水面无人艇多船障碍智能避碰_茅云生
水面无人艇(USV)的关键技术
![水面无人艇(USV)的关键技术](https://img.taocdn.com/s3/m/079cbc04ec630b1c59eef8c75fbfc77da26997f0.png)
水面无人艇(USV)的关键技术水面无人艇(USV)的关键技术水面无人艇(Unmanned Surface Vessel,USV)近年来受到国内外越来越多的关注。
国内外USV的最新进展和成果前文已经介绍过了,这里不再累述,本文重点介绍USV的控制方式、动力机构、自动避碰技术及路径优化和未来技术发展,并针对我国内河环境展望了USV在航道数据测量和海事巡航方面的应用前景。
一、USV技术发展(一)USV控制方式USV 船舶控制方式主要有3种,即远程遥控、自主航行、远程遥控/自主航行双模。
1.远程遥控远程遥控是利用远程通信技术实现USV与岸上控制中心的信息交互,达到远程操控船舶的目的。
在USV航行时,控制中心与其交互的信息包括航行状态信息、视觉信息、故障诊断信息和控制指令等。
考虑到通信数据量大、实时性需求高的特点,比较适合的远程通信技术主要有WiFi,蜂窝网和卫星通信等,其中WiFi由于具备网络传输速率高、抗干扰能力强等特点,比较适合几百米范围内的通信,蜂窝网需要在其覆盖范围内使用,而卫星通信不受距离限制,但成本较高。
2.自主航行ASV与USV在概念上有所区别,主要表现在:①ASV 的航行、碰壁策略由自动控制系统提供,自动控制系统由远程控制中心或者由船舶自身控制,但船舶上允许有维护和服务人员;②USV可以是自主航行,也可以远程控制,但船舶上没有人。
ASV要求船舶自身具有完整的动力控制系统、航迹/航向控制系统、自动避碰系统、故障诊断系统和应急处置系统。
ASV一旦失控可能会造成十分严重的后果,因此在航行时ASV应与普通船舶一样遵守相同的交通规则,且一旦有故障发生,应采取应急措施。
3.远程遥控/自主航行双模以目前理论水平和技术条件而言,完全替代人来操控船舶是很难实现的。
采用远程遥控/自主航行双模这样一种比较常见和安全的控制方式是比较合适的。
船舶为自主航行船舶,船舶电脑系统中显示的航行路径、气象导航和轨迹参数会实时地更新和存储,通过雷达、AIS和红外传感器监测周围环境。
基于电子海图栅格化的无人水面艇全局路径规划
![基于电子海图栅格化的无人水面艇全局路径规划](https://img.taocdn.com/s3/m/a218449570fe910ef12d2af90242a8956becaad9.png)
基于电子海图栅格化的无人水面艇全局路径规划范云生;赵永生;石林龙;张月【摘要】为解决无人水面艇自主避碰决策中的全局路径规划问题,提出一种基于电子海图栅格化建立环境模型的遗传算法全局路径快速搜索方法.通过对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的环境模型,并使用栅格标号对路径个体进行编码,利用一种随机快速搜索产生初始种群的改进遗传算法进行路径搜索,提高无人水面艇全局路径规划的收敛速度和优化效率.试验结果表明,采用改进遗传算法进行基于电子海图栅格化的无人艇全局路径规划具有一定的合理性和有效性.%A global path fast search method based on genetic algorithm is proposed for the Unmanned Surface Vehicle (USV) to avoid collision autonomously.The environment model is established by rasterizing electronic chart.Marine environment information in electronic chart data is extracted.Path search space is constructed.Path individual is encoded according to the code of grid.An improved genetic algorithm that adopts heuristic random initialization population method to generate initial population is used to achieve the convergence speed and optimization efficiency of USV global path planning.The effectiveness and practicality of the algorithm are verified by experiments.【期刊名称】《中国航海》【年(卷),期】2017(040)001【总页数】7页(P47-52,113)【关键词】无人水面艇;路径规划;电子海图;栅格法;改进遗传算法【作者】范云生;赵永生;石林龙;张月【作者单位】大连海事大学信息科学技术学院,辽宁大连116026;大连海事大学信息科学技术学院,辽宁大连116026;大连海事大学信息科学技术学院,辽宁大连116026;上海船舶运输科学研究所,上海200135;大连海事大学信息科学技术学院,辽宁大连116026【正文语种】中文【中图分类】U664.82Abstract: A global path fast search method based on genetic algorithm is proposed for the Unmanned Surface Vehicle (USV) to avoid collision autonomously. The environment model is established by rasterizing electronic chart. Marine environment information in electronic chart data is extracted. Path search space is constructed. Path individual is encoded according to the code of grid. An improved genetic algorithm that adopts heuristic random initialization population method to generate initial population is used to achieve the convergence speed and optimization efficiency of USV global path planning. The effectiveness and practicalityof the algorithm are verified by experiments.Key words: USV; path planning; electronic chart; grid model;improved genetic algorithm无人水面艇(Unmanned Surface Vehicle, USV)作为监测海洋环境、维护海洋权益的现代化装备,具有广阔的应用前景,己成为国内外智能化海洋装备的研究热点。
智能船舶背景下《1972年国际海上避碰规则》的修正
![智能船舶背景下《1972年国际海上避碰规则》的修正](https://img.taocdn.com/s3/m/74f4ed32cec789eb172ded630b1c59eef9c79a5c.png)
Vol. 41 No.4Dee- 202041 42020 12上海海事大学学报Journal of Shanghai Maitise UniversityDOI : 10.13340/j.jsmu. 2020. 04. 018文章编号:1672 - 9498(2020)04-0117-08智能船舶背景下《1972年国际海上避碰规则》的修正吕红光,裴天琪,尹勇,白宇明(大连海事大学航海学院,辽宁大连116026)摘要:鉴于智能船舶的快速发展使得对! 1972年国际海上避碰规则》的修正尤为迫切,根据智能船舶的含义和自主分级,从船舶避碰实践视角分析智能船舶与规则之间一些不可避免的冲突,如在智 能船舶的适用性、任何能见度下和互见中的行动规则等方面存在的冲突&提出在船舶不同自主级 别下对公约修正的认识和建议,以期促进船舶航行安全,为国际海事组织及相关立法机构梳理和修正法规提供参考。
关键词:智能船舶;海上水面自主船;国际海上避碰规则;公约修正中图分类号:D993.5文献标志码:AAmendments to International Regulations for Preventing Collisions at Sen , 1972 in context of intelligent shi/sLYU Hongguang , PEI Tianqf , YID Yong , BAI Yuming(NavigaOoo College , Daliao MaOSsc Uoiveoity , DaOao 116026, Liaooiog , Chios )Abstract : In view of the fact that the rapid development of intelOgent ships makes the amendments to the International Regulations for Preventing Collisions at Sea , 1972 especially urgent , accorXiny to the XOnFPon and autonomy cOssiScOion of intelOyent ships , some inevitable coniicts between intelOyent ships and the regulations are analyzed from the perspective of ship collision avoidanco practice- These coniicts exist in such aspects as the applicability of inmlOyot ships , the oFs of action in any condition of OsihiFity and in sight of one another. Some understandinys and suggestions on the convention amendments tgr the diivot autonomy levels o f ships are proposed. The aim is to promote the safety of ship oaviyation ,and provide reference for the Intemational Maritime Organization and relevant Fyislativv bodies to soi out and amend theeegueatoons.Key words : intelOyent ship % maitime autonomous suOaco ship % intemational regulations for preventing collisions at so ; convenPon amendment收稿日期:2020-02-11 修回日期:2020-06-16基金项目:国家自然科学基金(52071049, 51879024);中央高校基本科研业务费(3132020128);辽宁省博士科研启动基金(2020-DS-070) 作者简介:吕红光(1981—),男,山西五台人,副教授,硕导,博士,研究方向为海上智能交通系统,船舶自动避碰及路径规划,(E-mail)lhg@ Xlmu. eXu. cnht p www. smojooroaO co hyxh@ shmtu. eda. co118上海海事大学学报410引言随着信息化、物联网、人工智能等高新技术的发展,智能船舶的研究愈加深入。
一种无人水面艇自主动态避碰跟踪控制方法
![一种无人水面艇自主动态避碰跟踪控制方法](https://img.taocdn.com/s3/m/21c61830cd1755270722192e453610661ed95a3f.png)
一种无人水面艇自主动态避碰跟踪控制方法
范云生;孙晓界;王国峰;郭晨
【期刊名称】《系统仿真学报》
【年(卷),期】2018(30)10
【摘要】为解决"蓝信"号无人水面艇在未知海洋环境下的动态自主避碰跟踪控制问题,将未知动态避碰路径规划和跟踪控制相结合,提出了一种未知海洋环境下的无人水面艇动态自主避碰跟踪控制方法。
此方法考虑到未知海洋环境情况以及动态避障的实时性等问题,以"蓝信"号无人水面艇的操纵运动模型为约束条件,采用了一种基于速度分解的动态障碍物避障算法,设计了一种未知海洋环境下的"蓝信"号水面无人艇动态自主避碰跟踪控制器。
仿真结果验证了该方法的有效性和正确性,可为"蓝信"号无人水面艇智能避碰控制技术的研究提供参考。
【总页数】8页(P3781-3788)
【作者】范云生;孙晓界;王国峰;郭晨
【作者单位】大连海事大学船舶电气工程学院
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.水面无人艇避碰方法回顾与展望
2.水面无人艇动态避碰策略研究
3.水面无人艇动态避碰策略研究
4.基于改进动态窗口法的无人水面艇自主避碰算法
5.水面无人艇动态避碰策略研究
因版权原因,仅展示原文概要,查看原文内容请购买。
水面无人艇协同技术项目指南
![水面无人艇协同技术项目指南](https://img.taocdn.com/s3/m/d4490e7c590216fc700abb68a98271fe900eaf5e.png)
水面无人艇协同技术项目指南引言:水面无人艇协同技术是一项具有广阔前景的领域,其应用范围涵盖了海洋探测、救援行动、科学研究等多个领域。
本项目指南将介绍水面无人艇协同技术的基本原理、关键技术以及应用前景,以期为相关研究人员和工程师提供参考和指导。
一、水面无人艇协同技术的基本原理水面无人艇协同技术是指多艇之间通过无线通信和协同控制实现艇队的协同行动。
其基本原理包括艇队组网、任务规划、路径规划以及信息共享等方面。
艇队组网是指多艇之间建立通信网络,以便传递信息和指令。
任务规划是指根据任务需求和艇队能力,将任务分解为子任务,并分配给每艘无人艇。
路径规划是指根据任务需求和环境条件,确定每艘无人艇的最优航行路径。
信息共享是指艇队成员之间共享感知信息、任务信息和状态信息,以便实现协同决策和行动。
二、水面无人艇协同技术的关键技术1. 通信技术:艇队成员之间需要实时传递信息和指令,因此需要可靠的无线通信技术,如卫星通信、无线局域网等。
2. 定位与导航技术:艇队成员需要准确确定自身位置和航向,以及实现艇队的集结和编队行动,因此需要精确的定位与导航技术,如全球定位系统(GPS)、惯导系统等。
3. 避碰与避障技术:艇队成员需要避免相互碰撞和避开障碍物,因此需要具备避碰与避障的能力,如雷达、激光雷达等。
4. 任务规划与路径规划技术:艇队成员需要根据任务需求和环境条件,合理规划任务和路径,以实现高效的协同行动,因此需要有效的任务规划与路径规划技术,如人工智能算法、遗传算法等。
5. 信息融合与决策技术:艇队成员需要共享感知信息和状态信息,以实现协同决策和行动,因此需要信息融合与决策技术,如多智能体系统、协同过滤算法等。
三、水面无人艇协同技术的应用前景水面无人艇协同技术具有广泛的应用前景。
在海洋探测领域,水面无人艇协同技术可以应用于海洋环境监测、海洋资源勘察、海洋生态保护等方面,实现对海洋环境的全面监测和保护。
在救援行动中,水面无人艇协同技术可以应用于海上搜救、灾害救援等方面,提高救援效率和减少人员伤亡。
无人水下自主航行器(AUV)避碰研究
![无人水下自主航行器(AUV)避碰研究](https://img.taocdn.com/s3/m/b3593c4d960590c69fc37660.png)
V
内蒙古大学硕士论文
独创性声明
本人声明:所呈交的学位论文是本人在导师的指导下进行的研究工作及取得的研究成果。 除本文已经注明引用的内容外,论文中不包含其他人已经发表或撰写过的研究成果,也不包 含为获得内蒙古大学及其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对 本研究所做的任何贡献均已在论文中作了明确地说明并表示了谢意。
different sea flow.The simulation results show that obstacle avoidance results are
different for different depth input forms;the depth input is chosen suitably for abnormity obstacles,and the obstacle avoidance result is satisfying.
integrated by path planning and real time control for obstacle avoidance in the
condition of uncertain environment.
KEYWORDS:autonomous underwater vehicle,path planning, real time control of
中大型无人船舶自主控制系统架构设计及实现
![中大型无人船舶自主控制系统架构设计及实现](https://img.taocdn.com/s3/m/b67e26baf9c75fbfc77da26925c52cc58bd690e6.png)
期刊网址:引用格式:徐亮, 王欣安, 刘希, 等. 中大型无人船舶自主控制系统架构设计及实现[J]. 中国舰船研究, 2024, 19(增刊 1):1–9.XU L, WANG X A, LIU X, et al. Architecture design and implementation of autonomous control system for medium and large unmanned surface ship[J]. Chinese Journal of Ship Research, 2024, 19(Supp 1): 1–9 (in Chinese).中大型无人船舶自主控制系统架构设计及实现徐亮*,王欣安,刘希,余秀,韩伟中国舰船研究设计中心,上海 201108摘 要:[目的]自主控制系统作为无人船舶的核心系统,负责协调全船其他系统,共同完成各项既定使命任务,是无人船舶技术的重要研究方向。
[方法]首先,借鉴主导人类智能的“神经系统”的生理学结构和认知机制,归纳出对于无人船舶自主控制系统架构仿生设计的6点启示。
然后,基于这些启示,从“中枢神经系统”和“周围神经系统”两个维度,研究自主控制系统的物理架构及其典型实现。
最后,借鉴人类智能的信息处理流程,提出8大功能模块构成的自主控制系统的功能架构以及面向服务架构(SOA )的设计思路。
[结果]经研究得到了无人船舶自主控制系统物理架构和功能架构,[结论]其可为中大型无人船舶自主控制系统的总体架构、系统设计与产品研制提供路线参考。
关键词:无人船舶;智能体;自主控制系统;架构设计中图分类号: U662.2文献标志码: ADOI :10.19693/j.issn.1673-3185.03218Architecture design and implementation of autonomous control system formedium and large unmanned surface shipXU Liang *, WANG Xinan , LIU Xi , YU Xiu , HAN WeiShanghai Division, China Ship Development and Design Center, Shanghai 201108, ChinaAbstract : [Objectives ]As the core system of an unmanned surface vehicle, the autonomous control system (ACS) is responsible for coordinating other systems to achieve combat missions, which is the key to un-manned surface ship technology. [Methods ]First, based on the physiological structure and cognitive mech-anism of the nervous system, this paper proposes six bionic revelations for the ACS. Furthermore, based on such revelations, a system architecture and its typical ACS case are proposed as the biomimetic of the central and peripheral nervous system. Finally, a design scheme for the ACS architecture that composed of eight func-tional modules with service-oriented architecture is obtained which draws upon the information processing of the human brain. [Results ]The bionic physical architecture and functional architecture is achieved.[Conclusions ]This study can provide useful references for the overall construction, system design and equipment development of the ACS for medium to large unmanned surface ships.Key words : unmanned surface ship ;intelligent agent ;autonomous control system ;architecture design0 引 言在人工智能、大数据、云计算等新技术的推动下,围绕节能减排、人员安全、经济高效等目标,海上航运技术得到快速发展,智能化、自主化能力逐渐成为新造船舶的优先考虑因素。
探索一个船舶恶劣环境中“强化学习”例子
![探索一个船舶恶劣环境中“强化学习”例子](https://img.taocdn.com/s3/m/4b1250210640be1e650e52ea551810a6f524c867.png)
探索一个船舶恶劣环境中“强化学习”例子
研究实现高度自主控制的无人驾驶船舶是造船和航运产业的新
目标,为完成无人船舶的海上自主智能航行,实现其自主避碰导航是航行安全的核心,自主运动控制是操纵船舶到达目的港的关键。
针对这两个核心关键问题,本文基于自主强化学习理论,充分考虑国际海上避碰规则和航行避让经验,在融合船舶操纵特性的基础上展开系统的研究,提出并验证了一种面向船舶自动操纵避碰工程应用的无人船舶避碰导航及运动控制方法。
针对复杂航行条件下的多船自动避碰难题,作者提出了一种基于深度强化学习的无人船舶自主智能避碰算法。
基于强化学习的无人船自主避障路径规划
![基于强化学习的无人船自主避障路径规划](https://img.taocdn.com/s3/m/b971a8707275a417866fb84ae45c3b3567ecddf5.png)
基于强化学习的无人船自主避障路径规划一、无人船自主避障路径规划概述无人船技术近年来在海洋探索、环境监测、货物运输等领域得到了广泛的应用。
随着技术的发展,无人船的自主性变得越来越重要,尤其是在复杂多变的海洋环境中,自主避障路径规划成为无人船技术的核心之一。
基于强化学习的无人船自主避障路径规划,是指通过机器学习的方法,使无人船能够在未知或动态变化的环境中自主学习并规划出避开障碍物的最优路径。
1.1 无人船自主避障路径规划的重要性无人船在执行任务时,需要面对各种海洋环境的挑战,如礁石、漂浮物、其他船只等。
有效的自主避障路径规划能够确保无人船安全、高效地完成任务,减少因碰撞或搁浅导致的损失。
此外,自主避障路径规划还能提高无人船的作业效率,优化资源分配,降低人为干预的需求。
1.2 无人船自主避障路径规划的应用场景无人船自主避障路径规划的应用场景非常广泛,包括但不限于以下几个方面:- 海洋环境监测:无人船可以搭载传感器,对海洋环境进行长期监测,自主规划路径避开障碍,确保数据采集的连续性和准确性。
- 货物运输:在特定的水域内,无人船可以自主规划路径,避开障碍物,提高运输效率和安全性。
- 搜救行动:在紧急搜救任务中,无人船能够快速规划出避开障碍物的路径,及时到达目标区域进行搜救。
二、基于强化学习的无人船自主避障路径规划强化学习是一种无模型的学习方法,通过与环境的交互来学习策略,以最大化累积奖励。
在无人船自主避障路径规划中,强化学习可以用于学习如何在复杂的海洋环境中做出最优决策。
2.1 强化学习的基本框架强化学习的基本框架包括智能体(Agent)、环境(Environment)、状态(State)、动作(Action)、奖励(Reward)和策略(Policy)。
智能体在环境中通过执行动作来改变状态,并根据状态转移获得奖励。
智能体的目标是学习一个策略,以最大化长期累积的奖励。
2.2 强化学习在无人船自主避障路径规划中的应用在无人船自主避障路径规划中,智能体可以是无人船的控制系统,环境是海洋环境,状态可以是无人船的位置和速度,动作是无人船的控制指令,奖励可以是避障成功与否的反馈,策略则是无人船的避障决策规则。
基于自适应专家S面算法的微小型USV控制系统设计
![基于自适应专家S面算法的微小型USV控制系统设计](https://img.taocdn.com/s3/m/9f5c0c5832687e21af45b307e87101f69e31fb62.png)
基于自适应专家S面算法的微小型USV控制系统设计董早鹏;万磊;宋利飞;茅云生【期刊名称】《中国造船》【年(卷),期】2017(058)002【摘要】研究一类微小型水面无人艇(unmanned surface vessel,USV)的运动控制系统设计问题,提出了一种自适应专家S面运动控制算法.首先,基于STM32-ARM核心板设计了一类微小型无人艇的运动控制系统,基于Labwindows/CVI软件开发了上位机监控系统;其次,充分融合专家系统和S面控制算法的优势,提出了一种自适应专家S面运动控制算法,用于微小型无人艇的航速和航向控制;最后以所研制的“神龙号”微小型无人艇为载体,通过大量的水池试验和外场试验,验证了所设计和开发的运动控制系统的有效性和可靠性;同时通过对比试验,体现出了所提出的自适应专家S面控制算法在无人艇航向和航速控制方面的优越性.【总页数】11页(P178-188)【作者】董早鹏;万磊;宋利飞;茅云生【作者单位】高性能船舶技术教育部重点实验室(武汉理工大学),武汉430063;武汉理工大学交通学院,武汉430063;哈尔滨工程大学水下机器人技术重点实验室,哈尔滨150001;哈尔滨工程大学船舶工程学院,哈尔滨150001;高性能船舶技术教育部重点实验室(武汉理工大学),武汉430063;武汉理工大学交通学院,武汉430063;高性能船舶技术教育部重点实验室(武汉理工大学),武汉430063;武汉理工大学交通学院,武汉430063【正文语种】中文【中图分类】U664.82【相关文献】1.基于专家S面控制的UUV姿态控制系统设计 [J], 黄悦华;刘瑞勇;杨培培;李闯;向东旭2.基于非对称模型的欠驱动USV自适应路径跟踪控制 [J], 陈霄;刘忠;张建强;董蛟3.基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制 [J], 王仁强; 缪克银; 孙建明4.基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制 [J], 王仁强; 缪克银; 孙建明5.基于自适应专家控制的链篦机料厚自动控制系统设计 [J], 徐少川;井元伟;苟维东因版权原因,仅展示原文概要,查看原文内容请购买。
无人驾驶船舶的自动导航与避碰技术研究
![无人驾驶船舶的自动导航与避碰技术研究](https://img.taocdn.com/s3/m/a06b81b685868762caaedd3383c4bb4cf7ecb700.png)
无人驾驶船舶的自动导航与避碰技术研究摘要近年来,无人驾驶船舶(Unmanned Surface Vessels,USV)的自动导航与避碰技术在航海领域引起了广泛的关注和研究。
本文综述了无人驾驶船舶的自动导航与避碰技术的研究现状,并分析了相关技术的优势和难点。
具体而言,本文首先介绍了无人驾驶船舶的发展背景及其应用前景。
接着,本文详细论述了无人驾驶船舶的自动导航技术,包括船舶定位与姿态控制、路径规划和自动控制等方面。
同时,本文还介绍了无人驾驶船舶的避碰技术,包括传感器技术、目标检测与跟踪、碰撞风险评估与决策等方面的研究。
最后,本文总结了当前无人驾驶船舶自动导航与避碰技术的挑战与未来发展方向。
关键词:无人驾驶船舶;自动导航;避碰技术;船舶定位与姿态控制;路径规划;碰撞风险评估与决策1. 引言自动导航与避碰技术是无人驾驶船舶(USV)领域的核心问题之一。
随着自动驾驶技术的迅猛发展,无人驾驶船舶在军事、海洋科学研究、救援等领域的应用逐渐增多。
与传统的有人驾驶船舶相比,无人驾驶船舶具有更高的安全性、效率和自主性。
自动导航与避碰技术是无人驾驶船舶能够实现自主导航与避免碰撞的关键。
2. 无人驾驶船舶的自动导航技术2.1 船舶定位与姿态控制船舶定位是无人驾驶船舶实现自动导航的基础。
常用的船舶定位技术包括全球定位系统(GPS)、惯性导航系统(INS)和激光雷达等。
GPS系统可以提供船舶的位置信息,但对于无人驾驶船舶来说,定位精度和实时性是决定其自动导航能力的重要因素。
因此,研究者们提出了一系列的方法来改善GPS的定位精度和实时性,如差分GPS、多传感器融合和信号处理等。
此外,姿态控制也是无人驾驶船舶实现自动导航的关键。
姿态控制可以通过舵角和舵柄位置来调整船舶的航向和艏向角度。
目前,常用的姿态控制方法有PID控制和模糊控制等。
2.2 路径规划路径规划是无人驾驶船舶自动导航的一个重要环节。
路径规划的目标是在给定的环境中,找到一条最优路径,使无人驾驶船舶能够安全、高效地到达目的地。
无人船的障碍物动态识别
![无人船的障碍物动态识别](https://img.taocdn.com/s3/m/518fb342a7c30c22590102020740be1e650ecc84.png)
无人船的障碍物动态识别随着无人船技术的不断发展和成熟,无人船在海洋、湖泊等水域的运用得到了越来越广泛的应用。
无人船在海上巡航、海洋环境监测、水域勘测等领域都有着重要作用。
随着船只数量的增多,水域中的船只、浮标、礁石、浮筒等障碍物也在增多,给无人船的运行带来了一定的风险。
无人船的障碍物动态识别技术成为了无人船研究和应用中的一个重要课题。
无人船的障碍物动态识别技术是指通过无人船自身搭载的传感器、相机等设备对水域中的障碍物进行感知和识别,从而避免无人船与障碍物发生碰撞,保障无人船的安全行驶。
障碍物的识别对于无人船的自主导航、避障、自主作业等功能具有重要意义。
在无人船的障碍物动态识别技术中,主要涉及到传感器技术、计算机视觉技术、深度学习技术等多个领域。
通过对水域中的障碍物进行感知和识别,从而实现无人船的自主导航、智能避障等功能。
传感器技术是无人船障碍物识别的关键技术之一。
通过搭载激光雷达、声纳、红外线传感器等设备,可以对水域中的障碍物进行三维感知,获得障碍物的位置、形状、大小等信息。
通过传感器采集的数据,可以对水域中的障碍物进行快速且精准的识别,为无人船的安全行驶提供重要的数据支撑。
计算机视觉技术是无人船障碍物识别的另一重要技术。
通过搭载相机、图像传感器等设备,对水域中的障碍物进行图像采集和处理,实现对障碍物的识别和分析。
计算机视觉技术可以通过图像处理、目标检测、图像分割等方法,提取出水域中的障碍物的特征信息,实现对障碍物的精准识别。
深度学习技术是无人船障碍物识别的新兴技术,通过搭载深度学习算法,可以对传感器和相机采集的数据进行智能分析和处理,实现对水域中的障碍物的高效识别。
深度学习技术通过构建深度神经网络模型,可以实现对复杂水域环境中的障碍物的自动识别和分类,提高无人船在复杂环境下的自主导航和避障能力。
无人船的障碍物动态识别技术不仅可以提高无人船的安全性和可靠性,还可以提高无人船的自主性和智能化水平,为无人船的智能航行和自主作业提供重要支持。
基于海事规则的水面无人艇动态障碍规避方法
![基于海事规则的水面无人艇动态障碍规避方法](https://img.taocdn.com/s3/m/04d8ab84dbef5ef7ba0d4a7302768e9951e76e12.png)
基于海事规则的水面无人艇动态障碍规避方法杜开君;茅云生;向祖权;周永清;宋利飞;刘彬【摘要】针对水面无人艇对探测到的电子海图上没有标示的动态障碍物的规避问题,提出符合国际海上避碰规则公约的规避方法,将动态障碍物某一运动时刻转换为相对无人艇瞬时静止的状态,对避障模型进行实时计算;并通过粒子群优化算法解算出无人艇进行避障所需的最优航速和航向改变量.仿真实验表明,该方法可得到合理的规避策略,有效地完成动态障碍物的规避任务.【期刊名称】《船海工程》【年(卷),期】2015(044)003【总页数】6页(P119-124)【关键词】水面无人艇;动态障碍物;粒子群优化算法;路径规划;海事规则【作者】杜开君;茅云生;向祖权;周永清;宋利飞;刘彬【作者单位】武汉理工大学高性能船舶技术教育部重点实验室,武汉430063;武汉理工大学交通学院,武汉430063;武汉理工大学高性能船舶技术教育部重点实验室,武汉430063;武汉理工大学交通学院,武汉430063;武汉理工大学高性能船舶技术教育部重点实验室,武汉430063;武汉理工大学交通学院,武汉430063;武汉理工大学高性能船舶技术教育部重点实验室,武汉430063;武汉理工大学交通学院,武汉430063;武汉理工大学交通学院,武汉430063;武汉理工大学交通学院,武汉430063【正文语种】中文【中图分类】U675.85水面无人艇(unmanned surface vehicle,USV)作为一种无人海上航行器,是惟一一种可以在水上、水面、水下同时发挥作用的无人运载平台[1]。
在航行过程中,水面无人艇处在不可预见的动态的海洋环境中,障碍物很可能出现在已经规划好的全局路径上,而AIS或航海雷达并没有探测到,电子海图上也没有标示障碍物及其运动信息。
为了保证无人艇能够快速、安全地到达目标,需要对使其处在危险状况下的动态障碍物进行规避,这正是决定无人艇智能化程度高低的关键技术之一[1-5]。
基于改进BFO优化的高速无人艇航向PD控制
![基于改进BFO优化的高速无人艇航向PD控制](https://img.taocdn.com/s3/m/c5fb134a3a3567ec102de2bd960590c69ec3d899.png)
基于改进BFO优化的高速无人艇航向PD控制包涛;茅云生;董早鹏;杨鑫;曾小龙【摘要】针对无人艇高速航行过程中航向控制问题,提出一种基于改进细菌觅食算法优化的PD控制算法.基本细菌觅食算法使用固定步长易导致算法遗失局部最优解,文章设计了一种改进的分维自适应步长策略,以实现步长的自适应调整;针对细菌觅食算法的游动操作可能导致细菌重复的无用游动,提出了一种智能探针操作方法;引入一种自适应迁徙概率算法,优化细菌觅食算法的驱散操作;将改进后的细菌觅食算法融合到高速无人艇的PD航向控制系统当中,用于优化PD控制参数,并通过半物理仿真实验验证了所提出算法的有效性、可靠性和优越性.【期刊名称】《武汉理工大学学报(交通科学与工程版)》【年(卷),期】2018(042)006【总页数】6页(P1029-1033,1038)【关键词】高速无人艇;航向控制;改进细菌觅食算法;PD控制算法;分维自适应步长策略【作者】包涛;茅云生;董早鹏;杨鑫;曾小龙【作者单位】武汉理工大学交通学院武汉 430063;武汉理工大学交通学院武汉430063;武汉理工大学交通学院武汉 430063;武汉理工大学交通学院武汉430063;武汉理工大学交通学院武汉 430063【正文语种】中文【中图分类】U664.820 引言无人艇在海上高速航行过程中受风浪流等环境干扰较大,且其航向控制系统具有复杂的非线性特征,这对其控制算法要求较高.Minorsky[1]提出的基于输出反馈的PID控制器后,这种最初的自动航向控制器获得了长足的进步.然而,在复杂、精细的无人艇上,粗略的传统PID控制显示出了它的缺陷,因此,各国学者开始研究一些新的航向控制方法,Fang等[2]采用基于神经模糊算法的自整定控制器实现船舶航向最优调整,但是实施较为复杂; Zheng等[3]基于粒子群算法进行船舶航向控制;Sarda等[4]采用非线性比例导数的反推的滑模反馈控制器来控制无人艇的位置和航向,然而其仅重点考虑了风对艇的影响;Kim等[5-6]则采用了遗传算法来整定PID控制器的参数;徐国平等[7-8]则在网络平台基础上着重控制的简便和实时性上做了很多努力,取得了一定的成果.Passino[9]提出了细菌觅食算法(BFO),这是一种新式的生物智能优化算法,和蚁群算法、粒子群算法等智能优化算法类似,其也是一种随机搜索算法,是通过模拟自然界生物群落行为从而寻求全局最优的仿生优化算法.细菌觅食算法作为一种新的机遇群体的优化工具,其具有比其他智能算法更好的取得全局极值的能力.Pan等[10]使用细菌觅食算法进行细胞图像分割.考虑到算法本身较强的全局搜索能能力,本文将其应用在高速无人艇的航向控制参数优化上,但是对于传统BFO算法,其同样存在收敛速度较慢,精度受步长初值影响大等缺点[11],因此,本文提出了一种改进的细菌觅食算法,加强了其收敛速度和控制精度,并将其应用于船舶航向PD控制中,同时在无风浪流干扰的理想环境和有干扰的一般环境中,分别基于实验室半物理仿真平台验证了改进的BFO算法的优化效果.1 无人艇航向操纵运动及风浪流干扰模型1.1 无人艇航向操纵运动模型无人艇航向非线性操纵运动模型为[12](1)式中:r为首摇角速率;δ为舵角;T为追随性时间常数;K为舵角增益;α为Norbbin系数,其数值可以由螺旋实验确定;d为干扰;ψ为航向角.1.2 无人艇风浪流干扰模型无人艇在航行中必然会收到环境扰动的影响,在对无人艇航向控制进行仿真时,建立合适的扰动模型是一个重要环节.作用与无人艇的环境扰动分为两类,一类是风、流扰动;另一类是海浪扰动.在工程上,风流扰动可以用一个常值加上白噪声来模拟,其就可以较好模拟风流干扰.对于海浪扰动,按式(2)建立波浪干扰模型,模型使用谱分析理论,将有色噪声的海浪扰动用白噪声经过形成滤波器后输出的波高来代替,再利用波高及波高变化率与扰动力矩的关系计算出波高所对应的扰动力矩,根据扰动力矩与舵角的关系,可得到海浪扰动所对应的舵角角度值[13].(2)式中:L为波高;k1为有色噪声比例系数;wgn为高斯白噪声;G(s)为有色噪声到波高的传递函数;N为首摇扰动力矩;α为航向与海浪的夹角;C1,C2,ρ1为试验确定的系数;K为比例系数,与船的尺寸、吨位、转载等有关;V为航速(m/s);δl为等效干扰舵角.2 船舶航向控制器设计2.1 细菌觅食算法(BFO)基本原理BFO算法具有对初值和参数选择不敏感、鲁棒性强和简单易于实现,以及并行处理和全局搜索等优势.该算法求解问题主要包括四个流程:趋向性操作、聚集性操作、复制性操作和迁徙性操作.在求解时,用细菌在搜索空间中的位置代表所求问题的解,用适应度函数值表示所求问题的解的好坏程度.1) 趋向性操作细菌在觅食过程中将会进行旋转和游动两个运动,算法模拟细菌进行趋向操作的具体方式为(3)式中:θi(j,k,l)为第i个细菌在第j次趋化,第k次复制,第l次驱散时细菌所在的位置;C(i)为细菌的游动步长;Δ(i)为细菌在搜索空间内的任意方向上的一个随机向量.2) 聚集性操作细菌在寻找食物时,每个细菌之间具有引力和斥力,引力使食物多处细菌越来越多,斥力使食物稀少处细菌越来越少.细菌聚集行为的数学模型为(4)式中:dat为引力的深度;wat为引力的宽度;hre为斥力的高度;wre为斥力的宽度.通过式(4),可以修正细菌的适应度值,使细菌聚集更迅速.3) 复制性操作细菌的进化过程也符合达尔文的“适者生存、优胜劣汰”进化准则.为了模拟进化的过程,算法使用基于式(5)的一系列操作来模拟这种现象.(5)式(5)定义为细菌i的健康值函数,其可以衡量细菌的健康值程度,即其觅食能力的大小.算法将健康值较大的一般保留并复制一次,将健康值小的一半舍弃,保证细菌群落觅食能力提升同时群落大小不变.4) 迁徙性操作细菌在生存环境中可能逐渐迁徙到其他环境以应对突发的不良环境变化(如自然灾害).为了模拟这种行为,算法给定了一个既定的迁徙概率Ped,在经过数次复制操作后,某些细菌发生迁徙.这种操作有利于算法跳出局部最优解,从而寻找出全局最优解.2.2 改进的细菌觅食算法2.2.1 趋化步长的改进原始算法的趋化步长是固定值,这使得算法出现了两个问题,即步长大小不容易确定和不同健康值细菌之间无法体现出差异.包敏[14]提出了一种新的自适应分维步长公式为(6)式中:Cd为第d维的步长;stepd为第d维的初始化步长.angle为[0,360°]上的随机数.尽管式(6)改进了原始算法固定步长的缺点,但是其自身依然存在一些不足:使用(j+k+l)实现步长的减小操作作用有限,本文将加法操作改为乘法操作,使算法前期靠近最优值更快,后期小步幅搜索更精确;式(6)使用co s(2π(angle/360°))控制方向,该操作虽然可以实现寻优方向的控制,但是每一维度都进行360°范围内的前进,无疑大量进行了无用的运算,造成运算速度下降,本文将其改进为每一维度只进行前进或后退随机步长,大大减小了算法运算量.综上,改进后的自适应分维步长公式为(7)式中:rand为[-1,1]上的随机数.改进后的分维步长使细菌在每一维度分别前进不同步长,运算简单,效果好.2.2.2 游动操作的改进BFO算法确定步长后,随即进行游动操作,但是原始算法细菌在游动操作后进行适应度值的判断,优于上一位置继续游动,劣于上一位置停止游动.这种操作虽然可以基本实现功能,但是游动到劣势位置的细菌无法回到原始的优势位置,甚至可能在随后的游动操作中在原始的优势位置和当前的劣势位置间不断重复,造成运算的极大浪费.针对这个问题,本文提出了一种智能探针操作,赋予细菌一个智能探针,对细菌即将进入的下个位置提前使用探针计算位置适应度值大小,优于目前位置则前进,劣于目前位置则不前进.该操作大大加快了算法的收敛速度,解决了细菌无谓的游动导致细菌前进到较差的适应度环境进而可能反复游动的缺点.改进后的流程框图见图1.图1 改进的游动操作流程图2.2.3 驱散操作的改进在基本细菌觅食算法中,细菌群落将以一个固定概率Ped发生迁徙行为,从而期望改善细菌放弃局部最优值的能力,但是该行为可能导致一些已经位于最优值附近的细菌发生迁徙,从而远离最优值,降低算法收敛的速度.纪震等[21]针对粒子群算法曾提出过一种自适应的迁徙概率算法,尽管其针对的是粒子群,但是同样也可以应用于细菌觅食算法中,从而改进算法的收敛性.进行自适应迁徙的所有细菌为(8)式中:Jhealth为健康值函数,Ped为基本迁徙概率.式(8)本质上利用了轮盘赌[22]的思想进行选择,这使得健康值最小的细菌必定会被迁移,健康值越大,被迁移的概率也就越小.2.3 基于改进BFO的PD控制尽管船舶航向的PD控制简单、性能较好,但是其不能适应船舶航向控制的数学模型及扰动模型的不确定性.将智能控制理论和PD相结合成为一种新的研究方向.然而基本的BFO算法因为其本身算法的局限性,在算法收敛性和稳定性方面存在一定的局限性,为了达到更好的控制效果,本文将改进的BFO算法进入到PD控制中,通过智能算法调整PD控制器的两个参数,从而更好地达到控制船舶航向的目的.基于改进BFO的PD航向控制结构图见图2.图2 基于改进BFO的PD航向控制结构图2.4 适应度函数的确定为了使船舶航向调整快速、精确,本文选用了四个量作为适应度函数为J=(ω1|e(t)|+ω2|Δy(t)|)dt+ω3ts+ω4φover(9)式中:e(t)为系统偏差;Δy(t)=y(t)-y(t-1);y(t)为航向输出;ts为调整时间;φover 为绝对超调量,ω1-4为权值.通过调整不同的权值大小,可以侧重加快调整速度或者减小超调量.当ω1较大时,系统侧重加快调整速度.当ω2、ω4时,函数侧重于减小系统的超调量,当ω3较大时,系统侧重于加快航向调整速度.当权值取得合适的值后,系统可以减小超调量的同时加快航向的调整时间.3 仿真实验及结果分析3.1 不考虑风浪流干扰的航向控制仿真在不考虑风浪流等干扰的理想环境下,BFO算法参数设置见表1.表1 BFO算法参数设置参数数值参数数值Nc20.00w11.00Ns4.00w2100.00Nre4.00w32.00Ned2.00w42.00S10.00注:Nc-算法趋化操作次数;Ns-趋化操作运动最大步数;Nre-复制操作次数;Ned-驱散操作次数;S-细菌个数;w1-4-适应度函数权值得到三种算法的最终优化值,见表2.表2 不同算法参数最终优化结果算法KpKdJ传统PD13.0010.00141.68基本BFO18.7623.7195.06改进BFO6.498.2185.37注:Kp-PD算法比例系数;Kd-微分系数由表2可知,相比传统PD参数整定方法,基本BFO算法得到的三个参数具有更小的即更优的适应度函数值,而改进后的BFO算法相比基本BFO算法得到的参数适应度函数值进一步减小,即进一步优化.三种不同算法在不考虑干扰时,输入规定转向角度为30°时,航向角的变化见图3. 图3 不同算法航向角变化由图3可知,相比基本BFO算法和传统PID算法,改进后的BFO算法到达既定航向角更加迅速;相比传统PD算法,超调量更小,稳定更快.基本BFO算法和改进BFO算法在优化中最佳适应度的变化见图4.图4 基本BFO算法和改进BFO算法最佳适应度由图4可知,改进BFO算法可以搜索到更优的结果,同时收敛速度明显加快,且到达最优值时函数值大小更加稳定,这些都使改进后的BFO算法拥有更优良的控制性能.3.2 考虑风浪流干扰的航向控制仿真船舶航行时,不可避免的会遇到风浪流的干扰,这些干扰会加大操舵的难度,给航行带来安全隐患.在考虑风浪流的干扰时,BFO算法设置参数见表3.经过计算,三种不同算法得到的优化值见表4,参数含义同表1~2.表3 BFO算法参数设置参数数值参数数值Nc20.00w130.00Ns4.0000w2100.00Nre4.00w31.00Ned2.00w45.00S10.00表4 考虑干扰不同算法最终优化结果算法KpKdJ传统PD50.00 50.00 2 845.50基本BFO29.40 46.00 2 312.50 改进BFO45.58 65.17 2 238.10由表4可知,改进的BFO算法相比基本BFO和传统PD算法具有更优更小的适应度函数值.三种不同算法在考虑风浪流的干扰时,输入规定转向角度为30°时,航向角的变化见图5.图5 考虑干扰时的不同算法航向角变化图5显示使用改进BFO算法计算的PID参数值所构成的PD控制器,在有风浪流的干扰下,改进BFO算法比传统PID拥有更小的超调量,比基本BFO算法有更小的调节时间,同时后期比传统PID有更强的稳定性.而在考虑风浪流的干扰时,基本BFO算法和改进的BFO算法的计算过程同样有所不同,两种算法在优化过程中适应度值的变化见图6.图6 基本BFO算法和改进BFO算法最佳适应度由图6可知,在有风浪流的干扰下,改进BFO算法具有更强的收敛性,同时在后期有更强的稳定性.4 结论1) 改进的分维自适应步长策略,实现了算法步长的自适应调整,解决了基本BFO使用固定步长容易导致算法遗失局部最优解的问题.2) 智能探针操作方法,即对细菌即将进入的下个位置提前计算位置适应度值大小,优于目前位置则前进,劣于目前位置则不前进,解决了基本BFO重复游动可能性高的缺点.3) 自适应迁徙概率算法的提出避免了基本BFO采用固定迁徙概率可能导致最优解消失的劣势.4) 不论在有风浪流干扰还是没有干扰的情况下,改进BFO算法都比基本BFO算法展现出了更强的收敛性和稳定性,同时拥有更好的优化结果,改进BFO算法克服了基本BFO算法收敛速度慢的缺陷.5) 将改进BFO算法应用于船舶航向控制PID参数的寻优中,经过半物理仿真实验,可以得知:不论是有风浪流干扰还是没有风浪流的干扰,与基本BFO算法和传统PID相比,经过改进BFO寻优后的PID控制器加快了反应速度,同时也减小了超调量,获得了更好的控制性能.参考文献【相关文献】[1]MINORSKY N. Directional stability of automatically stwwred bodies[J]. Journal of the American Society for Naval Engineers, 2010,34(2):280-309.[2]FANG M C, LEE Z Y. Application of neuro-fuzzy al- gorithm to portable dynamic positioning control system for ships[J]. International Journal of Naval Architecture & Ocean Engineering, 2016,8(1):38-52.[3]ZHENG J, LI Y, ZHANG L J. Optimization of the ship course controlled under the wave disturbance[J]. International Journal of Simulation: Systems, Science and Technology, 2015,16(5):201-205.[4]SARDA E I, QU H, BERTASKA I R, et al. Station-keeping control of an unmanned surface vehicle exposed to current and wind disturbances[J]. Ocean Engineering, 2016,127:305-324.[5]KIM H, KIM S H, JEON M, et al. A study on path optimization method of an unmanned surface vehicle under environmental loads using genetic algorithm[J]. Ocean Engineering, 2017,142:616-624.[6]欧阳子路,余文曌,贺宏伟,等.基于改进遗传算法的船舶航向PID控制器[J].中国航海,2017,40(1):13-15.[7]徐国平,张显库.基于网络的船舶航向保持控制仿真平台设计[J].中国航海,2015,38(1):1-3.[8]徐国平,张显库,张国庆.考虑通信时延的船舶航向保持鲁棒自适应控制[J].哈尔滨工程大学学报,2017,38(1):59-65.[9]PASSINO K M. Biomimicry of bacterial foraging for distributed optimization and control[J]. IEEE Control Systems, 2002,22(3):52-67.[10]PAN Y, XIA Y, ZHOU T, et al. Cell image segmentation using bacterial foraging optimization[J]. Applied Soft Computing, 2017,58:770-782.[11]YI J, HUANG D, FU S, et al. Multi-Objective bacterial foraging optimization algorithm based on parallel cell entropy for aluminum electrolysis production process[J]. IEEE Transactions on Industrial Electronics, 2016,63(4):2488-2500.[12]杜佳璐,郭晨,张显库.船舶运动航向自适应非线性控制的仿真研究[J].系统仿真学报,2005,17(6):1445-1448.[13]刘勇,李文魁,陈永冰,等.基于航向自动舵实船环境模拟的海浪扰动模型研究[J].海军工程大学学报,2002,14(5):60-62.[14]包敏.混合差分和细菌觅食的多目标优化算法[D].兰州:兰州交通大学,2016.[15]纪震,廖惠连,吴青华.粒子群算法及应用[M].北京:科学出版社,2009.[16]夏桂梅,曾建潮.一种基于轮盘赌选择遗传算法的随机微粒群算法[J].计算机工程与科学,2007,29(6):51-54.。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
1021 ; 修回日期: 20141103. 收稿日期: 2014mail: ysmao@ 163. com. 作者简介: 茅云生( 1962 - ) ,男,博士,教授,E-
第4 期
茅云生, 等: 水面无人艇多船障碍智能避碰
9
[3 ] 的避碰行为多达 7 14 种 . 这种拓扑式的规则 结构过于庞杂, 在复杂局面尤其是多船障碍环境
复杂、 障碍动态的特点, 这些应用于智能机器人的 算法往往难以取得良好的效果. 另外, 在这些决策 中也较少考虑无人艇的速度和角速度等动力系统 [6 ] 的限制 , 因而作出的规划往往并非无人艇能力 所及. 同时, 无人艇智能避碰相对其他智能机器人 有其独有的规则. 《国际海上避碰规则公约 》 在总 体层面为船舶避碰提供了抽象规则. 在避碰规划 , 时, 无人艇应考虑障碍船普遍遵守《公约 》 且自 《公约 》 , 身也应遵守 这已成为无人艇智能避碰研 [7 ] 究的共识 . 对海上避碰规则的处理多是将潜在 威胁的 会 遇 情 况 进 行 细 分, 目前多按规则分为 [8 ] 4 7 种会遇情况 , 然后对不同会遇情况拟定相 应的协议构建决策系统, 系统协议库中可能采取
7736 ( 2015 ) 04000806 文章编号: 1006-
水面无人艇多船障碍智能避碰
茅云生
* a, b a, b a, b a, b a , 宋利飞 , 向祖权 , 周永清 , 茅普修 , 闫
钊
a, b
( 武汉理工大学 a. 高性能船舶技术教育部重点实验室; b. 交通学院,武汉 430063 ) 摘要: 为尽可能在无人艇避碰规划时兼顾《国际海上避碰 , 《公约 》 规则公约》 提出对障碍船进行符合 的偏心膨胀, 对偏心膨胀建立统一的运动模型 . 为实现宽阔水域的水 面无人艇多船障碍智能避碰 , 提出基于避障紧迫程度 、 安 全性预测以及调整可行性的模糊规划方法 . 对同时具有 交叉及追越情况的多个复杂运动障碍进行避碰规划 对遇、 仿真, 结果证明了该方法的智能性 . 关键词: 无人艇( USV) ; 多船障碍; 智能避碰; 国际海上避 碰规则( COLREGS) 中图分类号: U676. 1 文献标志码: A
1
海事避碰规则具体化
图2 Fig. 2 无人艇与障碍物运动模型
[13 ]
[11 ] 《国际海上避碰规则公约 》 , 按照 将船舶互 见中构成 碰 撞 危 险 时 的 局 面 分 为 以 下 三 类 ( 图
Motion model of USV and obstacle
1) . 1 ) 对遇: USV 与障碍船航向角度差 Δθ 满足 | 180 - Δθ | < 15 ʎ , USV 应向其右舷转向, 从他船
DOI:10.16411/ki.issn1006-7736.2015.04.016
第 41 卷
第4 期
2015 年 11 月
大 连 海 事 大 学 学 报 Journal of Dalian Maritime University
Vol. 41
No. 4
Nov. , 2015
图1 Fig. 1
国际海上避碰规则碰撞局面划分 Different situation of COLREGS
2
符合避碰规则的障碍偏心膨胀
本文对障碍进行安全性膨胀和偏心膨胀的二 安全性膨胀用以增加避障安全性, 偏心膨 重膨胀, 胀用以增加障碍船在海事规则劣势侧的阻碍, 诱 导无人艇在避碰决策时尽量符合避碰规则 . 1 ) 障碍船安全性膨胀 安全性膨胀半径 R' = 1 . 2 R + R a , 其中: R 为 ; R 简化为圆的障碍半径 a 为无人艇领域半径. 2 ) 障碍船偏心膨胀 [12 ] 建立 USV 与障碍的运动模型 . 图 2 中 R 为 USV 位置, 障碍物为圆 O, 此时障碍半径为安全性 膨胀半径 R' . USV 速度为 ( v R , α) , 障碍船速度为 ( vO , α) .
* 碰中的启发式 A 算法、 人工势场法、 可视图法等 [5 ] 进行改进和集成 . 但由于无人艇速度高、 环境
险评估的综合决策支持框架
[2 ]
Multiobstacle intelligent collision avoidance strategy for unmanned surface vehicle
但由于障碍船可能具有的不确定性, 在特定情况 下, 强行按避碰策略进行避障有可能使无人艇处 境更加危险. 因此, 在无人艇避碰规划时应尽量 智能 多地考虑复杂多变不可预知的障碍船路径, 避碰规划应先满足安全性, 再尽量考虑满足避碰 规则. 针对现有优点和不足, 本文认为对海上避碰 规则的处理应建立统一高效的避碰策略, 对规则 即应对遵守避碰规则的安全 的处理具有灵活性, 性进行判断, 而不能盲目遵守. 环境情况应更加 真实, 在多船同时会遇及船舶运动随机变化的复 杂环境下, 要求避碰规划仍能安全避碰, 同时, 避 碰规划还应考虑是否满足无人艇的机动性能 . 为此, 本文按照海上避碰规则对障碍船舶进 行偏心膨胀, 增加无人艇违背《公约 》 的阻碍, 使 符合海事 避 碰 规 则 的 避 碰 方 向 享 有 优 先 权 . 然 后, 应用统一的避碰策略, 使无人艇按照碰撞局面 自行判断避碰方向和速度. 同时, 本文对宽阔水 域的多船障碍避碰问题提出一种兼顾障碍船紧急 不同避障策略安全性、 避障策略调整可行性 程度、 的模糊规划方法, 对复杂多船障碍环境下考虑海 事规则的所有避障策略进行挑选, 实时获取最优 的避碰策略.
Abstract : To take the Convention on the International Regulations for Preventing Collisions at Sea( COLREGS) into account in planning for obstacle avoidance of unmanned surface vehicle( USV) ,this paper presented the rule of eccentric expansion accord with COLREGS. To reduce the ship collision occurrence and achieve multiship collision avoidance in broad areas,a fuzzy programming method based on urgency,security and feasibility of planning was put forward. Example simulation consists of multiship including different collision situation,which shows the intelligence of the proposed method. Key words: unmanned surface vehicle ( USV ) ; multiship obstacle; intelligent collision avoidance; Convention on the International Regulations for Preventing Collisions at Sea ( COLREGS)
-1 γ = tan
第 41 卷
v R sin( α - θ) - v o sin( β - θ) v R cos( α - θ) - v o cos( β - θ)
式中: μ_DCPA 为 DCPA 危险度隶属函数; μ_TCPA 为 TCPA 危险度隶属函数. 基于海事规则的障碍物偏心膨胀半径 2 R * = 3 R' 1 + sin π ( μ + 2 ) 3 2
*
{ O ( y)
*
最差避让方案( 需大幅转向) : Δγ ≤ - μ - γ, γ≥0
{ Δγ ≥ μ - γ, γ < 0
( 7)Biblioteka = O' ( y) + ( R * - R' ) sinζ ζ =
[10 ] 的算法没有权衡遵照避碰规则执行的危险性 . 从无人艇角度来说, 按避碰策略来执行是推荐的, [8 ]
的左舷通过. 2 ) 追越 : USV 与障碍船航向角度差 Δθ 满足 | Δθ | < 45 ʎ , USV 应向其左舷转向, 从他船的左舷 通过. 3 ) 交叉: USV 与障碍船航向角度差 Δθ 满足 45 ʎ ≤| Δθ | ≤ 165 ʎ , USV 要从障碍船后方航行.
R * 为 R' 的 1 3 倍. 碰撞危险度 由式( 5 ) , 较低时, 障碍物偏心膨胀较大, 对避碰规则影响 障碍物偏心膨胀较小, 对 大; 碰撞危险度较高时, 避碰规则影响小. 图 3 所示偏心膨胀圆 O 与安全性膨胀圆 O' * 在海事规则推荐的绕行侧相切, 因此当 R ≠ R' 时, 圆心不重合. 偏心膨胀圆圆心: O * ( x) = O' ( x) + ( R * - R' ) cosζ
{
[
]}
( 3)
上式微分后可得 v R cosφ v o cosη sinφ - sinη Δγ = Δv R + Δα + Δv o + Δβ Δv Δv Δv Δv ( 5) 在由雷达信息已知的障碍速度 v o 、 角度 β 以 及推知的速度改变量 Δv o 、 角度改变量 Δβ 基础上, 通过调节本船速度 v R 和角度 α 可改变 Δγ. 规定最优避障方案: γ ≥ μ - γ, γ≥0 {Δ Δγ ≤ - μ - γ, γ < 0 ( 6)
时, 难以给出正确的决策; 如果同时可执行多种方 案, 在不同避碰行动方案中也难以取舍. 另外, 考 虑规则的速度障碍方法 , 在无人艇的速度空间 结合海上避碰规则衡量不同圆 中生成圆锥障碍, 锥区的避碰危险度, 基于此在多障碍环境进行动 态避碰. 这些仿真实验中考虑的障碍的运动较为 简单, 且其运动都主动配合无人艇, 进行符合避碰 规则的避让或保向保速. 但大量事故调查表明, 船 舶的行驶路径不符合海事规则是海上碰撞事故发 [9 ] 生的重要原因 . 同时, 大多考虑海上避碰规则