CN117826824B - 船舶自适应自主航行决策方法、装置及电子设备 - Google Patents
船舶自适应自主航行决策方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117826824B CN117826824B CN202410071266.9A CN202410071266A CN117826824B CN 117826824 B CN117826824 B CN 117826824B CN 202410071266 A CN202410071266 A CN 202410071266A CN 117826824 B CN117826824 B CN 117826824B
- Authority
- CN
- China
- Prior art keywords
- ship
- model
- collision
- constructing
- interval
- 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
- 238000000034 method Methods 0.000 title claims abstract description 111
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 55
- 238000013178 mathematical model Methods 0.000 claims description 28
- 230000003044 adaptive effect Effects 0.000 claims description 17
- 230000002265 prevention Effects 0.000 claims description 13
- 238000011160 research Methods 0.000 claims description 12
- 238000012954 risk control Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 102100023702 C-C motif chemokine 13 Human genes 0.000 description 1
- 102100023705 C-C motif chemokine 14 Human genes 0.000 description 1
- 101100382872 Homo sapiens CCL13 gene Proteins 0.000 description 1
- 101100382874 Homo sapiens CCL14 gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种船舶自适应自主航行决策方法、装置及电子设备，该方法包括：基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，确定船舶危险操纵区间；基于所述船舶危险操纵区间，构建船舶动态碰撞危险度模型；构建航迹跟踪算法模型和多船避碰模型，且基于所述船舶动态碰撞危险度模型、所述多船避碰模型和所述航迹跟踪算法模型，构建船舶航行决策模型；获取当前时刻的船舶状态，将所述当前时刻的船舶状态输入至预设的船舶状态预测模型中，得到预测的下一时刻的船舶状态；将所述下一时刻的船舶状态输入至所述船舶航行决策模型中，得到对应的船舶航行决策方案。本发明可以解决现有的船舶航行决策方法无法满足船舶避让的需求的问题。
Description
技术领域
本发明涉及船舶技术领域，具体涉及一种船舶自适应自主航行决策方法、装置及电子设备。
背景技术
船舶的智能化和无人化是近年来航运发展的重要方向，目前，智能船自主航行决策和航行安全问题越来越成为国内外学者研究的对象。
虽然目前有多种方法和理论应用于船舶避碰和自主航行领域，但大部分决策方法未考虑避碰规则或者假定船舶保向保速。此外，大多数研究很少考虑目标船的机动行为。而目标船突然变速变向行为在实际航行场景中经常出现，这增加了船舶避让和自主航行研究的难度。综上，现有的船舶航行决策方法无法满足船舶避让的需求。
发明内容
有鉴于此，有必要提供一种船舶自适应自主航行决策方法、装置及电子设备，用以解决现有的船舶航行决策方法无法满足船舶避让的需求的技术问题。
为了解决上述问题，本发明提供了一种船舶自适应自主航行决策方法，包括：
基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，构建操纵区间求取方法，以基于所述操纵区间求取方法确定船舶危险操纵区间；
基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型；
结合研究水域特点构建航迹跟踪算法模型和多船避碰模型，且基于所述船舶动态碰撞危险度模型、所述多船避碰模型和所述航迹跟踪算法模型，构建船舶航行决策模型；
获取当前时刻的船舶状态，将所述当前时刻的船舶状态输入至预设的船舶状态预测模型中，得到预测的下一时刻的船舶状态；
将所述下一时刻的船舶状态输入至所述船舶航行决策模型中，得到对应的船舶航行决策方案。
进一步地，所述改进速度障碍算法模型，是基于船舶运动模型和预设的船舶避碰规则构建得到。
进一步地，所述基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，确定船舶危险操纵区间，包括：
基于所述船舶运动模型、所述改进速度障碍算法模型和所述PID航向控制模型，确定船舶在未来目标时间段的运动状态；
基于所述船舶在未来目标时间段的运动状态，构建相对碰撞区；
基于所述相对碰撞区、船舶之间的相对速度、船舶避碰规则以及数学模型方法，确定船舶危险操纵区间。
进一步地，所述基于所述相对碰撞区、船舶之间的相对速度、船舶避碰规则以及数学模型方法，确定船舶危险操纵区间，包括：
对所述相对碰撞区以及船舶之间的相对速度，进行闵可夫斯基矢量和运算，得到VO区间；
基于所述VO区间并结合船舶避碰规则和航行规则，确定船舶危险操纵区间。
进一步地，所述基于所述VO区间并结合船舶避碰规则和航行规则，确定船舶危险操纵区间，包括：
对所述VO区间以及所述船舶避碰规则和所述航行规则取并集，得到船舶危险操纵区间。
进一步地，所述基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型，包括：
基于所述船舶危险操纵区间对应的船舶危险操纵航向取值范围、船舶危险操纵车钟的取值范围，以及船舶操纵决策，并结合数学模型方法，构建船舶动态碰撞危险度模型。
进一步地，所述构建多船避碰模型，包括：
确定多艘目标船舶的速度障碍集合；
基于所述速度障碍集合、船舶操纵性约束以及船舶航行规则构建多船避碰模型。
本发明还提供一种船舶自适应自主航行决策装置，包括：
危险操纵区间确定模块，用于基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，构建操纵区间求取方法，以基于所述操纵区间求取方法确定船舶危险操纵区间；
危险度模型构建模块，用于基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型；
决策模型构建模块，用于结合研究水域特点构建航迹跟踪算法模型和多船避碰模型，且基于所述船舶动态碰撞危险度模型、所述多船避碰模型和所述航迹跟踪算法模型，构建船舶航行决策模型；
状态预测模块，用于获取当前时刻的船舶状态，将所述当前时刻的船舶状态输入至预设的船舶状态预测模型中，得到预测的下一时刻的船舶状态；
决策确定模块，用于将所述下一时刻的船舶状态输入至所述船舶航行决策模型中，得到对应的船舶航行决策方案。
本发明还提供一种电子设备，包括存储器和处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现如上述任意一项所述的船舶自适应自主航行决策方法中的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的船舶自适应自主航行决策方法。
采用上述实现方式的有益效果是：本发明提供的船舶自适应自主航行决策方法、装置及电子设备，基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，构建操纵区间求取方法，以基于所述操纵区间求取方法确定船舶危险操纵区间；基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型，用于船舶避碰时机选择；结合研究水域特点构建航迹跟踪算法模型和多船避碰模型，且基于所述船舶动态碰撞危险度模型、所述多船避碰模型和所述航迹跟踪算法模型，构建船舶航行决策模型；获取当前时刻的船舶状态，将所述当前时刻的船舶状态输入至预设的船舶状态预测模型中，得到预测的下一时刻的船舶状态；将所述下一时刻的船舶状态输入至所述船舶航行决策模型中，得到对应的船舶航行决策方案；本发明考虑船舶操纵性、良好船艺要求对传统速度障碍算法模型进行改进，结合自适应航迹跟踪算法，提出一种基于模型预测控制思想的船舶自适应自主航行决策模型，解决现有的船舶航行决策方法无法满足船舶避让的需求的技术问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，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为本发明提供的船舶自适应自主航行决策方法的一实施例的流程图；
图2为本发明提供的两船会遇关系图；
图3为本发明提供的四元船舶领域示意图；
图4为本发明提供的模糊PID控制原理图；
图5为本发明提供的不同角度下船舶的预测轨迹示意图；
图6为本发明提供的速度障碍原理图；
图7为本发明提供的改进速度障碍的示意图；
图8为本发明提供的LOS 制导原理示意图；
图9为本发明提供的基于MPC思想的自主航行决策方法流程；
图10为本发明提供的船舶自适应自主航行决策装置的一实施例的原理框图；
图11为本发明提供的电子设备的一个实施例结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。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。
在本申请实施例的描述中，除非另有说明， “多个”的含义是两个或两个以上。
本发明实施例中术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本发明实施例中出现的对步骤进行的命名或者编号，并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤，已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序，只要能达到相同或者相似的技术效果即可。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。
本发明提供了一种船舶自适应自主航行决策方法、装置及电子设备，以下分别进行说明。
如图1所示，本发明提供一种船舶自适应自主航行决策方法，包括：
步骤110、基于构建的船舶运动模型、PID（比例积分微分控制）航向控制模型以及改进速度障碍算法模型，构建操纵区间求取方法，以基于所述操纵区间求取方法确定船舶危险操纵区间；
步骤120、基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型；
步骤130、结合研究水域特点构建航迹跟踪算法模型和多船避碰模型，且基于所述船舶动态碰撞危险度模型、所述多船避碰模型和所述航迹跟踪算法模型，构建船舶航行决策模型；
步骤140、获取当前时刻的船舶状态，将所述当前时刻的船舶状态输入至预设的船舶状态预测模型中，得到预测的下一时刻的船舶状态；
步骤150、将所述下一时刻的船舶状态输入至所述船舶航行决策模型中，得到对应的船舶航行决策方案。
可以理解的是，假定本船和目标船两船会遇时，会遇态势如图2所示，本船和目标船的航向、航速和位置为和/>。Q为目标船相对本船的方位，Q1为本船相对目标船的方位。
根据两船间相对位置，船舶会遇局面一般划分为对遇、交叉和追越三种局面。
基于避碰规则以及会遇船舶态势，局面的划分如表1所示，其中CRI（CollisionRisk Index）为船舶碰撞危险度，TCPA（Time to Closest Point of Approach）为船舶的最近会遇时间。
表1：船舶会遇局面划分
船舶领域模型的构建主要有统计分析方法、智能算法以及解析表达等方式。本发明在充分考虑避碰规则约束下船舶避碰特点，结合船舶的操纵特性，选用四元船舶领域模型用于船舶自主航行决策。
如图3所示，四元船舶领域的边界方程式（1）所示。
(1)
式中，R f、R s、R a和R p分别为船舶领域在X轴与Y轴正负方向的半径长度，可由式（2）确定。
（2）
上式中：L为船长，K AD为船舶进距系数，K DT为船舶的旋回初径的增益系数，可根据经验公式进行计算，具体见式（3）。
（3）
上式中：V为本船速度。
在一些实施例中，所述改进速度障碍算法模型，是基于船舶运动模型和预设的船舶避碰规则构建得到。
可以理解的是，船舶运动模型将作用于船舶上的流体动力按照物理意义分解，然后考虑它们之间的相互干涉，最终构建出船舶运动数学模型。
在船舶避碰过程中，纵摇、垂荡和横摇的运动对船舶避让的精度影响较小，一般可以忽略不计。因此，仅考虑横荡、纵荡和首摇运动方向的三自由度船舶运动模型如下式：
（4）
船舶运动模型中螺旋桨推力随转速和航速变化主要体现在推力减额系数，推力减额系数受螺旋桨负荷及船舶运动状态的影响，见下式（5）。
（5）
上式中，u 0为额定速度，u为瞬时速度，t p0 '为额定速度时的船舶减额系数。
t p0也受船舶运动的影响，主要是旋转运动和横向运动，如下式。
（6）
为了更好的考虑船舶在海上航行时受到外界环境干扰和船舶运动的影响，引入参数u，则得到：
（7）
上式中，f为船舶运动的影响函数。
航海实践中，船长通过分档车钟来控制和改变船舶速度。车钟代表特定的转速，不同车钟速度相差较大，如表2所示为散货船“华洋理想”车钟分档与对应匹配航速。
表2 车钟转速表
模糊控制方法：
PID航向控制模型，即采用模糊PID控制模型对船舶航向进行控制，通过模糊推理实时调整PID参数，实现船舶航向控制系统的实时、准确调整。船舶航向模糊控制器的控制流程如图4所示。
图4中，y d和y(t)表示目标航向和实际航向。模糊控制器的输入量包括航向差E及转首角速度误差EC，即系统中的航向偏差和航向偏差变化率；输出量为PID参数K P、K i、K d。
将各输入、输出变量的模糊子集设定为{正大(PB)，正中(PM)，正小(PS)，零(ZO)，负小(NS)，负中(NM)，负大(NB)}，由PID控制原理可知，参数K P、K i、K d对控制系统输出特性的影响主要表现为：参数K P影响系统响应速度，主要由目标航向与实际航向之间的偏差决定；K i主要影响系统稳态特性，由目标航向与实际航向之间的累积偏差确定；K d主要影响系统动态特性，表征船舶接近目标航线的速度。
在一些实施例中，所述基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，确定船舶危险操纵区间，包括：
基于所述船舶运动模型、所述改进速度障碍算法模型和所述PID航向控制模型，确定船舶在未来目标时间段的运动状态；
基于所述船舶在未来目标时间段的运动状态，构建相对碰撞区；
基于所述相对碰撞区、船舶之间的相对速度、船舶避碰规则以及数学模型方法，确定船舶危险操纵区间。
进一步地，所述基于所述相对碰撞区、船舶之间的相对速度、船舶避碰规则以及数学模型方法，确定船舶危险操纵区间，包括：
对所述相对碰撞区以及船舶之间的相对速度，进行闵可夫斯基矢量和运算，得到VO区间；
基于所述VO区间并结合船舶避碰规则和航行规则，确定船舶危险操纵区间。
进一步地，所述基于所述VO区间并结合船舶避碰规则和航行规则，确定船舶危险操纵区间，包括：
基于所述VO区间并结合船舶避碰规则和航行规则，确定船舶危险操纵区间可以理解的是，基于模糊PID的航向控制方法、船舶运动模型和速度障碍算法求取船舶危险操纵区间。危险操纵区间是指会导致两船最终碰撞的船舶操纵方案集合，可由速度障碍算法，结合船舶运动模型和避碰规则得出。
本发明采用非线性运动数学模型作为本船轨迹的预测模型，用于推演船舶在不同时刻不同转向角下的位置、航向等。
使用四阶龙格-库塔方法，可以获得未来任一时刻船舶位置和参数的离散方程，如式（8）：
（8）
结合船舶运动模型和模糊自适应PID模型可以预测本船在一段时间内运动状态，图5显示了船舶在时间t时的操纵运动的轨迹集合。
相对碰撞区RCC（relative collision cone）表示两船发生碰撞的相对速度的集合，可有以下公式表示：
（9）
式中，是目标船的船舶领域，/>是以相对速度V 12和O为顶点共线的射线。
对于本船而言，更为关注的是本船的速度矢量是否引起碰撞。如图6中蓝色区域，若本船的速度落入VO中，两船舶将会发生碰撞。VO可有下式表示：
（10）
式中：为闵可夫斯基矢量和运算，其目的是获得两个欧几里得空间的点。上式可改成式（11）表示。
（11）
式中：P 1代表本船的船位。
考虑到避碰规则对船舶行为的约束，即船舶违反规则的行为也视为危险操纵，因此船舶危险操纵区间可由下式确定。
（12）
式中：RL是违法规则的危险操纵区间，VT是船舶不可操纵区间，DA是船舶危险操纵区间。
在一些实施例中，所述基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型，包括：
基于所述船舶危险操纵区间对应的船舶危险操纵航向取值范围、船舶危险操纵车钟的取值范围，以及船舶操纵决策，并结合数学模型方法，构建船舶动态碰撞危险度模型。
可以理解的是，碰撞危险度是衡量船舶之间避让紧迫程度的物理量，由相对速度、方位、距离等两船状态决定。衡量不同情况下船舶碰撞的紧迫性，用于决定多船避让下的优先级。
从船长和引航员的角度来看，与船舶之间避让的可行操纵范围越大，紧迫性越低。因此，结合船舶领域和船舶操纵性，可以通过当前时刻可能导致碰撞的危险操纵决策在所有操纵决策中的比例来衡量船舶动态碰撞危险度模型，公式可表示为：
（13）
其中，n(DA)和n(AT)分别为船舶危险操纵和所有操纵范围的数量。CRI的取值为，该值越大，船舶之间发生碰撞的危险越大。当CRI=0时，表示船舶之间不存在碰撞危险。当CRI＝1时，这意味着船舶之间必然会发生碰撞。
考虑到船舶操纵性，公式（12）可转变成公式（14）。
（14）
式中，代表船舶操纵决策，k代表船舶危险操纵航向取值范围，n代表船舶危险操纵车钟的取值范围。
在一些实施例中，船舶自适应自主航行决策方法，所述构建多船避碰模型，包括：
确定多艘目标船舶的速度障碍集合；
基于所述速度障碍集合、船舶操纵性约束以及船舶航行规则构建多船避碰模型。
可以理解的是，对于多船会遇情形，可能存在本船需要更大的转向角度才可以实现船舶避碰的操纵策略集合，这可能导致不符合良好船艺要求。因此，可根据研究场景需要设置合适的最大转向角，其求取符合良好船艺要求的速度障碍区可采用下式表示：
（15）
上式中：VVO i表示所有目标船的速度障碍集合，TS i表示第i艘目标船，i=1表示目标船的数量有n艘。
进一步的，将船舶操纵性约束和航行规则约束引入速度障碍模型中，可得下式。
（16）
上式中：是一个数学运算符。K VO是船舶操纵性约束系数，该系数是从船舶操纵性仿真实验中获得的。P VO为船舶航行规则约束。因此，考虑船舶操纵性的速度障碍可行操纵范围示意图如图7所示。
图7中，RCC和CC分别为危险操纵区域和不可行操纵范围。对于当前的多船会遇局面，可行的操纵范围包括NCC1和NCC2。
航迹跟踪方法：
船舶航迹控制根据船舶当前的运动状态以及与计划航线的相对位置，应用运动控制方法控制船舶的运动状态，调整航向，实现对计划航线的保持和跟随。视线制导算法是一种直线循迹方法，可以引导船舶跟踪并保持直线航迹段，示意图如图8所示。
设N为正北方向；T k 、T k+1为船舶转向点；船舶在P 0处的位置偏差为d POS，计划航向为，目标点为P LOS，目标点同船舶连线和计划航线之间的交角为α，目标航向为/>。可得船舶在P 0处的目标航向/>的计算公式：
（17）
其中：
（18）
为了保证上式始终存在解集，应满足以下公式：
（19）
式中，R是圆的半径，该参数影响船舶复航。本发明提出了一个自适应接受圆半径R，以提高船舶偏离航线后航迹跟踪的性能，半径R表示见下式。
(20)
其中，R min是本船的最小转弯半径；是轨迹点P k处参考轨迹的角度；/>是比例因子，可通过以下公式得出：
(21)
自主航行决策方法：
船舶自主航行决策方案基于船舶当前时刻的状态得到，然后操纵船舶机动。在计算决策和操纵船舶过程中，受到模型误差、风浪以及决策误差等干扰，船舶偏离预定计算轨迹。因此利用模型预测控制思想，并结合控制系统的输入、输出数据，在有限时域范围内对系统未来的运动进行预测，然后进行滚动优化，不断更新船舶状态。基于模型预测控制思想的自主航行决策方法流程如图9所示。
船舶自主航行决策由以下几个部分组成：首先基于现有的船舶设备智能感知船舶状态，结合良好船艺和海上避碰规则局面辨识量化船舶碰撞风险。其次，综合考虑避碰规则的约束条件、船舶操纵性的影响、良好航海能力的要求，基于改进速度障碍和自适应LOS形成的优化决策，构建避碰决策和自主航行模块。然后，利用包括船舶运动模型和模糊PID控制模型的控制模块实现船舶自主航行决策。最后，基于模型预测控制思想实现了船舶自主航行决策的实时滚动更新。
为了验证提出的自主航行决策方法的可行性和有效性，本文选取真实的近岸海洋环境进行仿真实验。目标船选择是基于真实的AIS数据，采用基于OpenCPN软件开发的仿真平台进行仿真实验。OpenCPN采用wxWidgets界面框架，可以接收各类导助航设备的多源异构信息，实时反映船舶航行过程的电子海图显示软件。
综上所述，本发明结合航向控制方法、船舶运动模型和速度障碍算法构建了一种操纵区间求取方法，基于操纵区间求取模型构建了船舶动态船舶动态碰撞危险度模型，用于船舶避碰时机选择。考虑船舶操纵性、良好船艺要求对传统速度障碍算法进行改进，结合自适应LOS航迹跟踪算法，提出一种基于模型预测控制思想的船舶自适应自主航行决策方法。该模型可自适应矫正决策误差及决策方案，能够有效的避让复杂水域多船会遇场景实现船舶自主航行，具有很好的适用性和可靠性。
本发明提供的船舶自适应自主航行决策方法，包括：基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，构建操纵区间求取方法，以基于所述操纵区间求取方法确定船舶危险操纵区间；基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型，用于船舶避碰时机选择；结合研究水域特点构建航迹跟踪算法模型和多船避碰模型，且基于所述船舶动态碰撞危险度模型、所述多船避碰模型和所述航迹跟踪算法模型，构建船舶航行决策模型；获取当前时刻的船舶状态，将所述当前时刻的船舶状态输入至预设的船舶状态预测模型中，得到预测的下一时刻的船舶状态；将所述下一时刻的船舶状态输入至所述船舶航行决策模型中，得到对应的船舶航行决策方案；本发明考虑船舶操纵性、良好船艺要求对传统速度障碍算法模型进行改进，结合自适应航迹跟踪算法，提出一种基于模型预测控制思想的船舶自适应自主航行决策模型，解决现有的船舶航行决策方法无法满足船舶避让的需求的技术问题。
如图10所示，本发明还提供一种船舶自适应自主航行决策装置1000，包括：
危险操纵区间确定模块1010，用于基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，构建操纵区间求取方法，以基于所述操纵区间求取方法确定船舶危险操纵区间；
危险度模型构建模块1020，用于基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型；
决策模型构建模块1030，用于结合研究水域特点构建航迹跟踪算法模型和多船避碰模型，且基于所述船舶动态碰撞危险度模型、所述多船避碰模型和所述航迹跟踪算法模型，构建船舶航行决策模型；
状态预测模块1040，用于获取当前时刻的船舶状态，将所述当前时刻的船舶状态输入至预设的船舶状态预测模型中，得到预测的下一时刻的船舶状态；
决策确定模块1050，用于将所述下一时刻的船舶状态输入至所述船舶航行决策模型中，得到对应的船舶航行决策方案。
上述实施例提供的船舶自适应自主航行决策装置可实现上述船舶自适应自主航行决策方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述船舶自适应自主航行决策方法实施例中的相应内容，此处不再赘述。
如图11所示，本发明还相应提供了一种电子设备1100。该电子设备1100包括处理器1101、存储器1102及显示器1103。图11仅示出了电子设备1100的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
存储器1102在一些实施例中可以是电子设备1100的内部存储单元，例如电子设备1100的硬盘或内存。存储器1102在另一些实施例中也可以是电子设备1100的外部存储设备，例如电子设备1100上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。
进一步地，存储器1102还可既包括电子设备1100的内部储存单元也包括外部存储设备。存储器1102用于存储安装电子设备1100的应用软件及各类数据。
处理器1101在一些实施例中可以是一个中央处理器（Central Processing Unit，CPU），微处理器或其他数据处理芯片，用于运行存储器1102中存储的程序代码或处理数据，例如本发明中的船舶自适应自主航行决策方法。
显示器1103在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。显示器1103用于显示在电子设备1100的信息以及用于显示可视化的用户界面。电子设备1100的部件1101-1103通过系统总线相互通信。
在本发明的一些实施例中，当处理器1101执行存储器1102中的船舶自适应自主航行决策程序时，可实现以下步骤：
基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，构建操纵区间求取方法，以基于所述操纵区间求取方法确定船舶危险操纵区间；
基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型；
结合研究水域特点构建航迹跟踪算法模型和多船避碰模型，且基于所述船舶动态碰撞危险度模型、所述多船避碰模型和所述航迹跟踪算法模型，构建船舶航行决策模型；
获取当前时刻的船舶状态，将所述当前时刻的船舶状态输入至预设的船舶状态预测模型中，得到预测的下一时刻的船舶状态；
将所述下一时刻的船舶状态输入至所述船舶航行决策模型中，得到对应的船舶航行决策方案。
应当理解的是：处理器1101在执行存储器1102中的船舶自适应自主航行决策程序时，除了上面的功能之外，还可实现其他功能，具体可参见前面相应方法实施例的描述。
进一步地，本发明实施例对提及的电子设备1100的类型不作具体限定，电子设备1100可以为手机、平板电脑、个人数字助理（personaldigitalassistant，PDA)、可穿戴设备、膝上型计算机（laptop）等便携式电子设备。便携式电子设备的示例性实施例包括但不限于搭载IOS、android、microsoft或者其他操作系统的便携式电子设备。上述便携式电子设备也可以是其他便携式电子设备，诸如具有触敏表面（例如触控面板）的膝上型计算机（laptop）等。还应当理解的是，在本发明其他一些实施例中，电子设备1100也可以不是便携式电子设备，而是具有触敏表面（例如触控面板）的台式计算机。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的船舶自适应自主航行决策方法，该方法包括：
基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，构建操纵区间求取方法，以基于所述操纵区间求取方法确定船舶危险操纵区间；
基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型；
结合研究水域特点构建航迹跟踪算法模型和多船避碰模型，且基于所述船舶动态碰撞危险度模型、所述多船避碰模型和所述航迹跟踪算法模型，构建船舶航行决策模型；
获取当前时刻的船舶状态，将所述当前时刻的船舶状态输入至预设的船舶状态预测模型中，得到预测的下一时刻的船舶状态；
将所述下一时刻的船舶状态输入至所述船舶航行决策模型中，得到对应的船舶航行决策方案。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，程序可存储于计算机可读存储介质中。其中，计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上对本发明所提供的船舶自适应自主航行决策方法、装置及电子设备进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种船舶自适应自主航行决策方法，其特征在于，包括：
基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，构建操纵区间求取方法，以基于所述操纵区间求取方法确定船舶危险操纵区间；
基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型；
结合研究水域特点构建航迹跟踪算法模型和多船避碰模型，且基于所述船舶动态碰撞危险度模型、所述多船避碰模型和所述航迹跟踪算法模型，构建船舶航行决策模型；
获取当前时刻的船舶状态，将所述当前时刻的船舶状态输入至预设的船舶状态预测模型中，得到预测的下一时刻的船舶状态；
将所述下一时刻的船舶状态输入至所述船舶航行决策模型中，得到对应的船舶航行决策方案；
所述基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，确定船舶危险操纵区间，包括：
基于所述船舶运动模型、所述改进速度障碍算法模型和所述PID航向控制模型，确定船舶在未来目标时间段的运动状态；
基于所述船舶在未来目标时间段的运动状态，构建相对碰撞区；
基于所述相对碰撞区、船舶之间的相对速度、船舶避碰规则以及数学模型方法，确定船舶危险操纵区间；
所述基于所述相对碰撞区、船舶之间的相对速度、船舶避碰规则以及数学模型方法，确定船舶危险操纵区间，包括：
对所述相对碰撞区以及船舶之间的相对速度，进行闵可夫斯基矢量和运算，得到VO区间；
基于所述VO区间并结合船舶避碰规则和航行规则，确定船舶危险操纵区间；
所述基于所述VO区间并结合船舶避碰规则和航行规则，确定船舶危险操纵区间，包括：
对所述VO区间以及所述船舶避碰规则和所述航行规则取并集，得到船舶危险操纵区间；
所述基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型，包括：
基于所述船舶危险操纵区间对应的船舶危险操纵航向取值范围、船舶危险操纵车钟的取值范围，以及船舶操纵决策，并结合数学模型方法，构建船舶动态碰撞危险度模型。
2.根据权利要求1所述的船舶自适应自主航行决策方法，其特征在于，所述改进速度障碍算法模型，是基于所述船舶运动模型、航行规则和船舶避碰规则构建得到。
3.根据权利要求1-2任一项所述的船舶自适应自主航行决策方法，其特征在于，构建所述多船避碰模型，包括：
确定多艘目标船舶的速度障碍集合；
基于所述速度障碍集合、船舶操纵性约束以及船舶航行规则构建多船避碰模型。
4.一种船舶自适应自主航行决策装置，其特征在于，包括：
危险操纵区间确定模块，用于基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，构建操纵区间求取方法，以基于所述操纵区间求取方法确定船舶危险操纵区间；
船舶动态危险度模型构建模块，用于基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型；
决策模型构建模块，用于结合研究水域特点构建航迹跟踪算法模型和多船避碰模型，且基于所述船舶动态碰撞危险度模型、所述多船避碰模型和所述航迹跟踪算法模型，构建船舶航行决策模型；
状态预测模块，用于获取当前时刻的船舶状态，将所述当前时刻的船舶状态输入至预设的船舶状态预测模型中，得到预测的下一时刻的船舶状态；
决策确定模块，用于将所述下一时刻的船舶状态输入至所述船舶航行决策模型中，得到对应的船舶航行决策方案；
所述基于构建的船舶运动模型、PID航向控制模型以及改进速度障碍算法模型，确定船舶危险操纵区间，包括：
基于所述船舶运动模型、所述改进速度障碍算法模型和所述PID航向控制模型，确定船舶在未来目标时间段的运动状态；
基于所述船舶在未来目标时间段的运动状态，构建相对碰撞区；
基于所述相对碰撞区、船舶之间的相对速度、船舶避碰规则以及数学模型方法，确定船舶危险操纵区间；
所述基于所述相对碰撞区、船舶之间的相对速度、船舶避碰规则以及数学模型方法，确定船舶危险操纵区间，包括：
对所述相对碰撞区以及船舶之间的相对速度，进行闵可夫斯基矢量和运算，得到VO区间；
基于所述VO区间并结合船舶避碰规则和航行规则，确定船舶危险操纵区间；
所述基于所述VO区间并结合船舶避碰规则和航行规则，确定船舶危险操纵区间，包括：
对所述VO区间以及所述船舶避碰规则和所述航行规则取并集，得到船舶危险操纵区间；
所述基于所述船舶危险操纵区间及数学模型方法，构建船舶动态碰撞危险度模型，包括：
基于所述船舶危险操纵区间对应的船舶危险操纵航向取值范围、船舶危险操纵车钟的取值范围，以及船舶操纵决策，并结合数学模型方法，构建船舶动态碰撞危险度模型。
5.一种电子设备，其特征在于，包括存储器和处理器，其中，
所述存储器，用于存储程序；
所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现如权利要求1至3中任意一项所述的船舶自适应自主航行决策方法中的步骤。
6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的船舶自适应自主航行决策方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410071266.9A CN117826824B (zh) | 2024-01-18 | 2024-01-18 | 船舶自适应自主航行决策方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410071266.9A CN117826824B (zh) | 2024-01-18 | 2024-01-18 | 船舶自适应自主航行决策方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117826824A CN117826824A (zh) | 2024-04-05 |
| CN117826824B true CN117826824B (zh) | 2024-06-21 |
Family
ID=90504191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410071266.9A Active CN117826824B (zh) | 2024-01-18 | 2024-01-18 | 船舶自适应自主航行决策方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117826824B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117970786B (zh) * | 2024-04-02 | 2024-06-18 | 武汉理工大学 | 一种船舶自主航行决策方法、装置、船舶及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105022270A (zh) * | 2015-03-20 | 2015-11-04 | 武汉理工大学 | 基于速度矢量坐标系的船自动避碰方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101976403B1 (ko) * | 2018-03-08 | 2019-08-28 | 주식회사 삼우이머션 | 해상을 운항하는 선박의 안전항로 제공 장치 |
| CN112965475A (zh) * | 2021-01-22 | 2021-06-15 | 青岛科技大学 | 一种基于动态导航船域和避碰规则的障碍物避碰方法 |
| GB202115538D0 (en) * | 2021-10-28 | 2021-12-15 | Norwegian Univ Sci & Tech Ntnu | Collision avoidance for marine vessels |
| CN113744569B (zh) * | 2021-11-03 | 2022-02-18 | 武汉理工大学 | 开阔水域船舶自主避碰方法、系统、设备及存储介质 |
| CN113759939B (zh) * | 2021-11-11 | 2022-03-29 | 武汉理工大学 | 一种受限水域智能航行方法及装置 |
| CN115510737A (zh) * | 2022-08-29 | 2022-12-23 | 集美大学 | 一种计算船舶碰撞风险的方法、装置及存储介质 |
-
2024
- 2024-01-18 CN CN202410071266.9A patent/CN117826824B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105022270A (zh) * | 2015-03-20 | 2015-11-04 | 武汉理工大学 | 基于速度矢量坐标系的船自动避碰方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于ECDIS系统和AIS系统的船舶避碰辅助决策系统的研究;邢春光;王直;;舰船科学技术;20080615(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117826824A (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liao et al. | Layered berthing method and experiment of unmanned surface vehicle based on multiple constraints analysis | |
| Tan et al. | Fast marching square method based intelligent navigation of the unmanned surface vehicle swarm in restricted waters | |
| CN117826824B (zh) | 船舶自适应自主航行决策方法、装置及电子设备 | |
| Wang et al. | A COLREGs-based obstacle avoidance approach for unmanned surface vehicles | |
| CN113759939B (zh) | 一种受限水域智能航行方法及装置 | |
| CN108073175A (zh) | 基于虚拟艇自适应规划的欠驱动无人艇编队智能控制方法 | |
| CN106094606A (zh) | 一种水面无人艇导航与控制遥操作平台 | |
| Du et al. | Cooperative multi-agent control for autonomous ship towing under environmental disturbances | |
| Tao et al. | Path following control for towing system of cylindrical drilling platform in presence of disturbances and uncertainties | |
| Melnyk et al. | Autonomous ships concept and mathematical models application in their steering process control | |
| He et al. | Dynamic adaptive intelligent navigation decision making method for multi-object situation in open water | |
| Deraj et al. | Deep reinforcement learning based controller for ship navigation | |
| CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制系统 | |
| Kim et al. | Development of ship collision avoidance system and sea trial test for autonomous ship | |
| Hu et al. | Trajectory tracking and re-planning with model predictive control of autonomous underwater vehicles | |
| Wang et al. | A novel maritime autonomous navigation decision-making system: Modeling, integration, and real ship trial | |
| Hedjar et al. | An automatic collision avoidance algorithm for multiple marine surface vehicles | |
| Wang et al. | Design and implementation of a testing platform for ship control: A case study on the optimal switching controller for ship motion | |
| Du et al. | Multi-objective cooperative control for a ship-towing system in congested water traffic environments | |
| Zhang et al. | Time-optimal path planning and tracking based on nonlinear model predictive control and its application on automatic berthing | |
| CN114088094A (zh) | 一种无人艇的智能航路规划方法及系统 | |
| CN111798701B (zh) | 无人艇路径跟踪控制方法、系统、存储介质及终端 | |
| CN114428500A (zh) | 一种基于安全领域的船舶自主航行避碰方法 | |
| CN117008606A (zh) | 一种定线制水域船舶自主航行决策方法及装置 | |
| CN117970786B (zh) | 一种船舶自主航行决策方法、装置、船舶及存储介质 |
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 |