CN114387822A - 船舶避碰方法 - Google Patents

船舶避碰方法 Download PDF

Info

Publication number
CN114387822A
CN114387822A CN202111564382.7A CN202111564382A CN114387822A CN 114387822 A CN114387822 A CN 114387822A CN 202111564382 A CN202111564382 A CN 202111564382A CN 114387822 A CN114387822 A CN 114387822A
Authority
CN
China
Prior art keywords
ship
collision avoidance
state information
collision
pheromone
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.)
Granted
Application number
CN202111564382.7A
Other languages
English (en)
Other versions
CN114387822B (zh
Inventor
韩庆楠
史军
李磊
胡文妹
万柳梅
邵文熙
亓昕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cssc Marine Technology Co ltd
Original Assignee
Cssc Marine Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cssc Marine Technology Co ltd filed Critical Cssc Marine Technology Co ltd
Priority to CN202111564382.7A priority Critical patent/CN114387822B/zh
Publication of CN114387822A publication Critical patent/CN114387822A/zh
Application granted granted Critical
Publication of CN114387822B publication Critical patent/CN114387822B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G08G3/02—Anti-collision systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/30—Adapting or protecting infrastructure or their operation in transportation, e.g. on roads, waterways or railways

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Ocean & Marine Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种船舶避碰方法，包括以下步骤：(1)获取本船在航道中的状态信息和安全边界，设定初始时间为T0；(2)获取本船所处航道中所有碍航物的状态信息；(3)基于所有碍航物的状态信息，剔除无碰撞风险的碍航物，标记有碰撞风险的碍航物；(4)设置所标记碍航物的安全边界，并分析预测该碍航物在未来Tn时刻的状态信息；(5)结合该碍航物在Tn时刻的状态信息和本船状态信息，获得本船的多个避碰转向点，对应得到多条避碰航行路线。本发明能够为船舶避碰辅助决策提供多路径的解决方案，计算量降低、效率高，便于驾驶人员快速了解本水域内最优避碰路径，有利于船舶在复杂航道内安全航行。

Description

船舶避碰方法
技术领域
本发明涉及一种船舶避碰方法，属于航行安全领域。
背景技术
船用多种传感器数据可直接通过相关显示装置展示给驾驶人员，但无法提供综合的信息融合显示以及避碰建议，驾驶人员需要根据主观经验来评估碰撞风险，尤其在进出港过程中极易认为判断失误造成撞船事故。
伴随着航运业的高速发展，在港口、海湾等特殊航行区域的船舶密度大幅上升，船舶碰撞事故也经常发生。国内相关企业、高校等单位一直都在开展保障航运安全、降低船舶碰撞事故的研究，其中很重要的就是对各类避碰算法的研究与优化，多考虑应用各种最新算法，并没有将船用传感器数据以及船舶运动参数模型充分考虑到算法中。由于来源于船用传感器的碍航物状态信息与避碰路线具有强耦合性，如不考虑的话会造成设计的避碰路径的航行安全性大大降低，很容易导致碰撞事故发生。
发明内容
本发明的目的是解决上述背景技术中提及的缺陷。
为实现上述发明目的，本发明提供一种船舶避碰方法，包括以下步骤：包括以下步骤：(1)获取本船在航道中的状态信息和安全边界，设定初始时间为T0；(2)获取本船所处航道中所有碍航物的状态信息；(3)基于所有碍航物的状态信息，剔除无碰撞风险的碍航物，标记有碰撞风险的碍航物；(4)设置所标记碍航物的安全边界，并分析预测该碍航物在未来Tn时刻的状态信息；(5)结合该碍航物在Tn时刻的状态信息和本船状态信息，获得本船的多个避碰转向点，对应得到多条避碰航行路线。
进一步地，所述状态信息包括动态信息和静态信息，所述动态信息包括航速和航向，所述静态信息包括位置。
进一步地，步骤(5)后面还包括以下步骤：(6)确定多条避碰航行路线中耗时最短的路线为最优避碰航行路线。
进一步地，若步骤(2)中任一所述碍航物的状态信息发生变化，则重复步骤(1)-步骤(5)，直至航道中不存在碰撞风险。
进一步地，步骤(1)和步骤(4)中所述安全边界是船舶为避碰而在其外围设定的一圈闭合曲线，所述闭合曲线上的每一点离船体的垂直距离为定常回转半径R，其计算公式为：
Figure BDA0003421690700000021
其中，k1是与吃水和船舶形状有关的系数，为常数；k2是与枢心位置有关的参数，船舶作定常回转运动时枢心位置固定，所以k2也是常数；h为吃水深度；L为船吃水部分的长度，等于船长；CL为舵的升力系数，与舵角有关；A为舵叶的单侧浸水面积；l为舵杆轴线至船舶重心的距离。
进一步地，步骤(2)中所述碍航物的状态信息由本船的船舶自动识别系统及导航雷达获得。
进一步地，所述碍航物状态信息的获取过程为：(21)将船舶自动识别系统获取的数据和导航雷达信息统一到同一个时间系统中；(22)进行位置坐标变换和时间校正；(23)在统一的融合时间节点上进行归集计算；(24)基于关联目标加权实现碍航物轨迹的融合。
进一步地，步骤(5)中所述避碰转向点为本船与潜在碰撞目标未来会遇时，本船的安全边界上的切线点，并将全部切线点按照未来会遇时间保存。
进一步地，步骤(6)中所述最优避碰航行路线为所有避碰转向点按照航行时间先后顺序相连后所得到的曲线，通过以下改进蚁群算法计算出最短路径而得到，计算过程如下：
可行转移概率为：
Figure BDA0003421690700000022
其中，
Figure BDA0003421690700000023
表示第k只蚂蚁在第i个可行解的转移概率，τi(t)表示t时刻第i个可行解的信息素，初始信息素τi(0)＝f(x)，f(x)表示目标函数值；
由式(2)可知，蚂蚁转移概率越小，所在可行解越接近当前最大可行解，命令其局部搜索；转移概率越大，越远离当前最大可行解，明确其全局搜索；
Figure BDA0003421690700000031
式(3)中，rand为[-1,1]之间的随机数，p0为概率常数，当pi<p0时，x(t+1)进行局部搜索；当pi≥p0时，x(t+1)进行全局搜索；基于传统蚁群算法中信息素公式，在非线性函数求极值问题中，信息素变为：
τi(t+1)＝(1-ρ)×τi(t)+Q×f(x) (4)
其中，ρ为信息素挥发因子，Q为信息素释放因子，f(x)越大，信息素释放量就越高。
与现有技术相比，本发明的有益效果为：
1.能够为船舶避碰辅助决策提供多路径的解决方案，计算量降低、效率高，便于驾驶人员快速了解本水域内最优避碰路径，有利于船舶在复杂航道内安全航行。
2.船只在海上航行的环境中是动态变化的，本船在海面上行驶，碍航船同样在海面上行驶，通过船用传感器获取碍航船只的静态参数(船长、船宽等)，动态参数(航向、航速)等内容，得到船只的运动参数并与本船信息综合考虑、计算，将更好地避免船只碰撞事故的发生。
附图说明
图1是本发明一个实施例的流程图；
图2是本发明一个实施例中AIS数据和导航雷达图像融合流程图；
图3是本发明一个实施例中最优避碰航线计算流程图；
图4是本发明一个实施例中安全边界的示意图；
图5是本发明一个实施例中避碰航线示意图；
图6是本发明一个实施例中最优避碰航线寻径原理示意图；
图7是本发明一个实施例中以改进蚁群算法计算最优避碰航线的迭代过程示意图。
具体实施方式
下面结合附图和具体实施例，对本发明的技术方案做进一步说明。
如图1所示，本发明船舶避碰方法的一个实施例，步骤如下：
(1)获取本船在航道中的状态信息和安全边界，设定初始时间为T0；
(2)获取本船所处航道中所有碍航物的状态信息；
(3)基于所有碍航物的状态信息，剔除无碰撞风险的碍航物，标记有碰撞风险的碍航物；
(4)设置所标记碍航物的安全边界，并分析预测该碍航物在未来Tn时刻的状态信息；
(5)结合该碍航物在Tn时刻的状态信息和本船状态信息，获得本船的多个避碰转向点，对应得到多条避碰航行路线。本实施例中，所述状态信息包括动态信息和静态信息，所述动态信息包括航速和航向，所述静态信息包括位置。
如图1所示，在本发明船舶避碰方法的一个实施例中，若步骤(2)中任一所述碍航物的状态信息发生变化，则重复步骤(1)-步骤(5)，直至航道中不存在碰撞风险。
如图1所示，在本发明船舶避碰方法的一个实施例中，还包括步骤(6)确定多条避碰航行路线中耗时最短的路线为最优避碰航行路线。
如图2和图4所示，在本发明船舶避碰方法的一个实施例中，步骤(1)和步骤(4)中所述安全边界是船舶为避碰而在其外围设定的一圈闭合曲线，所述闭合曲线上的每一点离船体的垂直距离为定常回转半径R，其计算公式为：
Figure BDA0003421690700000041
其中，k1是与吃水和船舶形状有关的系数，为常数；k2是与枢心位置有关的参数，船舶作定常回转运动时枢心位置固定，所以k2也是常数；h为吃水深度；L为船吃水部分的长度，等于船长；CL为舵的升力系数，与舵角有关；A为舵叶的单侧浸水面积；l为舵杆轴线至船舶重心的距离。
如图3所示，在本发明船舶避碰方法的一个实施例中，步骤(2)中所述碍航物的状态信息由本船的船舶自动识别系统及导航雷达获得。具体地，所述碍航物状态信息的获取过程为：
(21)将船舶自动识别系统获取的数据和导航雷达信息统一到同一个时间系统中；
(22)进行位置坐标变换和时间校正；
(23)在统一的融合时间节点上进行归集计算；
(24)基于关联目标加权实现碍航物轨迹的融合。
在本发明船舶避碰方法的一个实施例中，步骤(5)中所述避碰转向点为本船与潜在碰撞目标未来会遇时，本船的安全边界上的切线点，并将全部切线点按照未来会遇时间保存。
在本发明船舶避碰方法的一个实施例中，步骤(6)中所述最优避碰航行路线为所有避碰转向点按照航行时间先后顺序相连后所得到的曲线，通过以下改进蚁群算法计算出最短路径而得到，计算过程如下：
可行转移概率为：
Figure BDA0003421690700000051
其中，
Figure BDA0003421690700000052
表示第k只蚂蚁在第i个可行解的转移概率，τi(t)表示t时刻第i个可行解的信息素，初始信息素τi(0)＝f(x)，f(x)表示目标函数值；
由式(2)可知，蚂蚁转移概率越小，所在可行解越接近当前最大可行解，命令其局部搜索；转移概率越大，越远离当前最大可行解，明确其全局搜索；
Figure BDA0003421690700000053
式(3)中，rand为[-1,1]之间的随机数，p0为概率常数，当pi<p0时，x(t+1)进行局部搜索；当pi≥p0时，x(t+1)进行全局搜索；基于传统蚁群算法中信息素公式，在非线性函数求极值问题中，信息素变为：
τi(t+1)＝(1-ρ)×τi(t)+x×f(x) (4)
其中，ρ为信息素挥发因子，Q为信息素释放因子，f(x)越大，信息素释放量就越高。由式(2)、(3)、(4)构造出可用于非线性函数寻优的改进蚁群算法。
如图5所示，假设本船计划从A点航行到B点，本船匀速航行，经过改进蚁群算法分析，从A点到B点有4条航线，其中a1、a2、…、d3均为避碰转向点，分别记录航路段(A，a1)、(a1，a2)、…、(d3，B)及每条航路段的航行时间，据此可统计出4条航线中每条的航行时间，时间最短的即为最优避碰航线。
假设本船定速航行，枢心、中心、重心在同一位置，船长L为80m，吃水h为5m，k1为0.5，k2为0.3，CL为1，A为2m2，l为40m。通过式(1)，可以计算得出表征本船安全边界的定常回转半径R为310m，同理，通过本船传感器得到的碍航物的安全边界也能通过上式计算得到。
将本船需要避让的区域进行栅格化处理，如图6所示，每个方格的边长设为2R+船长，R为本船定常回转半径为310米，船长为80米，则方格的边长即为700米。避碰航线的寻径规模大小设置为30方格*30方格；本船从(0，30)航行到(30,0)；蚂蚁种群的数量设置60；算法的循环次数设定为80；表征信息素重要程度参数α＝2.1；表征启发式因子重要程度参数β＝8.9；信息素蒸发参数设置为Rho＝0.25；信息素释放因子Q＝1.2；信息素挥发因子ρ取值[0,1]。图6中黑色方块表示碍航物，白色方块为安全区域，对角线方向的线条为避碰航线。
如图7所示，改进蚁群算法的可行性在船舶避碰航线规划问题上得到了证实，寻找到了从出发点A到终点B的无碰撞航线，实现了对算法的目标要求。从改进蚁群算法适应度情况来看，如图7中的横轴所示，在迭代23次左右之后，所寻找到的航线长度已经不再变化，如图7中的直线部分在纵轴上的坐标所示，大致为43个方格的边长，该路径即为本船最优避碰航线。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (9)

1.一种船舶避碰方法，其特征在于，包括以下步骤：
(1)获取本船在航道中的状态信息和安全边界，设定初始时间为T0；
(2)获取本船所处航道中所有碍航物的状态信息；
(3)基于所有碍航物的状态信息，剔除无碰撞风险的碍航物，标记有碰撞风险的碍航物；
(4)设置所标记碍航物的安全边界，并分析预测该碍航物在未来Tn时刻的状态信息；
(5)结合该碍航物在Tn时刻的状态信息和本船状态信息，获得本船的多个避碰转向点，对应得到多条避碰航行路线。
2.根据权利要求1所述的船舶避碰方法，其特征在于，所述状态信息包括动态信息和静态信息，所述动态信息包括航速和航向，所述静态信息包括位置。
3.根据权利要求1所述的船舶避碰方法，其特征在于，步骤(5)后面还包括以下步骤：
(6)确定多条避碰航行路线中耗时最短的路线为最优避碰航行路线。
4.根据权利要求1所述的船舶避碰方法，其特征在于，若步骤(2)中任一所述碍航物的状态信息发生变化，则重复步骤(1)-步骤(5)，直至航道中不存在碰撞风险。
5.根据权利要求1所述的船舶避碰方法，其特征在于，步骤(1)和步骤(4)中所述安全边界是船舶为避碰而在其外围设定的一圈闭合曲线，所述闭合曲线上的每一点离船体的垂直距离为定常回转半径R，其计算公式为：
Figure FDA0003421690690000011
其中，k1是与吃水和船舶形状有关的系数，为常数；k2是与枢心位置有关的参数，船舶作定常回转运动时枢心位置固定，所以k2也是常数；h为吃水深度；L为船吃水部分的长度，等于船长；CL为舵的升力系数，与舵角有关；A为舵叶的单侧浸水面积；l为舵杆轴线至船舶重心的距离。
6.根据权利要求1所述的船舶避碰方法，其特征在于，步骤(2)中所述碍航物的状态信息由本船的船舶自动识别系统及导航雷达获得。
7.根据权利要求6所述的船舶避碰方法，其特征在于，所述碍航物状态信息的获取过程为：
(21)将船舶自动识别系统获取的数据和导航雷达信息统一到同一个时间系统中；
(22)进行位置坐标变换和时间校正；
(23)在统一的融合时间节点上进行归集计算；
(24)基于关联目标加权实现碍航物轨迹的融合。
8.根据权利要求1所述的船舶避碰方法，其特征在于，步骤(5)中所述避碰转向点为本船与潜在碰撞目标未来会遇时，本船的安全边界上的切线点，并将全部切线点按照未来会遇时间保存。
9.根据权利要求3所述的船舶避碰方法，其特征在于，步骤(6)中所述最优避碰航行路线为所有避碰转向点按照航行时间先后顺序相连后所得到的曲线，通过以下改进蚁群算法计算出最短路径而得到，计算过程如下：
可行转移概率为：
Figure FDA0003421690690000021
其中，
Figure FDA0003421690690000022
表示第k只蚂蚁在第i个可行解的转移概率，τi(t)表示t时刻第i个可行解的信息素，初始信息素τi(0)＝f(x)，f(x)表示目标函数值；
由式(2)可知，蚂蚁转移概率越小，所在可行解越接近当前最大可行解，命令其局部搜索；转移概率越大，越远离当前最大可行解，明确其全局搜索；
Figure FDA0003421690690000023
式(3)中，rand为[-1,1]之间的随机数，p0为概率常数，当pi<p0时，x(t+1)进行局部搜索；当pi≥p0时，x(t+1)进行全局搜索；基于传统蚁群算法中信息素公式，在非线性函数求极值问题中，信息素变为：
τi(t+1)＝(1-ρ)×τi(t)+Q×f(x) (4)
其中，ρ为信息素挥发因子，Q为信息素释放因子，f(x)越大，信息素释放量就越高。
CN202111564382.7A 2021-12-20 2021-12-20 船舶避碰方法 Active CN114387822B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111564382.7A CN114387822B (zh) 2021-12-20 2021-12-20 船舶避碰方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111564382.7A CN114387822B (zh) 2021-12-20 2021-12-20 船舶避碰方法

Publications (2)

Publication Number Publication Date
CN114387822A true CN114387822A (zh) 2022-04-22
CN114387822B CN114387822B (zh) 2023-09-12

Family

ID=81197243

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111564382.7A Active CN114387822B (zh) 2021-12-20 2021-12-20 船舶避碰方法

Country Status (1)

Country Link
CN (1) CN114387822B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115457807A (zh) * 2022-10-25 2022-12-09 安徽慧软智能科技有限公司 基于导航雷达的船舶避碰预警系统
CN116203970A (zh) * 2023-04-27 2023-06-02 泰坦(天津)能源技术有限公司 一种巡检机器人的智能避障方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207937A (zh) * 2013-04-15 2013-07-17 大连海事大学 一种四元船舶安全领域模型及船舶避碰方法
CN112180950A (zh) * 2020-11-05 2021-01-05 武汉理工大学 一种基于强化学习的智能船舶自主避碰及路径规划方法
CN113538973A (zh) * 2021-07-20 2021-10-22 大连海事大学 一种基于改进粒子群算法的船舶自动避碰方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013028296A (ja) * 2011-07-29 2013-02-07 Ship & Ocean Foundation 船舶用航行支援装置
CN111063218A (zh) * 2019-06-24 2020-04-24 武汉理工大学 一种船舶避碰决策方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103207937A (zh) * 2013-04-15 2013-07-17 大连海事大学 一种四元船舶安全领域模型及船舶避碰方法
CN112180950A (zh) * 2020-11-05 2021-01-05 武汉理工大学 一种基于强化学习的智能船舶自主避碰及路径规划方法
CN113538973A (zh) * 2021-07-20 2021-10-22 大连海事大学 一种基于改进粒子群算法的船舶自动避碰方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
杲飞等: "基于粒子群算法和航行规则的分步多船避碰路径规划", 《现代电子技术》 *
林安平等: "一种计算船舶定常回转半径的方法", 《造船技术》 *
江冠超等: "基于改进蚁群算法的船舶避碰路径规划策略支持", 《上海节能》 *
郭如鑫: "基于强化学习的无人艇路径规划方法研究", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115457807A (zh) * 2022-10-25 2022-12-09 安徽慧软智能科技有限公司 基于导航雷达的船舶避碰预警系统
CN115457807B (zh) * 2022-10-25 2023-09-26 安徽慧软智能科技有限公司 基于导航雷达的船舶避碰预警系统
CN116203970A (zh) * 2023-04-27 2023-06-02 泰坦(天津)能源技术有限公司 一种巡检机器人的智能避障方法及系统

Also Published As

Publication number Publication date
CN114387822B (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
Guo et al. Global path planning and multi-objective path control for unmanned surface vehicle based on modified particle swarm optimization (PSO) algorithm
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
CN108564202B (zh) 一种基于环境预报信息的无人艇航线优化方法
CN107329477B (zh) 一种无人船导航和自动驾驶设备及其方法
CN114387822A (zh) 船舶避碰方法
CN112947431B (zh) 一种基于强化学习的无人船路径跟踪方法
CN107037809A (zh) 一种基于改进蚁群算法的无人艇避碰方法
Lan et al. Improved RRT algorithms to solve path planning of multi-glider in time-varying ocean currents
CN109685286A (zh) 未知静态障碍环境下usv基于改进蚁群优化的避碰规划方法
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
Zheng et al. A Decision‐Making Method for Ship Collision Avoidance Based on Improved Cultural Particle Swarm
CN110906935A (zh) 一种无人艇路径规划方法
US20220214688A1 (en) Method and system for controlling multi-unmanned surface vessel collaborative search
CN111123923A (zh) 一种无人船舶局部路径动态优化方法
CN111861155A (zh) 船舶碰撞风险检测方法、系统、计算机设备和存储介质
CN115936190A (zh) 一种智能航行作业风险预警方法
CN116166034B (zh) 跨域协同围捕方法、装置及系统
CN117232520A (zh) 一种适用于海上航行的船舶智能导航系统及导航方法
CN117250961A (zh) 无人移动靶船协同编队控制方法及系统
CN115494866A (zh) 一种多无人机全局及局部路径智能规划方法及系统
CN110320907B (zh) 一种基于改进蚁群算法和椭圆碰撞锥推演模型的无人水面艇双层避碰方法
CN117215196B (zh) 基于深度强化学习的舰载综合控制计算机智能决策方法
Gao et al. Artificial intelligence algorithms in unmanned surface vessel task assignment and path planning: A survey
CN116700269A (zh) 考虑环境扰动和多目标约束的无人艇路径规划方法及系统

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