CN117232520A - 一种适用于海上航行的船舶智能导航系统及导航方法 - Google Patents
一种适用于海上航行的船舶智能导航系统及导航方法 Download PDFInfo
- Publication number
- CN117232520A CN117232520A CN202311149667.3A CN202311149667A CN117232520A CN 117232520 A CN117232520 A CN 117232520A CN 202311149667 A CN202311149667 A CN 202311149667A CN 117232520 A CN117232520 A CN 117232520A
- Authority
- CN
- China
- Prior art keywords
- navigation
- ship
- module
- current
- sub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 40
- 230000007613 environmental effect Effects 0.000 claims description 27
- QZXCCPZJCKEPSA-UHFFFAOYSA-N chlorfenac Chemical compound OC(=O)CC1=C(Cl)C=CC(Cl)=C1Cl QZXCCPZJCKEPSA-UHFFFAOYSA-N 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 18
- 239000000446 fuel Substances 0.000 claims description 18
- LFULEKSKNZEWOE-UHFFFAOYSA-N propanil Chemical compound CCC(=O)NC1=CC=C(Cl)C(Cl)=C1 LFULEKSKNZEWOE-UHFFFAOYSA-N 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 230000002093 peripheral effect Effects 0.000 claims description 15
- 230000008447 perception Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 241000496694 Vasates Species 0.000 claims description 6
- 238000004873 anchoring Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种适用于海上航行的船舶智能导航系统及导航方法,包括步骤1、构建船舶油耗模型;步骤2、规划初始航行路径;步骤3、初始航行;步骤4、目标物探测与判断;步骤5、获取与判断灾害预警信息;步骤6、判断航行策略;步骤7、经济航行策略;步骤7‑1、生成子航段;步骤7‑2、选择辅助优化目标;步骤7‑3、设计最佳航速;步骤8、安全航行策略;步骤9、重复步骤4至步骤8,直至达到终点。本发明能实现航路规划、航程优化、避碰预警、航行环境监测与保障等多个应用,主要用于海上各类船舶航行导航领域,可以进一步提高船舶航行的安全性‑避碰预警,极大提升海洋航运的经济性‑船舶节能减排,具有较大的市场需求和应用驱动力。
Description
技术领域
本发明涉及船舶智能导航技术领域,特别是一种适用于海上航行的船舶智能导航系统及导航方法。
背景技术
传统的船舶导航一般仅需导航雷达、GPS(或北斗)、AIS、罗经仪、计程仪、浮标应答器等设备,主要解决位置定位和安全避碰等简单问题,在复杂水域航行中,如何安全航行主要取决于操船人员的经验,人的影响因素很大;同时,传统的导航系统,并没有向操船人员推送如何驾船更省油的建议,船企的运营成本极高,同时船运也是全球碳排放的重要源头。因此,传统的船舶导航系统已经无法满足当今船运导航应用智能化、多样化的需求。
船舶智能导航系统技术是新兴的技术,其与传统导航差别巨大,最显著特征和明确要求是“智能”,其技术复杂、地位凸显,需要融合海洋环境实时观测和预测预报等大量信息,既是信息感知的一个重要组成部分,更是船舶实施能效控制、航线规划、遇险预警救助、自主航行的重要决策支撑。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足,而提供一种适用于海上航行的船舶智能导航系统及导航方法,该适用于海上航行的船舶智能导航系统及导航方法能实现航路规划、航程优化、避碰预警、航行环境监测与保障等多个应用,主要用于海上各类船舶航行导航领域,可以进一步提高船舶航行的安全性(避碰预警),极大提升海洋航运的经济性(船舶节能减排),具有较大的市场需求和应用驱动力。
为解决上述技术问题,本发明采用的技术方案是:
一种适用于海上航行的船舶智能导航方法,包括如下步骤。
步骤1、构建船舶油耗模型,具体包括如下步骤。
步骤1-1、统计船舶类型:对待导航航段上航行的船舶类型进行统计,
步骤1-2、获取油耗样本集:对每种类型的船舶,分别统计其在不同船舶属性和不同小范围环境数据下的油耗与实际航速的关系曲线,从而形成油耗样本集;其中,小范围环境数据包括小范围气象数据和小范围水文数据;小范围气象数据和小范围水文数据则是指船舶周边半径R1水域内的气象、水文数据。
步骤1-3、构建船舶油耗模型:将船舶类型、船舶属性和小范围环境数据作为深度学习算法的输入,将油耗与实际航速的关系曲线作为深度学习算法的输出,构建基于深度学习算法的船舶油耗模型。
步骤1-4、训练:采用步骤1-2获取的油耗样本集,对步骤1-3构建的船舶油耗模型进行训练,得到训练后的船舶油耗模型。
步骤2、规划初始航行路径:根据当前船舶在待导航航段上的起点、终点及必过途经点,规划初始航行路径。
步骤3、初始航行:当前船舶按照步骤2规划的初始航行路径进行初始航行。
步骤4、目标物探测与判断:当前船舶在初始航行后,安装在当前船舶上的雷达探测模块、常规气象要素探测模块和AIS模块,将对当前船舶周边水域内目标物和小范围环境数据进行探测;其中,目标物包括静态目标和动态目标;接着,判断当前船舶周边半径R1的水域内是否有目标物;
步骤5、获取与判断灾害预警信息:当前船舶在初始航行的同时,安装在当前船舶上的无线接收模块实时获取第三方系统发布的大范围环境数据;大范围环境数据包括大范围气象数据、大范围水文数据和灾害预警信息;接着,判断当前船舶航行路径半径R2内有无灾害预警信息。
步骤6、判断航行策略:航行策略包括经济航行策略和安全航行策略;其中,经济航行策略是以航行时间、油耗或总成本最优为航线规划的设计原则;安全航行策略是以海上目标碰撞规避、灾害天气避险为航线规划的设计原则。
当步骤4判断当前船舶周边半径R1的水域内无目标物且步骤5判断当前船舶航行路径半径R2内无灾害预警信息时,执行步骤7的经济航行策略;否则,执行步骤8的安全航行策略。
步骤7、经济航行策略,包括如下步骤:
步骤7-1、生成子航段:以航程短为优化目标,动态生成经济航行路径。
步骤7-2、选择辅助优化目标:航行人员从航行时间最优、油耗最优和总成本最优中选择一项作为辅助优化目标。
步骤7-3、设计最佳航速:根据剩余子航段的平均航速和步骤1构建的船舶油耗模型,针对步骤7-2选择的辅助优化目标,对每个子航段分别设计最佳航速。
步骤7-4、当前船舶根据辅助优化目标所对应的最佳航速进行经济航行路径的航行。
步骤8、安全航行策略:当前船舶在航行路径半径R2内有灾害预警信息时,采取就近入港或锚地停留;否则,实时获取和计算当前船舶周边半径R1内所有目标的位置、航速和航向,并根据当前船舶的位置、航速和航向;计算最小会遇距离DCPA和最小会遇时间TCPA,判断当前船舶与目标物的航行趋势关系;接着,根据航行趋势关系计算碰撞风险系数,当碰撞风险系数大于或等于风险阈值时,进行碰撞路径规划;否则,当前船舶保持当前航速和航向继续航行。
步骤9、重复步骤4至步骤8,直至达到终点。
步骤7-1中,子航段生成方法为:以航程短为优化目标,生成经济航行路径;经济航行路径包括从当前位置航行至终点的n个连续的子航段,分别为S1、S2、S3、……、Si、……、Sn;其中,1≤i≤n。
步骤7-3中,最佳航速的设计方法,具体为:
A、当辅助优化目标为航行时间最优时,则子航段Si对应的最佳航速Vi的计算公式为:
式中,Va为剩余Si至Sn子航段的平均航速;Vmax为设定的最大安全航速。
B、当辅助优化目标为油耗最优时,在每一个子航段Si,均采用步骤1建立的船舶油耗模型,输出子航段Si的油耗与实际航速的关系曲线,则子航段Si的油耗与实际航速的关系曲线中最低油耗所对应的实际航速,即为子航段Si的最佳航速Vi。
C、当辅助优化目标为总成本最优时,在每一个子航段Si,均采用步骤1建立的船舶油耗模型,输出子航段Si的油耗与实际航速的关系曲线;在子航段Si的油耗与实际航速的关系曲线中,找出最低油耗Wmin相匹配的航速Vmin,以及平均油耗Wc相匹配的航速Vc,则子航段Si对应的最佳航速Vi的计算公式为:
Vi=m1*Vc+m2*S/Tr
其中:
T-20≤Tr≤T+20
0.8Vmin≤Vc≤1.2Vmin
式中,Tr为总成本约束下的Si至Sn子航段预计航行时间;
S为Si至Sn子航段的剩余总航程。
T为Si至Sn子航段的航行任务剩余要求的航行时间。
m1和m2为权值系数,m1>m2,且m1+m2=1。
m1=0.7,m2=0.3。
步骤5中,R1=3km,R2=100km。
步骤8中,碰撞风险系数CRI的计算公式为:
CRI=ω1u(DCPA)+ω2u(TCPA)
其中:
d2=2d1
式中,u(DCPA)为最小会遇距离DCPA的隶属函数;
u(TCPA)为最小会遇时间TCPA的隶属函数;
ω1,ω2分别为u(DCPA)和u(TCPA)的权重系数;
d1为设定的最小安全会遇距离。
d2为会遇冗余安全距离;t1为最小会遇安全时间,t2为会遇冗余安全时间。
VOT为当前船舶相对目标船舶的速度。
ω1=10,ω2=10。
步骤8中的趋势关系包括交叉、对遇、追越和跟随。
一种适用于海上航行的船舶智能导航系统,包括ARPA导航模块、航行优化和能效评估模块、避碰预警和航路规划模块、数据接收模块和感知信息子系统。
感知信息子系统包括雷达探测模块、AIS模块、定位模块、电罗经模块、测深仪模块、常规气象要素探测模块、能见度模块和无线接收模块。
雷达探测模块,能输出30m—10km范围内的原始回波信息。
AIS模块,能输出本船周边海域目标船舶的位置、航速和航向信息。
定位模块,能输出本船自身的位置、航速和航向信息。
电罗经模块,能输出本船的船艏向和船艏转向速率信息。
测深仪模块,能输出本船当前所处位置的水深信息。
常规气象要素探测模块,能输出本船当前位置的气温、气压、湿度、风速、风向和降雨量。
能见度模块,能输出本船当前位置的能见度信息。
无线接收模块能获取第三方系统发布的大范围环境数据。
数据接收模块用于感知信息子系统中各类感知数据的数据采集。
ARPA导航模块能用于计算当前船舶周边半径R1内所有目标的位置、航速和航向,并根据当前船舶的位置、航速和航向;计算最小会遇距离DCPA和最小会遇时间TCPA。
航行优化和能效评估模块,内置有船舶油耗模型,能从经济航行策略和安全航行策略中选择最优的航行策略。
避碰预警和航路规划模块能在安全航行策略下,判断当前船舶与目标物的航行趋势关系,并计算碰撞风险系数,以及规划碰撞路径。
无线接收模块包括5G网络通信模块和VASAT卫星通信模块;其中,5G网络通信模块,能使得海上船舶在近岸航行时,通过5G公网获取第三方系统发布的大范围环境数据;VASAT卫星通信模块,能使得海上船舶在远洋航行中,通过卫星链路获取第三方系统发布的大范围环境数据。
本发明具有如下有益效果:
1、本发明能实现航路规划、航程优化、避碰预警、航行环境监测与保障等多个应用,主要用于海上各类船舶航行导航领域,可以进一步提高船舶航行的安全性(避碰预警),极大提升海洋航运的经济性(船舶节能减排),具有较大的市场需求和应用驱动力。
2、本发明采用“感—传—知—用”的系统架构,雷达、AIS、GPS、气象站等诸多船舶导航用设备数据统一送入系统内部,经过质控、标准化处理、分类存储后形成精确、标准化的船用导航数据,为后续应用模块开展不同的应用业务提供数据来源;系统导航应用中,不仅包含传统的基于目标的ARPA导航功能,更是融合了海洋环境数据,并结合人工智能算法,增加了航行优化、航路规划、能效评估等符合船舶导航应用智能化、多样化发展趋势的功能,同时,在不同的航行环境下,系统具有不同的应用流程,遵循经济航行与安全航行兼顾、安全优先的原则,保障了航运更安全、更经济、更高效。
附图说明
图1显示了本发明一种适用于海上航行的船舶智能导航系统的原理框图。
图2显示了本发明一种适用于海上航行的船舶智能导航方法的流程示意图。
具体实施方式
下面结合附图和具体较佳实施方式对本发明作进一步详细的说明。
本发明的描述中,需要理解的是,术语“左侧”、“右侧”、“上部”、“下部”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,“第一”、“第二”等并不表示零部件的重要程度,因此不能理解为对本发明的限制。本实施例中采用的具体尺寸只是为了举例说明技术方案,并不限制本发明的保护范围。
如图1所示,一种适用于海上航行的船舶智能导航系统,包括显控应用子系统、处理存储子系统和感知信息子系统。
感知信息子系统包括雷达探测模块、AIS模块、定位模块、电罗经模块、卫星计程仪模块、测深仪模块、常规气象要素探测模块、能见度模块和无线接收模块。
雷达探测模块,能输出30m—10km范围内的原始回波信息。
AIS模块,能输出本船周边海域目标船舶的位置、航速和航向等信息。
定位模块,优选为GPS模块,但也可以为北斗模块,能输出本船自身的位置、航速和航向等信息。
电罗经模块,能输出本船的船艏向和船艏转向速率等信息。
卫星计程仪模块,可输出本船航行里程、船舶姿态等信息。
测深仪模块,能输出本船当前所处位置的水深信息。
常规气象要素探测模块,能输出本船当前位置的气温、气压、湿度、风速、风向和降雨量等常规气象要素信息。
能见度模块,能输出本船当前位置的能见度信息。
上述无线接收模块能获取第三方系统发布的大范围环境数据。
无线接收模块优选包括5G网络通信模块和VASAT卫星通信模块;其中,5G网络通信模块,能使得海上船舶在近岸航行时,通过5G公网获取第三方系统发布的大范围环境数据;VASAT卫星通信模块,能使得海上船舶在远洋航行中,通过卫星链路获取第三方系统发布的大范围环境数据。
上述处理存储子系统,主要包括数据接收模块、数据质控与标准化模块和数据存储模块。
上述数据接收模块,主要用于感知信息子系统中各类感知数据的接口协议转换、以及数据采集;上述数据质控与标准化模块,主要用于所采集数据的清洗、加工,以及数据的时间对准和空间对准;上述数据存储模块,主要用于各类数据的分类存储。
上述显控应用子系统,主要包括综合显控模块、ARPA导航模块、航行优化和能效评估模块、避碰预警和航路规划模块。
上述综合显控模块,具备海域环境信息、航行状态信息的实时显示和查询功能,可实时监测各设备的状态并进行故障诊断。
ARPA导航模块能用于计算当前船舶周边半径R1内所有目标的位置、航速和航向,并根据当前船舶的位置、航速和航向;计算最小会遇距离DCPA和最小会遇时间TCPA。
航行优化和能效评估模块,内置有船舶油耗模型,能从经济航行策略和安全航行策略中选择最优的航行策略。也即,能对所获取的各类实时数据及第三方气象和水文预报数据进行分析、处理,可实现不同约束条件下的船舶经济航行策略在船端电子海图上自动设计和动态优化,可智能效益评估。
上述避碰预警和航路规划模块能在安全航行策略下,判断当前船舶与目标物的航行趋势关系,并计算碰撞风险系数,以及规划碰撞路径。也即,能在船端电子海图上显示本船在复杂海域环境下的船舶避碰策略,动态推荐安全航线。
如图2所示,一种适用于海上航行的船舶智能导航方法,包括如下步骤。
步骤1、构建船舶油耗模型,具体包括如下步骤。
步骤1-1、统计船舶类型:对待导航航段上航行的船舶类型进行统计,
步骤1-2、获取油耗样本集:对每种类型的船舶,分别统计其在不同船舶属性和不同小范围环境数据下的油耗与实际航速的关系曲线,从而形成油耗样本集;其中,小范围环境数据包括小范围气象数据和小范围水文数据;小范围气象数据和小范围水文数据则是指船舶周边半径R1水域内的气象、水文数据。
步骤1-3、构建船舶油耗模型:将船舶类型、船舶属性和小范围环境数据作为深度学习算法的输入,将油耗与实际航速的关系曲线作为深度学习算法的输出,构建基于深度学习算法的船舶油耗模型。
上述船舶属性包括船宽、船长、吨位、吃水等。
步骤1-4、训练:采用步骤1-2获取的油耗样本集,对步骤1-3构建的船舶油耗模型进行训练,得到训练后的船舶油耗模型。
上述训练后船舶油耗模型,同类型船舶,航行次数越多,模型将越准确。
步骤2、规划初始航行路径:根据当前船舶(也称本船)在待导航航段上的起点、终点及必过途经点,规划初始航行路径。其中,初始航行路径需根据本船过完航行任务、各国海事管理要求路线所生成的初始航行路径。
步骤3、初始航行:当前船舶按照步骤2规划的初始航行路径进行初始航行。
步骤4、目标物探测与判断:当前船舶在初始航行后,安装在当前船舶上的雷达探测模块、常规气象要素探测模块和AIS模块,将对当前船舶周边水域内目标物和小范围环境数据进行探测;其中,目标物包括静态目标和动态目标;接着,判断当前船舶周边半径R1的水域内是否有目标物。
步骤5、获取与判断灾害预警信息:当前船舶在初始航行的同时,安装在当前船舶上的无线接收模块实时获取第三方系统发布的大范围环境数据;大范围环境数据包括大范围气象数据、大范围水文数据和灾害预警信息;接着,判断当前船舶航行路径半径R2内有无灾害预警信息。本实施例中,R2>10R1,进一步优选为R1=3km,R2=100km。
步骤6、判断航行策略:航行策略包括经济航行策略和安全航行策略;其中,经济航行策略是以航行时间、油耗或总成本最优为航线规划的设计原则;安全航行策略是以海上目标碰撞规避、灾害天气避险为航线规划的设计原则。
当步骤4判断当前船舶周边半径R1的水域内无目标物且步骤5判断当前船舶航行路径半径R2内无灾害预警信息时,执行步骤7的经济航行策略;否则,执行步骤8的安全航行策略。
步骤7、经济航行策略,包括如下步骤:
步骤7-1、生成子航段:以航程短为优化目标,优选按IMO海上安全委员会发布的1228号通函为约束,生成经济航行路径。经济航行路径包括从当前位置航行至终点的n个连续的子航段,分别为S1、S2、S3、……、Si、……、Sn;其为在电子海图上生成的多条连线线段;其中,1≤i≤n。
步骤7-2、选择辅助优化目标:航行人员从航行时间最优、油耗最优和总成本最优中选择一项作为辅助优化目标。
步骤7-3、设计最佳航速:根据剩余子航段的平均航速和步骤1构建的船舶油耗模型,针对步骤7-2选择的辅助优化目标,对每个子航段分别设计最佳航速。
上述最佳航速的设计方法,具体优选为:
A、当辅助优化目标为航行时间最优时,则子航段Si对应的最佳航速Vi的计算公式为:
式中,Va为Si至Sn子航段的平均航速;Vmax为设定的最大安全航速。
假设按当前航行路径,当前时刻设为t1,预设到达时刻为t2,则剩余航行时间T1=t1-t2,剩余总航程S=Si+Sj……+Sn(Si、Sj……Sn为剩余航段),则Va的计算公式为:Va=S/T1。
B、当辅助优化目标为油耗最优时,在每一个子航段Si,均采用步骤1建立的船舶油耗模型,输出子航段Si的油耗与实际航速的关系曲线,则子航段Si的油耗与实际航速的关系曲线中最低油耗所对应的实际航速,即为子航段Si的最佳航速Vi。
C、当辅助优化目标为总成本最优时,在每一个子航段Si,均采用步骤1建立的船舶油耗模型,输出子航段Si的油耗与实际航速的关系曲线;在子航段Si的油耗与实际航速的关系曲线中,找出最低油耗Wmin相匹配的航速Vmin,以及平均油耗Wc相匹配的航速Vc,则子航段Si对应的最佳航速Vi的计算公式为:
Vi=m1*Vc+m2*S/Tr
其中:
T-20≤Tr≤T+20
0.8Vmin≤Vc≤1.2Vmin
式中,Tr为总成本约束下的Si至Sn子航段预计航行时间。
S为Si至Sn子航段的剩余总航程。
T为Si至Sn子航段的剩余要求的航行时间。
m1和m2为权值系数,m1>m2,且m1+m2=1;本实施例中,优选为m1=0.7,m2=0.3。
步骤7-4、当前船舶根据辅助优化目标所对应的最佳航速进行经济航行路径的航行。
步骤8、安全航行策略
当前船舶在航行路径半径R2内有灾害预警信息时,采取就近入港或锚地停留;否则,实时获取和计算当前船舶周边半径R1内所有目标的位置、航速和航向,并根据当前船舶的位置、航速和航向;计算最小会遇距离DCPA和最小会遇时间TCPA,判断当前船舶与目标物的航行趋势关系。其中,趋势关系包括交叉、对遇、追越和跟随。
接着,根据航行趋势关系计算碰撞风险系数CRI,具体计算公式优选为:
CRI=ω1u(DCPA)+ω2u(TCPA)
其中:
d2=2d1
式中,u(DCPA)为最小会遇距离DCPA的隶属函数;
u(TCPA)为最小会遇时间TCPA的隶属函数;
ω1,ω2分别为u(DCPA)和u(TCPA)的权重系数;本实施例中,优选ω1=10,ω2=10。
d1为设定的最小安全会遇距离。
d2为会遇冗余安全距离;t1为最小会遇安全时间,t2为会遇冗余安全时间。
VOT为当前船舶相对目标船舶的速度。
当碰撞风险系数大于或等于风险阈值时,进行碰撞路径规划;否则,当前船舶保持当前航速和航向继续航行。本实施例中,风险阈值优选为h=15,可根据权重系数值调整。
上述碰撞路径规划方法,为现有技术,优选根据《1972年国际海上避碰规则》中要求的交叉、对遇、追越、跟随场景下的避碰原则执行。
步骤9、重复步骤4至步骤8,直至达到终点。
以上详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换,这些等同变换均属于本发明的保护范围。
Claims (10)
1.一种适用于海上航行的船舶智能导航方法,其特征在于:包括如下步骤:
步骤1、构建船舶油耗模型,具体包括如下步骤:
步骤1-1、统计船舶类型:对待导航航段上航行的船舶类型进行统计,
步骤1-2、获取油耗样本集:对每种类型的船舶,分别统计其在不同船舶属性和不同小范围环境数据下的油耗与实际航速的关系曲线,从而形成油耗样本集;其中,小范围环境数据包括小范围气象数据和小范围水文数据;小范围气象数据和小范围水文数据则是指船舶周边半径R1水域内的气象、水文数据;
步骤1-3、构建船舶油耗模型:将船舶类型、船舶属性和小范围环境数据作为深度学习算法的输入,将油耗与实际航速的关系曲线作为深度学习算法的输出,构建基于深度学习算法的船舶油耗模型;
步骤1-4、训练:采用步骤1-2获取的油耗样本集,对步骤1-3构建的船舶油耗模型进行训练,得到训练后的船舶油耗模型;
步骤2、规划初始航行路径:根据当前船舶在待导航航段上的起点、终点及必过途经点,规划初始航行路径;
步骤3、初始航行:当前船舶按照步骤2规划的初始航行路径进行初始航行;
步骤4、目标物探测与判断:当前船舶在初始航行后,安装在当前船舶上的雷达探测模块、常规气象要素探测模块和AIS模块,将对当前船舶周边水域内目标物和小范围环境数据进行探测;其中,目标物包括静态目标和动态目标;接着,判断当前船舶周边半径R1的水域内是否有目标物;
步骤5、获取与判断灾害预警信息:当前船舶在初始航行的同时,安装在当前船舶上的无线接收模块实时获取第三方系统发布的大范围环境数据;大范围环境数据包括大范围气象数据、大范围水文数据和灾害预警信息;接着,判断当前船舶航行路径半径R2内有无灾害预警信息;
步骤6、判断航行策略:航行策略包括经济航行策略和安全航行策略;其中,经济航行策略是以航行时间、油耗或总成本最优为航线规划的设计原则;安全航行策略是以海上目标碰撞规避、灾害天气避险为航线规划的设计原则;
当步骤4判断当前船舶周边半径R1的水域内无目标物且步骤5判断当前船舶航行路径半径R2内无灾害预警信息时,执行步骤7的经济航行策略;否则,执行步骤8的安全航行策略;
步骤7、经济航行策略,包括如下步骤:
步骤7-1、生成子航段:以航程短为优化目标,动态生成经济航行路径;
步骤7-2、选择辅助优化目标:航行人员从航行时间最优、油耗最优和总成本最优中选择一项作为辅助优化目标;
步骤7-3、设计最佳航速:根据剩余子航段的平均航速和步骤1构建的船舶油耗模型,针对步骤7-2选择的辅助优化目标,对每个子航段分别设计最佳航速;
步骤7-4、当前船舶根据辅助优化目标所对应的最佳航速进行经济航行路径的航行;
步骤8、安全航行策略:当前船舶在航行路径半径R2内有灾害预警信息时,采取就近入港或锚地停留;否则,实时获取和计算当前船舶周边半径R1内所有目标的位置、航速和航向,并根据当前船舶的位置、航速和航向;计算最小会遇距离DCPA和最小会遇时间TCPA,判断当前船舶与目标物的航行趋势关系;接着,根据航行趋势关系计算碰撞风险系数,当碰撞风险系数大于或等于风险阈值时,进行碰撞路径规划;否则,当前船舶保持当前航速和航向继续航行;
步骤9、重复步骤4至步骤8,直至达到终点。
2.根据权利要求1所述的适用于海上航行的船舶智能导航方法,其特征在于:步骤7-1中,子航段生成方法为:以航程短为优化目标,生成经济航行路径;经济航行路径包括从当前位置航行至终点的n个连续的子航段,分别为S1、S2、S3、……、Si、……、Sn;其中,1≤i≤n。
3.根据权利要求2所述的适用于海上航行的船舶智能导航方法,其特征在于:步骤7-3中,最佳航速的设计方法,具体为:
A、当辅助优化目标为航行时间最优时,则子航段Si对应的最佳航速Vi的计算公式为:
式中,Va为剩余Si至Sn子航段的平均航速;Vmax为设定的最大安全航速;
B、当辅助优化目标为油耗最优时,在每一个子航段Si,均采用步骤1建立的船舶油耗模型,输出子航段Si的油耗与实际航速的关系曲线,则子航段Si的油耗与实际航速的关系曲线中最低油耗所对应的实际航速,即为子航段Si的最佳航速Vi;
C、当辅助优化目标为总成本最优时,在每一个子航段Si,均采用步骤1建立的船舶油耗模型,输出子航段Si的油耗与实际航速的关系曲线;在子航段Si的油耗与实际航速的关系曲线中,找出最低油耗Wmin相匹配的航速Vmin,以及平均油耗Wc相匹配的航速Vc,则子航段Si对应的最佳航速Vi的计算公式为:
Vi=m1*Vc+m2*S/Tr
其中:
T-20≤Tr≤T+20
0.8Vmin≤Vc≤1.2Vmin
式中,Tr为总成本约束下的Si至Sn子航段预计航行时间;
S为Si至Sn子航段的剩余总航程;
T为Si至Sn子航段的航行任务剩余要求的航行时间;
m1和m2为权值系数,m1>m2,且m1+m2=1。
4.根据权利要求3所述的适用于海上航行的船舶智能导航方法,其特征在于:m1=0.7,m2=0.3。
5.根据权利要求1所述的适用于海上航行的船舶智能导航方法,其特征在于:步骤5中,R1=3km,R2=100km。
6.根据权利要求1所述的适用于海上航行的船舶智能导航方法,其特征在于:步骤8中,碰撞风险系数CRI的计算公式为:
CRI=ω1u(DCPA)+ω2u(TCPA)
其中:
d2=2d1
式中,u(DCPA)为最小会遇距离DCPA的隶属函数;
u(TCPA)为最小会遇时间TCPA的隶属函数;
ω1,ω2分别为u(DCPA)和u(TCPA)的权重系数;
d1为设定的最小安全会遇距离;
d2为会遇冗余安全距离;t1为最小会遇安全时间,t2为会遇冗余安全时间;
VOT为当前船舶相对目标船舶的速度。
7.根据权利要求6所述的适用于海上航行的船舶智能导航方法,其特征在于:ω1=10,ω2=10。
8.根据权利要求1所述的适用于海上航行的船舶智能导航方法,其特征在于:步骤8中的趋势关系包括交叉、对遇、追越和跟随。
9.一种适用于海上航行的船舶智能导航系统,其特征在于:包括ARPA导航模块、航行优化和能效评估模块、避碰预警和航路规划模块、数据接收模块和感知信息子系统;
感知信息子系统包括雷达探测模块、AIS模块、定位模块、电罗经模块、测深仪模块、常规气象要素探测模块、能见度模块和无线接收模块;
雷达探测模块,能输出30m—10km范围内的原始回波信息;
AIS模块,能输出本船周边海域目标船舶的位置、航速和航向信息;
定位模块,能输出本船自身的位置、航速和航向信息;
电罗经模块,能输出本船的船艏向和船艏转向速率信息;
测深仪模块,能输出本船当前所处位置的水深信息;
常规气象要素探测模块,能输出本船当前位置的气温、气压、湿度、风速、风向和降雨量;
能见度模块,能输出本船当前位置的能见度信息;
无线接收模块能获取第三方系统发布的大范围环境数据;
数据接收模块用于感知信息子系统中各类感知数据的数据采集;
ARPA导航模块能用于计算当前船舶周边半径R1内所有目标的位置、航速和航向,并根据当前船舶的位置、航速和航向;计算最小会遇距离DCPA和最小会遇时间TCPA;
航行优化和能效评估模块,内置有船舶油耗模型,能从经济航行策略和安全航行策略中选择最优的航行策略;
避碰预警和航路规划模块能在安全航行策略下,判断当前船舶与目标物的航行趋势关系,并计算碰撞风险系数,以及规划碰撞路径。
10.根据权利要求9所述的适用于海上航行的船舶智能导航系统,其特征在于:无线接收模块包括5G网络通信模块和VASAT卫星通信模块;其中,5G网络通信模块,能使得海上船舶在近岸航行时,通过5G公网获取第三方系统发布的大范围环境数据;VASAT卫星通信模块,能使得海上船舶在远洋航行中,通过卫星链路获取第三方系统发布的大范围环境数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311149667.3A CN117232520A (zh) | 2023-09-06 | 2023-09-06 | 一种适用于海上航行的船舶智能导航系统及导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311149667.3A CN117232520A (zh) | 2023-09-06 | 2023-09-06 | 一种适用于海上航行的船舶智能导航系统及导航方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117232520A true CN117232520A (zh) | 2023-12-15 |
Family
ID=89093994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311149667.3A Pending CN117232520A (zh) | 2023-09-06 | 2023-09-06 | 一种适用于海上航行的船舶智能导航系统及导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117232520A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117433540A (zh) * | 2023-12-20 | 2024-01-23 | 北京海兰信数据科技股份有限公司 | 船舶的航行方法、终端设备及可读存储介质 |
CN117889865A (zh) * | 2024-03-14 | 2024-04-16 | 交通运输部水运科学研究所 | 一种基于机器视觉的船舶航行路线优化方法、系统及介质 |
CN117910674A (zh) * | 2024-03-19 | 2024-04-19 | 平潭综合实验区智慧岛投资发展有限公司 | 一种基于机器学习的海上船舶指挥方法及系统 |
-
2023
- 2023-09-06 CN CN202311149667.3A patent/CN117232520A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117433540A (zh) * | 2023-12-20 | 2024-01-23 | 北京海兰信数据科技股份有限公司 | 船舶的航行方法、终端设备及可读存储介质 |
CN117433540B (zh) * | 2023-12-20 | 2024-04-02 | 北京海兰信数据科技股份有限公司 | 船舶的航行方法、终端设备及可读存储介质 |
CN117889865A (zh) * | 2024-03-14 | 2024-04-16 | 交通运输部水运科学研究所 | 一种基于机器视觉的船舶航行路线优化方法、系统及介质 |
CN117889865B (zh) * | 2024-03-14 | 2024-06-07 | 交通运输部水运科学研究所 | 一种基于机器视觉的船舶航行路线优化方法、系统及介质 |
CN117910674A (zh) * | 2024-03-19 | 2024-04-19 | 平潭综合实验区智慧岛投资发展有限公司 | 一种基于机器学习的海上船舶指挥方法及系统 |
CN117910674B (zh) * | 2024-03-19 | 2024-05-31 | 平潭综合实验区智慧岛投资发展有限公司 | 一种基于机器学习的海上船舶指挥方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107748561B (zh) | 一种基于多传感参数的无人船局部避障系统及方法 | |
CN111028546B (zh) | 基于岸基雷达面向智能船舶的多船协同避碰系统和方法 | |
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 | |
US12013243B2 (en) | Passage planning and navigation systems and methods | |
CN104267723B (zh) | 远洋船舶导航自动航行系统及导航方法 | |
CN105070101B (zh) | 筒型平台拖带风险预警及可视化系统 | |
CN104267724A (zh) | 船舶航行的控制方法、装置和系统 | |
KR101894674B1 (ko) | 해양 내비게이션 장치 및 항로 제공 방법 | |
KR101799216B1 (ko) | 해양 내비게이션 장치 및 항로 제공 방법 | |
CN107886773B (zh) | 一种基于信息量的船舶所处会遇态势紧迫度量化分析方法 | |
CN111536962B (zh) | 智能船舶的航线规划方法及装置、存储介质、计算机设备 | |
KR101719142B1 (ko) | 해양 내비게이션 장치 및 항로 제공 방법 | |
CN114444315B (zh) | 一种船舶避台航线模拟方法及系统 | |
Blaich et al. | Fast grid based collision avoidance for vessels using A∗ search algorithm | |
CN109460021A (zh) | 船只智能航行会遇航迹识别精算避碰系统 | |
CN109911140A (zh) | 一种水域航行信息增强装置、系统及方法 | |
CN111599130A (zh) | 一种海上救助的环境风险预警系统 | |
CN110262482A (zh) | 一种无人船航速控制方法及无人船 | |
CN106372750A (zh) | 一种航行管理方法及系统 | |
CN111220985B (zh) | 一种靠离泊辅助系统 | |
CN117311160A (zh) | 一种基于人工智能的自动控制系统和控制方法 | |
Verwilligen et al. | Full-scale measurements of vertical motions on ultra large container vessels in Scheldt estuary | |
CN115936190A (zh) | 一种智能航行作业风险预警方法 | |
CN210221113U (zh) | 一种基于三维电子航道图的内河路径规划系统 | |
CN113188538A (zh) | 一种近海海域小型船舶态势分析方法 |
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 |