工学院 | 一种基于改进人工势场的智能无人船路径规划方法 |
CN112650237B (zh) * | 2020-12-21 | 2021-12-28 | 武汉理工大学 | 基于聚类处理和人工势场的船舶路径规划方法和装置 |
-
2021
- 2021-05-25 CN CN202110572145.9A patent/CN113108799B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111487977A (zh) * | 2020-05-11 | 2020-08-04 | 大连海事大学 | 一种不确定环境下的船舶动态避障优化方法及系统 |
Non-Patent Citations (1)
Title |
---|
刘仁伟 ; 薛彦卓 ; 刘旸 ; 林晓杰 ; .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.2018,(第03期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113108799A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Self-adaptive dynamic obstacle avoidance and path planning for USV under complex maritime environment | |
CN109933067B (zh) | 一种基于遗传算法和粒子群算法的无人艇避碰方法 | |
CN112327885B (zh) | 一种无人船自适应全局-局部混合路径规划的方法 | |
CN105526942B (zh) | 基于威胁估计的智能车辆路径规划方法 | |
CN110208816A (zh) | 用于海上无人艇的自动障碍物识别系统及识别方法 | |
CN111273670B (zh) | 一种针对快速移动障碍物的无人艇避碰方法 | |
CN109597417B (zh) | 一种基于避碰准则的多usv群体协同避碰规划方法 | |
CN108803313A (zh) | 一种基于海流预测模型的路径规划方法 | |
KR101799216B1 (ko) | 해양 내비게이션 장치 및 항로 제공 방법 | |
KR101894674B1 (ko) | 해양 내비게이션 장치 및 항로 제공 방법 | |
CN110906935B (zh) | 一种无人艇路径规划方法 | |
Wang et al. | Local path optimization method for unmanned ship based on particle swarm acceleration calculation and dynamic optimal control | |
JP2021018484A (ja) | 周辺状態表現方法、避航動作学習プログラム、避航動作学習システム、及び船舶 | |
Cai et al. | A meta-heuristic assisted underwater glider path planning method | |
CN113538973B (zh) | 一种基于改进粒子群算法的船舶自动避碰方法 | |
CN113325867B (zh) | 一种无人航行器搜寻的路径规划方法、装置和无人航行器 | |
CN113108799B (zh) | 基于场论的船舶路径优化方法 | |
Zhao et al. | Decision-making for the autonomous navigation of USVs based on deep reinforcement learning under IALA maritime buoyage system | |
CN111881580A (zh) | 一种无人船规避障碍物的运动规划方法 | |
CN109916400B (zh) | 一种基于梯度下降算法与vo法相结合的无人艇避障方法 | |
Liu et al. | Auv path planning under ocean current based on reinforcement learning in electronic chart | |
Wu et al. | A Review of Path Planning Methods for Marine Autonomous Surface Vehicles | |
Fang et al. | Evaluation Model of Ship Berthing Behavior Based on AIS Data | |
CN113917930A (zh) | 一种基于感知数据的无人船航行状态控制方法 | |
Zhuo et al. | Intelligent collision avoidance control for large ships |
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 |