CN113296506B - 一种船舶锚泊控制系统及方法 - Google Patents

Abstract

本发明公开了一种船舶锚泊控制系统及方法，属于船舶锚泊技术领域，目的在于解决如何快速确定船舶停靠点的问题，包括环境信息储备库、定位模块和服务器；所述环境信息储备库用于储存固定停靠区域的环境信息以及对环境信息进行模拟，具体方法包括：获取船舶所属公司的营业范围，根据营业范围获取船舶将会停靠的固定区域，将船舶将会停靠的固定区域标记为待选停靠区，并对待选停靠区进行编号，获取待选停靠区的环境信息，环境信息包括水深、水下地形、水域宽度，获取待选停靠区的历史停靠信息，历史停靠信息包括风速、水流流速、船舶型号、船舶停靠位置，构建人工智能模型；通过建立自学习模型，对模拟不合理的点进行进一步的优化。

Description

一种船舶锚泊控制系统及方法

技术领域

本发明属于船舶锚泊技术领域；具体是一种船舶锚泊控制系统及方法。

背景技术

锚泊又称抛锚，利用描和描链的系留力，使船泊安全停泊的行为，船舶为了装卸货物、避风、等泊位和等引航员等，常须抛锚停泊，分抛单描和抛双锚两种。描泊前应选一个良好的描位并周到的的准备，以确保描泊过程中的顺利进行和安全。锚泊控位是指：采用锚、锚缆和锚链，将工程船舶系泊于指定海域，用以限制外力引起的船舶漂移，使其保持在预定位置上的控位。锚泊控位是工程船舶安全作业的关键环节，尤其是在定位要求高或定位水域非常狭小的情况下，对锚泊控位的精准性和安全性要求则更高。

公开号为CN110844000A的专利公开一种船舶锚泊控制方法、控制装置、控制系统及电子设备，涉及船舶锚泊的技术领域，方法包括：当船舶进入锚地范围时，获取气象参数、水流参数和船舶状态参数；根据所述气象参数、水流参数、船舶状态参数和预先建立的第一识别模型得到当前船舶姿势参数；根据抛锚方案控制各个执行机构按预设船舶姿势停靠在最优锚位；

上述发明采用神经网络模型结合各项参数获取当前船舶姿势，时效性高，结果准确；有利于提高抛锚精度，提高安全性。但是并没有解决如何快速确定停靠点的问题。

发明内容

本发明的目的在于提供一种船舶锚泊控制系统及方法，解决如何快速确定船舶停靠点的问题。

本发明的目的可以通过以下技术方案实现：

一种船舶锚泊控制系统，包括环境信息储备库、定位模块和服务器；

所述环境信息储备库用于储存固定停靠区域的环境信息以及对环境信息进行模拟，具体方法包括：获取船舶所属公司的营业范围，根据营业范围获取船舶将会停靠的固定区域，将船舶将会停靠的固定区域标记为待选停靠区，并对待选停靠区进行编号，获取待选停靠区的环境信息，环境信息包括水深、水下地形、水域宽度，获取待选停靠区的历史停靠信息，历史停靠信息包括风速、水流流速、船舶型号、船舶停靠位置，构建人工智能模型；所述人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将待选停靠区编号、环境信息、风速、水流流速、船舶型号整合为第一输入数据，船舶停靠位置为人工智能模型的输出结果，将第一输入数据与对应的船舶停靠位置整合为训练集，将训练集、测试集和校验集按照2：1：1、3：2：2和3：1：1的比例进行获取数据，通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；

实时获取船舶下一个将要停靠的待选停靠区编号、环境信息、风速、水流流速、船舶型号，将获取到的待选停靠区编号、环境信息、风速、水流流速、船舶型号输入到预测模型中，获得船舶停靠位置，将获得的船舶停靠位置标记为模拟停靠点；

获取船舶进入待选停靠区前N分钟的待选停靠区内的船舶停靠情况，将船舶停靠情况与模拟停靠点进行匹配，获得当前待选停靠区内剩余的可停靠模拟停靠点，将当前待选停靠区内剩余的可停靠模拟停靠点标记为待选停靠点。

进一步地，建立模拟停靠点的抛锚方式模拟单元，获取待选停靠区内的环境信息，根据待选停靠区内的环境信息设置不同型号船舶的抛锚方式，将船舶型号和待选停靠点标记为第二输入数据，将第二输入数据输入到抛锚方式模拟单元中，获得对应型号船舶的抛锚方式，将获得的对应型号船舶抛锚方式标记为待选抛锚方式。

进一步地，建立自学习模型，具体方法包括：获取若干组待选停靠点、真实停靠点、待选抛锚方式、真实抛锚方式，将待选停靠点与真实停靠点进行对比，当真实停靠点包括在待选停靠点内时，不进行操作，当真实停靠点不包括在待选停靠点内时，将此时的真实停靠点、待选停靠点标记为停靠点学习数据；将待选抛锚方式、真实抛锚方式进行对比，当待选抛锚方式包括真实抛锚方式时，不进行操作，当待选抛锚方式不包括真实抛锚方式时，将此时的待选抛锚方式、真实抛锚方式标记为抛锚方式学习数据；获取船舶不在待选停靠点内停靠的原因和船舶不使用待选抛锚方式的原因，将停靠点学习数据与船舶不在待选停靠点内停靠的原因和抛锚方式学习数据与船舶不使用待选抛锚方式的原因分别输入到神经网络模型中进行训练，将训练完成的神经网络模型标记为自学习模型；

实时获取待选停靠点、停靠点原因匹配结果、待选抛锚方式、抛锚方式匹配结果，将待选停靠点与停靠点原因匹配结果和待选抛锚方式与抛锚方式匹配结果分别输入到自学习模型中，将自学习模型的输出结果加入预测模型中的模拟停靠点中或加入抛锚方式模拟单元中的待选抛锚方式中。

进一步地，所述定位模块用于对船舶抛锚定位，具体方法包括：实时获取需要进行抛锚区域的水流流速、风速，根据获得的水流流速、风速，建立关于水流流速、风速和时间的曲线图，将关于水流流速、风速和时间的曲线图标记为风水曲线图，在船锚上设置水下驱动模块，水下驱动模块用于简易调整船锚在下降过程中的运动曲线，获取船锚和船锚连接链的形状和重量，根据获取到的船锚和船锚连接链的形状和重量以及风水曲线图绘制船锚下降过程中的运动曲线，获取船舶的停靠点，根据船舶的停靠点获得船锚的落点和投放点，在船锚下降的过程中实时定位船锚的位置，并将定位的位置与预设运动曲线进行比较，通过水下驱动模块实时调整船锚的运动。

一种船舶锚泊控制方法，具体方法包括以下步骤：

步骤一：根据历史停靠信息和船舶所属公司的营业范围建立预测模型，根据预测模型获得模拟停靠点；

步骤二：根据停靠区内的船舶停靠情况确定待选停靠点；

步骤三：建立模拟停靠点的抛锚方式模拟单元，获得对应型号船舶的抛锚方式，将获得的对应型号船舶抛锚方式标记为待选抛锚方式；

步骤四：建立自学习模型，对模拟停靠点与待选抛锚方式进行调整；

步骤五：绘制船锚下降过程中的运动曲线，对下降过程中的船锚进行调整。

本发明的有益效果：通过获取船舶所属公司的营业范围，根据营业范围获取船舶将会停靠的固定区域，将船舶将会停靠的固定区域标记为待选停靠区，并对待选停靠区进行编号，获取待选停靠区的环境信息，环境信息包括水深、水下地形、水域宽度，获取待选停靠区的历史停靠信息，构建人工智能模型；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型，实时获取船舶下一个将要停靠的待选停靠区编号、环境信息、风速、水流流速、船舶型号，将获取到的待选停靠区编号、环境信息、风速、水流流速、船舶型号输入到预测模型中，获得船舶停靠位置，将获得的船舶停靠位置标记为模拟停靠点，可以快速获得可以停靠的船舶点；通过获取船舶进入待选停靠区前N分钟的待选停靠区内的船舶停靠情况，将船舶停靠情况与模拟停靠点进行匹配，获得当前待选停靠区内剩余的可停靠模拟停靠点，将当前待选停靠区内剩余的可停靠模拟停靠点标记为待选停靠点，可以进一步的避免其他船舶对本船舶停靠的影响，导致浪费时间；通过建立自学习模型，对模拟不合理的点进行进一步的优化。

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作简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明原理框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。

如图1所示，一种船舶锚泊控制系统，包括环境信息储备库、定位模块和服务器；

环境信息储备库用于储存固定停靠区域的环境信息以及对环境信息进行模拟，具体方法包括：获取船舶所属公司的营业范围，根据营业范围获取船舶将会停靠的固定区域，固定区域就是船舶停靠的港口，因为获取到营业范围，就可以知道船舶在经营过程中会停靠在那些固定港口，将船舶将会停靠的固定区域标记为待选停靠区，并对待选停靠区进行编号，获取待选停靠区的环境信息，环境信息包括水深、水下地形、水域宽度，获取待选停靠区的历史停靠信息，历史停靠信息包括风速、水流流速、船舶型号、船舶停靠位置，构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将待选停靠区编号、环境信息、风速、水流流速、船舶型号整合为第一输入数据，船舶停靠位置为人工智能模型的输出结果，船舶停靠位置并不是唯一的，因此输出结果为多个船舶停靠位置，将第一输入数据与对应的船舶停靠位置整合为训练集，将训练集、测试集和校验集按照2：1：1、3：2：2和3：1：1的比例进行获取数据，通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；

实时获取船舶下一个将要停靠的待选停靠区编号、环境信息、风速、水流流速、船舶型号，将获取到的待选停靠区编号、环境信息、风速、水流流速、船舶型号输入到预测模型中，获得船舶停靠位置，将获得的船舶停靠位置标记为模拟停靠点；

获取船舶进入待选停靠区前N分钟的待选停靠区内的船舶停靠情况，船舶停靠情况就是港口内的可停靠区域停靠了多少船舶、停在什么位置、是什么型号的船舶，将船舶停靠情况与模拟停靠点进行匹配，获得当前待选停靠区内剩余的可停靠模拟停靠点，将当前待选停靠区内剩余的可停靠模拟停靠点标记为待选停靠点；

建立模拟停靠点的抛锚方式模拟单元，获取待选停靠区内的环境信息，根据待选停靠区内的环境信息设置不同型号船舶的抛锚方式，将船舶型号和待选停靠点标记为第二输入数据，将第二输入数据输入到抛锚方式模拟单元中，获得对应型号船舶的抛锚方式，将获得的对应型号船舶抛锚方式标记为待选抛锚方式；

建立自学习模型，具体方法包括：获取若干组待选停靠点、真实停靠点、待选抛锚方式、真实抛锚方式，其中待选停靠点、真实停靠点为相对应的一组数据，待选抛锚方式、真实抛锚方式为相对应的一组数据，真实停靠点就是在收到待选停靠点后，船舶的停靠位置，真实抛锚方式就是在收到待选抛锚方式后，船舶的抛锚方式，将待选停靠点与真实停靠点进行对比，当真实停靠点包括在待选停靠点内时，不进行操作，当真实停靠点不包括在待选停靠点内时，将此时的真实停靠点、待选停靠点标记为停靠点学习数据；将待选抛锚方式、真实抛锚方式进行对比，当待选抛锚方式包括真实抛锚方式时，不进行操作，当待选抛锚方式不包括真实抛锚方式时，将此时的待选抛锚方式、真实抛锚方式标记为抛锚方式学习数据；获取船舶不在待选停靠点内停靠的原因和船舶不使用待选抛锚方式的原因，将停靠点学习数据与船舶不在待选停靠点内停靠的原因和抛锚方式学习数据与船舶不使用待选抛锚方式的原因分别输入到神经网络模型中进行训练，将训练完成的神经网络模型标记为自学习模型；

实时获取待选停靠点、停靠点原因匹配结果、待选抛锚方式、抛锚方式匹配结果，停靠点原因匹配结果就是船舶不在待选停靠点内停靠的原因当前的待选停靠点是否具有这些问题，抛锚方式匹配结果就是船舶不使用待选抛锚方式的原因当前的待选抛锚方式是否具有这些问题，将待选停靠点与停靠点原因匹配结果和待选抛锚方式与抛锚方式匹配结果分别输入到自学习模型中，将自学习模型的输出结果加入预测模型中的模拟停靠点中或加入抛锚方式模拟单元中的待选抛锚方式中，自学习模型的输出结果就是对应的历史真实停靠点或者对应的历史真实抛锚方式；

定位模块用于对船舶抛锚定位，具体方法包括：实时获取需要进行抛锚区域的水流流速、风速，根据获得的水流流速、风速，建立关于水流流速、风速和时间的曲线图，将关于水流流速、风速和时间的曲线图标记为风水曲线图，在船锚上设置水下驱动模块，水下驱动模块用于简易调整船锚在下降过程中的运动曲线，水下驱动模块可以是在船锚上设置的可调节的薄板，通过调整薄板的角度从而达到调整船锚在下降过程中的运动曲线的目的，优选的，还可以是设置在船锚上的螺旋桨，同样可以实现调整船锚在下降过程中的运动曲线的目的；获取船锚和船锚连接链的形状和重量，根据获取到的船锚和船锚连接链的形状和重量以及风水曲线图绘制船锚下降过程中的运动曲线，获取船舶的停靠点，根据船舶的停靠点获得船锚的落点和投放点，在船锚下降的过程中实时定位船锚的位置，并将定位的位置与预设运动曲线进行比较，通过水下驱动模块实时调整船锚的运动。

一种船舶锚泊控制方法，具体方法包括以下步骤：

步骤一：根据历史停靠信息和船舶所属公司的营业范围建立预测模型，根据预测模型获得模拟停靠点；

步骤二：根据停靠区内的船舶停靠情况确定待选停靠点；

步骤三：建立模拟停靠点的抛锚方式模拟单元，获得对应型号船舶的抛锚方式，将获得的对应型号船舶抛锚方式标记为待选抛锚方式；

步骤四：建立自学习模型，对模拟停靠点与待选抛锚方式进行调整；

步骤五：绘制船锚下降过程中的运动曲线，对下降过程中的船锚进行调整。

本发明在使用时，获取船舶所属公司的营业范围，根据营业范围获取船舶将会停靠的固定区域，将船舶将会停靠的固定区域标记为待选停靠区，并对待选停靠区进行编号，获取待选停靠区的环境信息，环境信息包括水深、水下地形、水域宽度，获取待选停靠区的历史停靠信息，构建人工智能模型；将待选停靠区编号、环境信息、风速、水流流速、船舶型号整合为第一输入数据，船舶停靠位置为人工智能模型的输出结果，将第一输入数据与对应的船舶停靠位置整合为训练集，将训练集、测试集和校验集按照2：1：1、3：2：2和3：1：1的比例进行获取数据，通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；实时获取船舶下一个将要停靠的待选停靠区编号、环境信息、风速、水流流速、船舶型号，将获取到的待选停靠区编号、环境信息、风速、水流流速、船舶型号输入到预测模型中，获得船舶停靠位置，将获得的船舶停靠位置标记为模拟停靠点；

获取船舶进入待选停靠区前N分钟的待选停靠区内的船舶停靠情况，将船舶停靠情况与模拟停靠点进行匹配，获得当前待选停靠区内剩余的可停靠模拟停靠点，将当前待选停靠区内剩余的可停靠模拟停靠点标记为待选停靠点；建立模拟停靠点的抛锚方式模拟单元，获取待选停靠区内的环境信息，根据待选停靠区内的环境信息设置不同型号船舶的抛锚方式，将船舶型号和待选停靠点标记为第二输入数据，将第二输入数据输入到抛锚方式模拟单元中，获得对应型号船舶的抛锚方式，将获得的对应型号船舶抛锚方式标记为待选抛锚方式；

建立自学习模型，获取若干组待选停靠点、真实停靠点、待选抛锚方式、真实抛锚方式，将待选停靠点与真实停靠点进行对比，当真实停靠点包括在待选停靠点内时，不进行操作，当真实停靠点不包括在待选停靠点内时，将此时的真实停靠点、待选停靠点标记为停靠点学习数据；将待选抛锚方式、真实抛锚方式进行对比，当待选抛锚方式包括真实抛锚方式时，不进行操作，当待选抛锚方式不包括真实抛锚方式时，将此时的待选抛锚方式、真实抛锚方式标记为抛锚方式学习数据；获取船舶不在待选停靠点内停靠的原因和船舶不使用待选抛锚方式的原因，将停靠点学习数据与船舶不在待选停靠点内停靠的原因和抛锚方式学习数据与船舶不使用待选抛锚方式的原因分别输入到神经网络模型中进行训练，将训练完成的神经网络模型标记为自学习模型；

实时获取待选停靠点、停靠点原因匹配结果、待选抛锚方式、抛锚方式匹配结果，将待选停靠点与停靠点原因匹配结果和待选抛锚方式与抛锚方式匹配结果分别输入到自学习模型中，将自学习模型的输出结果加入预测模型中的模拟停靠点中或加入抛锚方式模拟单元中的待选抛锚方式中，实时获取需要进行抛锚区域的水流流速、风速，根据获得的水流流速、风速，建立关于水流流速、风速和时间的曲线图，将关于水流流速、风速和时间的曲线图标记为风水曲线图，在船锚上设置水下驱动模块，水下驱动模块用于简易调整船锚在下降过程中的运动曲线，获取船锚和船锚连接链的形状和重量，根据获取到的船锚和船锚连接链的形状和重量以及风水曲线图绘制船锚下降过程中的运动曲线，获取船舶的停靠点，根据船舶的停靠点获得船锚的落点和投放点，在船锚下降的过程中实时定位船锚的位置，并将定位的位置与预设运动曲线进行比较，通过水下驱动模块实时调整船锚的运动。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

以上内容仅仅是对本发明结构所做的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (3)

1.一种船舶锚泊控制系统，其特征在于，包括环境信息储备库、定位模块和服务器；

所述环境信息储备库用于储存固定停靠区域的环境信息以及对环境信息进行模拟，具体方法包括：获取船舶所属公司的营业范围，根据营业范围获取船舶将会停靠的固定区域，将船舶将会停靠的固定区域标记为待选停靠区，并对待选停靠区进行编号，获取待选停靠区的环境信息，环境信息包括水深、水下地形、水域宽度，获取待选停靠区的历史停靠信息，历史停靠信息包括风速、水流流速、船舶型号、船舶停靠位置，构建人工智能模型；所述人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；将待选停靠区编号、环境信息、风速、水流流速、船舶型号整合为第一输入数据，船舶停靠位置为人工智能模型的输出结果，将第一输入数据与对应的船舶停靠位置整合为训练集，将训练集、测试集和校验集按照2：1：1、3：2：2和3：1：1的比例进行获取数据，通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为预测模型；

实时获取船舶下一个将要停靠的待选停靠区编号、环境信息、风速、水流流速、船舶型号，将获取到的待选停靠区编号、环境信息、风速、水流流速、船舶型号输入到预测模型中，获得船舶停靠位置，将获得的船舶停靠位置标记为模拟停靠点；

获取船舶进入待选停靠区前N分钟的待选停靠区内的船舶停靠情况，将船舶停靠情况与模拟停靠点进行匹配，获得当前待选停靠区内剩余的可停靠模拟停靠点，将当前待选停靠区内剩余的可停靠模拟停靠点标记为待选停靠点；

建立模拟停靠点的抛锚方式模拟单元，获取待选停靠区内的环境信息，根据待选停靠区内的环境信息设置不同型号船舶的抛锚方式，将船舶型号和待选停靠点标记为第二输入数据，将第二输入数据输入到抛锚方式模拟单元中，获得对应型号船舶的抛锚方式，将获得的对应型号船舶抛锚方式标记为待选抛锚方式；建立自学习模型，实时获取待选停靠点、停靠点原因匹配结果、待选抛锚方式、抛锚方式匹配结果，将待选停靠点与停靠点原因匹配结果和待选抛锚方式与抛锚方式匹配结果分别输入到自学习模型中，将自学习模型的输出结果加入预测模型中的模拟停靠点中或加入抛锚方式模拟单元中的待选抛锚方式中；

建立自学习模型的具体方法包括：获取若干组待选停靠点、真实停靠点、待选抛锚方式、真实抛锚方式，将待选停靠点与真实停靠点进行对比，当真实停靠点包括在待选停靠点内时，不进行操作，当真实停靠点不包括在待选停靠点内时，将此时的真实停靠点、待选停靠点标记为停靠点学习数据；将待选抛锚方式、真实抛锚方式进行对比，当待选抛锚方式包括真实抛锚方式时，不进行操作，当待选抛锚方式不包括真实抛锚方式时，将此时的待选抛锚方式、真实抛锚方式标记为抛锚方式学习数据；获取船舶不在待选停靠点内停靠的原因和船舶不使用待选抛锚方式的原因，将停靠点学习数据与船舶不在待选停靠点内停靠的原因和抛锚方式学习数据与船舶不使用待选抛锚方式的原因分别输入到神经网络模型中进行训练，将训练完成的神经网络模型标记为自学习模型。

2.根据权利要求1所述的一种船舶锚泊控制系统，其特征在于，所述定位模块用于对船舶抛锚定位，具体方法包括：实时获取需要进行抛锚区域的水流流速、风速，根据获得的水流流速、风速，建立关于水流流速、风速和时间的曲线图，将关于水流流速、风速和时间的曲线图标记为风水曲线图，在船锚上设置水下驱动模块，水下驱动模块用于简易调整船锚在下降过程中的运动曲线，获取船锚和船锚连接链的形状和重量，根据获取到的船锚和船锚连接链的形状和重量以及风水曲线图绘制船锚下降过程中的运动曲线，获取船舶的停靠点，根据船舶的停靠点获得船锚的落点和投放点，在船锚下降的过程中实时定位船锚的位置，并将定位的位置与预设运动曲线进行比较，通过水下驱动模块实时调整船锚的运动。

3.一种船舶锚泊控制方法，其特征在于，执行权利要求1-2任意一项所述的一种船舶锚泊控制系统，具体方法包括以下步骤：

步骤一：根据历史停靠信息和船舶所属公司的营业范围建立预测模型，根据预测模型获得模拟停靠点；

步骤二：根据停靠区内的船舶停靠情况确定待选停靠点；

步骤三：建立模拟停靠点的抛锚方式模拟单元，获得对应型号船舶的抛锚方式，将获得的对应型号船舶抛锚方式标记为待选抛锚方式；

步骤四：建立自学习模型，对模拟停靠点与待选抛锚方式进行调整；

步骤五：绘制船锚下降过程中的运动曲线，对下降过程中的船锚进行调整。