CN117970786A - 一种船舶自主航行决策方法、装置、船舶及存储介质 - Google Patents
一种船舶自主航行决策方法、装置、船舶及存储介质 Download PDFInfo
- Publication number
- CN117970786A CN117970786A CN202410395180.1A CN202410395180A CN117970786A CN 117970786 A CN117970786 A CN 117970786A CN 202410395180 A CN202410395180 A CN 202410395180A CN 117970786 A CN117970786 A CN 117970786A
- Authority
- CN
- China
- Prior art keywords
- ship
- target
- speed
- determining
- current
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 108
- 230000033001 locomotion Effects 0.000 claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000005096 rolling process Methods 0.000 claims abstract description 11
- 230000002265 prevention Effects 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 238000001914 filtration Methods 0.000 claims description 9
- 238000012954 risk control Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种船舶自主航行决策方法、装置、船舶及存储介质，其方法包括：获取本船和目标船的基本信息；确定本船和目标船之间的会遇局面类型；确定未来任一时刻本船的预测航速、航向和目标船的预测航速、航向；确定船舶危险操纵区间，基于船舶危险操纵区间确定本船与目标船的碰撞危险度，当碰撞危险度大于阈值时，基于多船避碰模型确定速度可行操纵区间；基于速度可行操纵区间、MMG模型和模糊PID航向控制方法确定本船的航行决策方案；在有限时域范围内对本船和目标船的运动进行滚动预测，更新航向决策方案。本发明考虑了船舶会遇过程中目标船变速变向的机动行为，提高了船舶避碰航行决策方案的准确性和可靠性。
Description
技术领域
本发明涉及船舶智能航行技术领域，具体涉及一种船舶自主航行决策方法、装置、船舶及存储介质。
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。一些学者将速度障碍法用于船舶避碰问题。其中，有学者考虑了船舶操作运动模型，结合速度障碍算法提出了一种符合《1972年国际海上避碰规则》的避碰方法。还有学者基于速度障碍算法提出了一种新的智能船碰撞风险感知方法，用于量化实际运行条件下的船舶碰撞风险。同时，深度强化学习等机器学习算法被用于船舶避碰和自主航行问题研究，如：沈海青等结合深度竞争Q学习算法及A*算法，提出了一种无人船舶智能避碰导航方法，该算法符合航行经验和避碰规则。另外一部分学者基于自动识别系统（AIS，Automatic Identification System）大数据，结合强化学习，构建了一种船舶自动航行系统。在智能算法方面，倪生科等通过多种群遗传算法进行路径优化，生成最优避碰路径的船舶避碰辅助决策方法。
由上述可知，目前有多种方法和理论应用于船舶避碰和自主航行决策领域，但航行决策方法均假定会遇船舶（目标船）保向保速，很少考虑目标船变速变向的机动行为。而目标船突然变速变向的行为在实际航行场景中经常出现。因此，现有技术中的船舶自主航行决策方法与实际场景适配度不高，导致现有船舶自主航行决策方法确定出的决策方案不准确。
因此，亟须提供一种船舶自主航行决策方法、装置、船舶及存储介质，用于使确定出的航行决策方案适用于目标船机动行为的航行场景，以提高船舶自主航行决策方法与实际场景的适配度和决策准确性。
发明内容
有鉴于此，有必要提供一种船舶自主航行决策方法、装置、船舶及存储介质，用以解决现有技术中存在的未考虑目标船机动行为且未根据目标船最新动态持续更新航行决策方案的不足，导致船舶自主航行决策方法与实际场景适配度不高，进而导致船舶自主航行决策方法确定出的决策方案不准确的技术问题。
为了解决上述技术问题，本发明提供了一种船舶自主航行决策方法，包括：
获取本船和目标船的基本信息，基本信息包括本船当前船位、本船当前航速、本船当前航向、目标船当前船位、目标船当前航速和目标船当前航向；
基于船舶会遇局面划分模型确定本船和目标船之间的会遇局面类型；
基于船舶三自由度运动模型、本船当前船位、本船当前航速、本船当前航向确定未来任一时刻的本船预测航速和本船预测航向，并基于卡尔曼滤波算法、目标船当前船位、目标船当前航速和目标船当前航向确定未来任一时刻的目标船预测航速和目标船预测航向；
基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速、本船预测航向、会遇局面类型以及避碰规则确定船舶危险操纵区间；
基于船舶危险操纵区间构建船舶危险度模型，并基于船舶危险度模型确定本船与目标船的碰撞危险度，当碰撞危险度大于阈值时，基于多船避碰模型确定速度可行操纵区间；
基于速度可行操纵区间、船舶三自由度运动模型和模糊PID航向控制方法确定本船的航行决策方案，并控制本船执行航行决策方案；
在有限时域范围内对本船和目标船的运动进行滚动预测，更新航向决策方案。
在一种可能的实现方式中，所述基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速、本船预测航向、会遇局面类型以及避碰规则确定船舶危险操纵区间，包括：
基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速以及本船预测航向确定绝对碰撞区间；
基于所述会遇局面类型、所述目标船当前航速、所述目标船当前航向、所述本船当前航速、所述本船当前航向以及所述避碰规则确定违反避碰规则的操纵区间；
将所述绝对碰撞区间和所述违反规则操纵区间的并集作为所述船舶危险操纵区间。
在一种可能的实现方式中，所述基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速以及本船预测航向确定绝对碰撞区间，包括：
基于目标船预测航速、本船预测航速、所述目标船预测航向以及所述本船预测航向确定所述本船和所述目标船的相对速度；
确定所述目标船的船舶领域，基于所述船舶领域和所述相对速度确定相对碰撞区间；
基于所述相对碰撞区间和所述相对速度确定所述绝对碰撞区间。
在一种可能的实现方式中，所述船舶危险操纵区间为：
式中，为船舶危险操纵区间；/>为绝对碰撞区间；/>为违法操纵区间；/>为并集运算符；/>为相对碰撞区间；/>为相对速度；/>为闵可夫斯基矢量和运算符；为以相对速度和本船重心为顶点共线的射线；/>为目标船的船舶领域；/>为并集运算符；/>为空集。
在一种可能的实现方式中，所述碰撞危险度为：
式中，为碰撞危险度；/>为船舶操纵决策；k为船舶危险操纵的航向取值范围；n为船舶危险操纵车钟的取值范围。
在一种可能的实现方式中，所述多船避碰模型为：
式中，为速度可行操纵区间；/>为船舶操纵性约束系数；/>为闵可夫斯基矢量和运算符；/>为所有目标船的绝对碰撞区间的集合；/>为第i搜目标船/>的绝对碰撞区间；m为目标船的总数量。
在一种可能的实现方式中，所述控制所述本船执行所述航行决策方案，包括：
获取所述本船的当前运动状态，并基于所述航行决策方案确定所述本船的目标位置；
基于视线制导算法、所述当前运动状态和所述目标位置确定所述本船的目标航向，并控制所述本船按所述目标航向航行。
另一方面，本发明还提供一种船舶自主航行决策装置，包括：
基本信息获取单元，用于获取本船和目标船的基本信息，基本信息包括本船当前船位、本船当前航速、本船当前航向、目标船当前船位、目标船当前航速和目标船当前航向；
会遇局面类型确定单元，用于基于船舶会遇局面划分模型确定本船和目标船之间的会遇局面类型；
航速航向预测单元，用于基于船舶三自由度运动模型、本船当前船位、本船当前航速、本船当前航向确定未来任一时刻的本船预测航速和本船预测航向，并基于卡尔曼滤波算法、目标船当前船位、目标船当前航速和目标船当前航向确定未来任一时刻的目标船预测航速和目标船预测航向；
危险操纵区间确定单元，用于基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速、本船预测航向、会遇局面类型以及避碰规则确定船舶危险操纵区间；
速度可行操纵区间确定单元，用于基于船舶危险操纵区间构建船舶危险度模型，并基于船舶危险度模型确定本船与目标船的碰撞危险度，当碰撞危险度大于阈值时，基于多船避碰模型确定速度可行操纵区间；
航行决策方案确定单元，用于基于速度可行操纵区间、船舶三自由度运动模型和模糊PID航向控制方法确定本船的航行决策方案，并控制本船执行航行决策方案；
航行决策方案更新单元，用于在有限时域范围内对本船和目标船的运动进行滚动预测，更新航行决策方案。
另一方面，本发明还提供了船舶，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，以实现上述任意一种可能的实现方式中所述的船舶自主航行决策方法中的步骤。
另一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现上述任意一中可能的实现方式中所述的船舶自主航行决策方法的步骤。
采用上述实现方式的有益效果是：本发明提供的船舶自主航行决策方法，确定本船预测航速和本船预测航向以及目标船预测航速和目标船预测航向，考虑了目标船在航行过程中的机动行为，并非将目标船默认为保速保向航行，提高了目标船的航行行为与实际应用场景的适配度。因此，基于预测航向和预测航速确定本船的航行决策方案，可提高航行决策方案的准确性和可靠性。
进一步地，本发明基于多船避碰模型确定速度可行操纵区间，考虑了在水域中多船航行的情况，不是单一的假设仅有一个目标船的场景，进一步提高了确定出的航行决策方案的准确性和可靠性，能够在复杂水域多船会遇场景下实现船舶自主航行，具有很好的适用性和可靠性，为船舶智能化发展提供技术支撑。
更进一步地，本发明在有限时域范围内对本船和目标船的运动进行滚动预测，针对目标船变速变向的机动行为而持续更新航向决策方案，消除了模型误差、风浪以及决策误差等干扰，进而进一步提高了提高航行决策方案的可靠性和合理性。
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，显而易见的，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主航行决策方法的一个实施例流程示意图；
图2为本发明提供的模糊PID控制模型的一个实施例原理示意图；
图3为本发明提供的船舶轨迹预测结果的一个实施例示意图；
图4为本发明提供的滚动预测的一个原理示意图；
图5为本发明图1中S104的一个实施例流程示意图；
图6为本发明图5中S501的一个实施例流程示意图；
图7为本发明提供的视线制导算法的一个实施例原理示意图；
图8为本发明提供的船舶自主航行决策装置的一个实施例结构示意图；
图9为本发明提供的船舶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。
应当理解，示意性的附图并未按实物比例绘制。本发明中使用的流程图示出了根据本发明的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本发明内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器系统和/或微控制器系统中实现这些功能实体。
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主航行决策方法、装置、船舶及存储介质，以下分别进行说明。
图1为本发明提供的船舶自主航行决策方法的一个实施例流程示意图，如图1所示，船舶自主航行决策方法包括：
S101、获取本船和目标船的基本信息，基本信息包括本船当前船位、本船当前航速、本船当前航向、目标船当前船位、目标船当前航速和目标船当前航向；
S102、基于船舶会遇局面划分模型确定本船和目标船之间的会遇局面类型；
S103、基于船舶三自由度运动模型、本船当前船位、本船当前航速、本船当前航向确定未来任一时刻的本船预测航速和本船预测航向，并基于卡尔曼滤波算法、目标船当前船位、目标船当前航速和目标船当前航向确定未来任一时刻的目标船预测航速和目标船预测航向；
S104、基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速、本船预测航向、会遇局面类型以及避碰规则确定船舶危险操纵区间；
S105、基于船舶危险操纵区间构建船舶危险度模型，并基于船舶危险度模型确定本船与目标船的碰撞危险度，当碰撞危险度大于阈值时，基于多船避碰模型确定速度可行操纵区间；
S106、基于速度可行操纵区间、船舶三自由度运动模型和模糊PID航向控制方法确定本船的航行决策方案，并控制本船执行航行决策方案；
S107、在有限时域范围内对本船和目标船的运动进行滚动预测，更新航向决策方案。
其中，步骤S101中获取本船和目标船的基本信息的具体方式为：AIS等船载设备获取本船和目标船的基本信息。
其中，步骤S102中的船舶会遇局面划分模型可为CN113759939A中提及的确定会遇局面类型的原理和模型，在此不做具体赘述。
其中，步骤S103中的船舶三自由度运动模型为MMG（Mathematical Model Group，MMG）模型，该模型运用船舶动力学方法量化表示复杂环境下船舶在不同时刻的运动状态，相较于线性运动数学模型来讲其仿真精度更高，用于本发明有效提高航行决策方案的精准度。模型具体为：
式中，m x，m y分别是船舶横向、纵向附加质量；u、v、r分别是船舶沿船舶坐标系中的X轴、Y轴的速度和转向角速度；、/>、/>分别是船舶沿X轴、Y轴的加速度和转向角加速度；I zz、J zz分别是首摇转动惯量和附加转动惯量；/>分别是船体在横向、纵向和首摇方向上的力和力矩；/>分别是螺旋桨在横向、纵向和首摇方向上的力和力矩；分别是船舵在横向、纵向和首摇方向上的力和力矩。
其中，船舶坐标系是以船舶的重心为坐标系原点，船艏方向为X轴正方向，船体右舷方向为Y轴正方向，船体垂直向下方向为Z轴正方向形成的坐标系。
具体地，MMG模型仅考虑横荡、纵荡和首摇运动方向的三自由度运动，忽略对船舶避碰精度影响较小的纵摇、垂荡和横摇的运动。
其中，MMG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，推力减额系数的计算公式如下：
上式中，为额定速度，/>为瞬时速度，/>为额定速度时的船舶减额系数。
其中，步骤S104中的模糊PID航向控制方法的原理图如图2所示，和/>表示目标航向和实际航向。模糊PID模型的输入量包括航向差/>及转首角速度误差/>，即系统中的航向偏差和航向偏差变化率；输出量为PID参数/>、/>、/>。
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、/>、/>对控制系统输出特性的影响主要表现为：参数/>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；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；/>主要影响系统动态特性，表征船舶接近目标航线的速度。
通过模糊推理实时调整PID参数，实现了船舶航向控制系统的实时、准确调整。
模糊PID是一种高效、鲁棒的线性控制模型。其通过确定合适的PID参数，可以获得快速的响应速度和高可控性。非常适用于具有精确数学模型的控制系统，是现代控制工程中最常用的方法。因此，本发明实施例通过模糊PID控制可提高本船在自主航行过程的机动性。
需要说明的是：MMG模型和模糊PID航向控制方法的求解过程可使用四阶龙格-库塔方法，四阶龙格-库塔方法是一种高效求解非线性微分方程的数值算法。
具体地，经过步骤S101～步骤S103后可确定出船舶在时间t时的轨迹集合，由图3可以看出，t时刻不同转向角下的轨迹为非线性轨迹。
其中，步骤S107中滚动预测的具体方式是：基于船舶当前时刻的真实状态预测未来某一时刻的航行决策方案，未来下一时刻的航行决策方案需基于未来下一时刻对应的船舶真实状态进行预测。具体地，图4为滚动预测的一个原理示意图，如图4所示，t时刻的预测状态基于与t时刻对应的某一时刻船舶的真实状态，例如：真实舵令、车令和外界干扰信息结合船舶三自由度运动模型、卡尔曼滤波算法、模糊PID航向控制方法、速度障碍算法等预测获得。同样的，t+1时刻的预测状态基于与t+1时刻对应的某一时刻船舶的真实状态，例如：真实舵令、车令和外界干扰信息结合船舶三自由度运动模型、卡尔曼滤波算法、模糊PID航向控制方法、速度障碍算法等预测获得。即：每次都利用真实的信息对下一时刻的状态进行预测，而不是利用当前时刻的预测信息对下一时刻的状态进行预测，消除了累积误差。
与现有技术相比，本发明实施例提供的船舶自主航行决策方法，确定本船预测航速和本船预测航向以及目标船预测航速和目标船预测航向，考虑了目标船在航行过程中的机动行为，并非将目标船默认为保速保向航行，提高了目标船的航行行为与实际应用场景的适配度。因此，基于预测航向和预测航速确定本船的航行决策方案，可提高航行决策方案的准确性和可靠性。
进一步地，本发明实施例基于多船避碰模型确定速度可行操纵区间，考虑了在水域中多船航行的情况，不是单一的假设仅有一个目标船的场景，进一步提高了确定出的航行决策方案的准确性和可靠性，能够在复杂水域多船会遇场景下实现船舶自主航行，具有很好的适用性和可靠性，为船舶智能化发展提供技术支撑。
更进一步地，本发明实施例在有限时域范围内对本船和目标船的运动进行滚动预测，更新航向决策方案，消除了模型误差、风浪以及决策误差等干扰，进而进一步提高了提高航行决策方案的可靠性和合理性。
在本发明的一些实施例中，如图5所示，步骤S104包括：
S501、基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速以及本船预测航向确定绝对碰撞区间；
S502、基于会遇局面类型、目标船当前航速、目标船当前航向、本船当前航速、本船当前航向以及避碰规则确定违反避碰规则的操纵区间；
S503、将绝对碰撞区间和违反规则操纵区间的并集作为船舶危险操纵区间。
本发明实施例中的船舶危险操纵区间考虑了避碰规则，将违反避碰规则的操纵区间也作为船舶危险操纵区间，进一步提高了航行决策方案的安全性和可靠性。
其中，将本船与目标船的避碰问题转化为本船相对目标船的避碰问题。速度障碍法的基本思想是通过求解本船与目标船的相对速度矢量，避免相对速度矢量落入速度障碍区。
在本发明的一些实施例中，如图6所示，步骤S501包括：
S601、基于目标船预测航速、本船预测航速、目标船预测航向以及本船预测航向确定本船和目标船的相对速度；
S602、确定目标船的船舶领域，基于船舶领域和相对速度确定相对碰撞区间；
S603、基于相对碰撞区间和相对速度确定绝对碰撞区间。
具体地，船舶危险操纵区间为：
式中，为船舶危险操纵区间；/>为绝对碰撞区间；/>为违法操纵区间；/>为并集运算符；/>为相对碰撞区间；/>为相对速度；/>为闵可夫斯基矢量和运算符；为以相对速度和本船重心为顶点共线的射线；/>为目标船的船舶领域；/>为并集运算符；/>为空集。
其中，目标船的船舶领域为四元船舶领域，其边界方程式为：
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，具体地：
式中，L为船长，为船舶进距系数，/>为船舶的旋回初径的增益系数，可根据经验公式进行计算，具体的：
式中，为本船速度。
其中，碰撞危险度（CRI：Collision Risk Index）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碰撞危险度模型，公式可表示为：
其中和/>分别为船舶危险操纵和所有操纵范围的数量。CRI的取值为[0，1]，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，碰撞危险度的计算公式可变性为：
式中，为碰撞危险度；/>为船舶操纵决策；k为船舶危险操纵的航向取值范围；n为船舶危险操纵车钟的取值范围。
其中，车钟包括前进三、前进二、前进一和微速前进4个车钟命令。
在本发明的具体实施例中，多船避碰模型为：
式中，为速度可行操纵区间；/>为船舶操纵性约束系数；/>为闵可夫斯基矢量和运算符；/>为所有目标船的绝对碰撞区间的集合；/>为第i搜目标船/>的绝对碰撞区间；m为目标船的总数量。
在本发明的一些实施例中，步骤S106中控制本船执行航行决策方案，包括：
获取本船的当前运动状态，并基于航行决策方案确定本船的目标位置；然后基于视线制导（Line-of-Sight，LOS）算法、当前运动状态和目标位置确定本船的目标航向，并控制本船按目标航向航行。
其中，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，其算法原理如图7所示：
设N为正北方向；、/>为船舶转向点；船舶在/>处的位置偏差为/>，计划航向为/>，目标点为/>，目标点同船舶连线和计划航线之间的交角为/>，目标航向为/>
，可得船舶在P 0处的目标航向的计算公式：
其中：
为了保证上式始终存在解集，应满足以下公式：
式中，(，/>)为目标点的坐标值，(/>，/>)为P 0点的坐标值，R是圆的半径，该参数影响船舶复航。本发明实施例提出了一个自适应接受圆半径R los，以提高船舶偏离航线后航迹跟踪的性能，R los的求解公式如下：
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：
式中，z为轨迹点的总个数。
为了更好实施本发明实施例中的船舶自主航行决策方法，在船舶自主航行决策方法基础之上，对应的，本发明实施例还提供了一种船舶自主航行决策装置，如图8所示，船舶自主航行决策装置800包括：
基本信息获取单元801，用于获取本船和目标船的基本信息，基本信息包括本船当前船位、本船当前航速、本船当前航向、目标船当前船位、目标船当前航速和目标船当前航向；
会遇局面类型确定单元802，用于基于船舶会遇局面划分模型确定本船和目标船之间的会遇局面类型；
航速航向预测单元803，用于基于船舶三自由度运动模型、本船当前船位、本船当前航速、本船当前航向确定未来任一时刻的本船预测航速和本船预测航向，并基于卡尔曼滤波算法、目标船当前船位、目标船当前航速和目标船当前航向确定未来任一时刻的目标船预测航速和目标船预测航向；
危险操纵区间确定单元804，用于基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速、本船预测航向、会遇局面类型以及避碰规则确定船舶危险操纵区间；
速度可行操纵区间确定单元805，用于基于船舶危险操纵区间构建船舶危险度模型，并基于船舶危险度模型确定本船与目标船的碰撞危险度，当碰撞危险度大于阈值时，基于多船避碰模型确定速度可行操纵区间；
航行决策方案确定单元806，用于基于速度可行操纵区间、船舶三自由度运动模型和模糊PID航向控制方法确定本船的航行决策方案，并控制本船执行航行决策方案；
航行决策方案更新单元807，用于在有限时域范围内对本船和目标船的运动进行滚动预测，更新航行决策方案。
上述实施例提供的船舶自主航行决策装置800可实现上述船舶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主航行决策方法实施例中的相应内容，此处不再赘述。
如图9所示，本发明还相应提供了一种船舶900。该船舶900包括处理器901、存储器902及显示器903。图9仅示出了船舶900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。
处理器901在一些实施例中可以是中央处理器（Central Processing Unit，CPU），微处理器或其他数据处理芯片，用于运行存储器902中存储的程序代码或处理数据，例如本发明中的船舶自主航行决策方法。
在一些实施例中，处理器901可以是单个服务器或服务器组。服务器组可为集中式或分布式的。在一些实施例中，处理器901可为本地的或远程的。在一些实施例中，处理器901可实施于云平台。在一实施例中，云平台可包括私有云、公共云、混合云、社区云、分布式云、内部云、多重云等，或以上的任意组合。
存储器902在一些实施例中可以是船舶900的内部存储单元，例如船舶900的硬盘或内存。存储器902在另一些实施例中也可以是船舶900的外部存储设备，例如船舶900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902还可既包括船舶900的内部储存单元也包括外部存储设备。存储器902用于存储安装船舶900的应用软件及各类数据。
显示器903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903用于显示船舶900的信息以及用于显示可视化的用户界面。船舶900的部件901-903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901执行存储器902中的船舶自主航行决策程序时，可实现以下步骤：
获取本船和目标船的基本信息，基本信息包括本船当前船位、本船当前航速、本船当前航向、目标船当前船位、目标船当前航速和目标船当前航向；
基于船舶会遇局面划分模型确定本船和目标船之间的会遇局面类型；
基于船舶三自由度运动模型、本船当前船位、本船当前航速、本船当前航向确定未来任一时刻的本船预测航速和本船预测航向，并基于卡尔曼滤波算法、目标船当前船位、目标船当前航速和目标船当前航向确定未来任一时刻的目标船预测航速和目标船预测航向；
基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速、本船预测航向、会遇局面类型以及避碰规则确定船舶危险操纵区间；
基于船舶危险操纵区间构建船舶危险度模型，并基于船舶危险度模型确定本船与目标船的碰撞危险度，当碰撞危险度大于阈值时，基于多船避碰模型确定速度可行操纵区间；
基于速度可行操纵区间、船舶三自由度运动模型和模糊PID航向控制方法确定本船的航行决策方案，并控制本船执行航行决策方案；
在有限时域范围内对本船和目标船的运动进行滚动预测，更新航向决策方案。
应当理解的是：处理器901在执行存储器902中的船舶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船舶900的类型不做具体限定，船舶900可以为手机、平板电脑、个人数字助理（personal digital assistant，PDA）、可穿戴设备、膝上型计算机（laptop）等便携式船舶。便携式船舶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船舶。上述便携式船舶也可以是其他便携式船舶，还应当理解的是，在本发明其他一些实施例中，船舶900也可以不是便携式船舶，而是具有触敏表面（例如触控面板）的台式计算机。
相应地，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质用于存储计算机可读取的程序或指令，程序或指令被处理器执行时，能够实现上述各方法实施例提供的船舶自主航行决策方法中的步骤或功能。
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（如处理器，控制器等）来完成，计算机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一种船舶自主航行决策方法、装置、船舶及存储介质进行了详细介绍，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 (10)
1.一种船舶自主航行决策方法，其特征在于，包括：
获取本船和目标船的基本信息，基本信息包括本船当前船位、本船当前航速、本船当前航向、目标船当前船位、目标船当前航速和目标船当前航向；
基于船舶会遇局面划分模型确定本船和目标船之间的会遇局面类型；
基于船舶三自由度运动模型、本船当前船位、本船当前航速、本船当前航向确定未来任一时刻的本船预测航速和本船预测航向，并基于卡尔曼滤波算法、目标船当前船位、目标船当前航速和目标船当前航向确定未来任一时刻的目标船预测航速和目标船预测航向；
基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速、本船预测航向、会遇局面类型以及避碰规则确定船舶危险操纵区间；
基于船舶危险操纵区间构建船舶危险度模型，并基于船舶危险度模型确定本船与目标船的碰撞危险度，当碰撞危险度大于阈值时，基于多船避碰模型确定速度可行操纵区间；
基于速度可行操纵区间、船舶三自由度运动模型和模糊PID航向控制方法确定本船的航行决策方案，并控制本船执行航行决策方案；
在有限时域范围内对本船和目标船的运动进行滚动预测，更新航向决策方案。
2.根据权利要求1所述的船舶自主航行决策方法，其特征在于，所述基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速、本船预测航向、会遇局面类型以及避碰规则确定船舶危险操纵区间，包括：
基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速以及本船预测航向确定绝对碰撞区间；
基于所述会遇局面类型、所述目标船当前航速、所述目标船当前航向、所述本船当前航速、所述本船当前航向以及所述避碰规则确定违反避碰规则的操纵区间；
将所述绝对碰撞区间和所述违反规则操纵区间的并集作为所述船舶危险操纵区间。
3.根据权利要求2所述的船舶自主航行决策方法，其特征在于，所述基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速以及本船预测航向确定绝对碰撞区间，包括：
基于目标船预测航速、目标船预测航向、本船预测航速以及本船预测航向确定所述本船和所述目标船之间的相对速度；
确定所述目标船的船舶领域，基于所述船舶领域和所述相对速度确定相对碰撞区间；
基于所述相对碰撞区间和所述相对速度确定所述绝对碰撞区间。
4.根据权利要求3所述的船舶自主航行决策方法，其特征在于，所述船舶危险操纵区间为：
式中，为船舶危险操纵区间；/>为绝对碰撞区间；/>为违反避碰规则的操纵区间；/>为并集运算符；/>为相对碰撞区间；/>为相对速度；/>为闵可夫斯基矢量和运算符；/>为以相对速度和本船重心为顶点共线的射线；/>为目标船的船舶领域；/>为并集运算符；/>为空集。
5.根据权利要求1所述的船舶自主航行决策方法，其特征在于，所述碰撞危险度为：
式中，为碰撞危险度；/>为船舶操纵决策；k为船舶危险操纵的航向取值范围；n为船舶危险操纵车钟的取值范围。
6.根据权利要求1所述的船舶自主航行决策方法，其特征在于，所述多船避碰模型为：
式中，为速度可行操纵区间；/>为船舶操纵性约束系数；/>为闵可夫斯基矢量和运算符；/>为所有目标船的绝对碰撞区间的集合；/>为第i搜目标船/>的绝对碰撞区间；m为目标船的总数量。
7.根据权利要求1所述的船舶自主航行决策方法，其特征在于，所述控制所述本船执行所述航行决策方案，包括：
获取所述本船的当前运动状态，并基于所述航行决策方案确定所述本船的目标位置；
基于视线制导算法、所述当前运动状态和所述目标位置确定所述本船的目标航向，并控制所述本船按所述目标航向航行。
8.一种船舶自主航行决策装置，其特征在于，包括：
基本信息获取单元，用于获取本船和目标船的基本信息，基本信息包括本船当前船位、本船当前航速、本船当前航向、目标船当前船位、目标船当前航速和目标船当前航向；
会遇局面类型确定单元，用于基于船舶会遇局面划分模型确定本船和目标船之间的会遇局面类型；
航速航向预测单元，用于基于船舶三自由度运动模型、本船当前船位、本船当前航速、本船当前航向确定未来任一时刻的本船预测航速和本船预测航向，并基于卡尔曼滤波算法、目标船当前船位、目标船当前航速和目标船当前航向确定未来任一时刻的目标船预测航速和目标船预测航向；
危险操纵区间确定单元，用于基于模糊PID航向控制方法、船舶三自由度运动模型、速度障碍算法、目标船预测航速、目标船预测航向、本船预测航速、本船预测航向、会遇局面类型以及避碰规则确定船舶危险操纵区间；
速度可行操纵区间确定单元，用于基于船舶危险操纵区间构建船舶危险度模型，并基于船舶危险度模型确定本船与目标船的碰撞危险度，当碰撞危险度大于阈值时，基于多船避碰模型确定速度可行操纵区间；
航行决策方案确定单元，用于基于速度可行操纵区间、船舶三自由度运动模型和模糊PID航向控制方法确定本船的航行决策方案，并控制本船执行航行决策方案；
航行决策方案更新单元，用于在有限时域范围内对本船和目标船的运动进行滚动预测，更新航行决策方案。
9.一种船舶，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，以实现上述权利要求1-7中任意一项所述的船舶自主航行决策方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有程序或指令，所述程序或指令被处理器执行时实现上述权利要求1-7中任一项所述的船舶自主航行决策方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410395180.1A CN117970786B (zh) | 2024-04-02 | 2024-04-02 | 一种船舶自主航行决策方法、装置、船舶及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410395180.1A CN117970786B (zh) | 2024-04-02 | 2024-04-02 | 一种船舶自主航行决策方法、装置、船舶及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117970786A true CN117970786A (zh) | 2024-05-03 |
| CN117970786B CN117970786B (zh) | 2024-06-18 |
Family
ID=90861442
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410395180.1A Active CN117970786B (zh) | 2024-04-02 | 2024-04-02 | 一种船舶自主航行决策方法、装置、船舶及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117970786B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111709633A (zh) * | 2020-06-09 | 2020-09-25 | 吉林大学 | 一种碰撞危险度确定方法、装置、设备以及可存储介质 |
| CN113744569A (zh) * | 2021-11-03 | 2021-12-03 | 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 |
| CN113759939A (zh) * | 2021-11-11 | 2021-12-07 | 武汉理工大学 | 一种受限水域智能航行方法及装置 |
| KR102395807B1 (ko) * | 2021-10-29 | 2022-05-09 | 한화시스템(주) | 함정 추진제어 특성을 반영한 자율 운항 시스템 및 그 방법 |
| CN114882738A (zh) * | 2022-07-05 | 2022-08-09 | 武汉理工大学 | 一种船舶智能辅助避碰方法、装置、设备和存储介质 |
| CN117008606A (zh) * | 2023-07-04 | 2023-11-07 | 武汉理工大学 | 一种定线制水域船舶自主航行决策方法及装置 |
| CN117826824A (zh) * | 2024-01-18 | 2024-04-05 | 交通运输部水运科学研究所 | 船舶自适应自主航行决策方法、装置及电子设备 |
-
2024
- 2024-04-02 CN CN202410395180.1A patent/CN117970786B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111709633A (zh) * | 2020-06-09 | 2020-09-25 | 吉林大学 | 一种碰撞危险度确定方法、装置、设备以及可存储介质 |
| KR102395807B1 (ko) * | 2021-10-29 | 2022-05-09 | 한화시스템(주) | 함정 추진제어 특성을 반영한 자율 운항 시스템 및 그 방법 |
| CN113744569A (zh) * | 2021-11-03 | 2021-12-03 | 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 |
| CN113759939A (zh) * | 2021-11-11 | 2021-12-07 | 武汉理工大学 | 一种受限水域智能航行方法及装置 |
| CN114882738A (zh) * | 2022-07-05 | 2022-08-09 | 武汉理工大学 | 一种船舶智能辅助避碰方法、装置、设备和存储介质 |
| CN117008606A (zh) * | 2023-07-04 | 2023-11-07 | 武汉理工大学 | 一种定线制水域船舶自主航行决策方法及装置 |
| CN117826824A (zh) * | 2024-01-18 | 2024-04-05 | 交通运输部水运科学研究所 | 船舶自适应自主航行决策方法、装置及电子设备 |
Non-Patent Citations (4)
| Title |
|---|
| ZHANG, K 等: "A Novel Decision Support Methodology for Autonomous Collision Avoidance Based on Deduction of Manoeuvring Process", WEB OF SCIENCE, 31 December 2022 (2022-12-31) * |
| ZHANG, K 等: "Collision Avoidance Method for Autonomous Ships Based on Modified Velocity Obstacle and Collision Risk Index", WEB OF SCIENCE, 31 December 2022 (2022-12-31) * |
| 赵兴亚: "复杂环境下船舶慢速域自主航行决策方法", 华中科技大学学报(自然科学版), vol. 52, no. 3, 31 March 2024 (2024-03-31) * |
| 黄立文 等: "基于航迹推演的船舶动态智能避碰方法", 中国航海, vol. 46, no. 4, 31 December 2023 (2023-12-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117970786B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | A COLREGs-based obstacle avoidance approach for unmanned surface vehicles | |
| Tan et al. | Fast marching square method based intelligent navigation of the unmanned surface vehicle swarm in restricted waters | |
| CN113759939B (zh) | 一种受限水域智能航行方法及装置 | |
| CN106094606A (zh) | 一种水面无人艇导航与控制遥操作平台 | |
| Deraj et al. | Deep reinforcement learning based controller for ship navigation | |
| CN111930123B (zh) | 多目标综合优化决策方法、装置及电子设备 | |
| CN114879671B (zh) | 一种基于强化学习mpc的无人艇轨迹跟踪控制方法 | |
| He et al. | Dynamic adaptive intelligent navigation decision making method for multi-object situation in open water | |
| CN117826824B (zh) | 船舶自适应自主航行决策方法、装置及电子设备 | |
| CN113538973B (zh) | 一种基于改进粒子群算法的船舶自动避碰方法 | |
| KR20170023737A (ko) | 해양 내비게이션 장치 및 항로 제공 방법 | |
| JP6882243B2 (ja) | 避航支援装置 | |
| CN111798702B (zh) | 无人艇路径跟踪控制方法、系统、存储介质及终端 | |
| KR20170023534A (ko) | 해양 내비게이션 장치 및 항로 제공 방법 | |
| CN114088094A (zh) | 一种无人艇的智能航路规划方法及系统 | |
| CN113960994A (zh) | 一种多无人艇协同航行的s面自适应控制算法 | |
| da Silva et al. | Project and control allocation of a 3 DoF autonomous surface vessel with aerial azimuth propulsion system | |
| CN117970786B (zh) | 一种船舶自主航行决策方法、装置、船舶及存储介质 | |
| CN117008600A (zh) | 一种基于船舶避碰的路径规划和跟踪控制方法及装置 | |
| CN115421490A (zh) | 一种浮绳联接的双无人船艇协同拖曳控制方法及装置 | |
| CN114995410A (zh) | 欠驱动无人艇自主航行方法、系统及存储介质 | |
| CN114489037A (zh) | 一种船舶避障航行方法、装置、设备及存储介质 | |
| Aung et al. | Investigation into control strategies for manoeuvring in adverse weather conditions | |
| CN117234217B (zh) | 基于三维时空域的水面无人艇轨迹跟踪制导方法及系统 | |
| Niu et al. | Intelligent path-following control of unmanned surface vehicles based on improved line-of-sight guidance |
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 |