多目标下的船舶智能避碰方法研究
发布时间：2021-01-09 14:45
随着人类对海洋环境的开发和利用,海上交通变得越来越繁忙。从上世纪50年代人们开始有意识地规划海上交通规则开始,人们已经意识到船舶交通安全与其他交通工具同等重要。在海上意外事故中,碰撞事故占一半以上,虽然现如今人们给船舶配备了各类避碰辅助系统,但碰撞事故仍然层出不穷。其根本原因是虽然驾驶者得到了更多的信息,但最终做出避碰机动决策的依旧是驾驶者本身。然而往往在紧急时刻,尤其是在多目标的复杂水面环境下,即使是经验丰富的驾驶者也很难快速的做出正确的判断。这时开发一种能够辅助驾驶者甚至能够代替驾驶者做出避碰决策的系统就变得尤为重要。本文是针对多目标环境设计一种新的避碰方法。首先,介绍了船舶避碰领域的相关知识,分析船舶避碰基本方法。特别是对海上交通规则进行详细分析,并确定了船舶对各种会遇姿态的避碰责任。对于多目标会遇的情况,划分相应的避碰责任。其次,使用碰撞危险度的概念来量化船舶之间的碰撞风险。并且针对传统BP神经网络的缺点进行了改进,如收敛速度慢,容易陷入局部最小等。应用Matlab软件对改进后的神经网络进行仿真,并对其收敛速度、精度与传统BP神经网络进行比较。最后,是基于分布式遗传算法的避碰路...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
挪威护卫舰碰撞沉没近年来，由于造船技术和工艺水平的提升以及国际商贸交易量的增加，在海上航行
2.7.2 多船会遇局面的划分根据与两艘船会遇相同的原则，船舶和多艘船的会遇情况将按图2.2所示进行划分。在船舶的机动图中，本船位于该图的左侧。其中，对于相对方位角 A 区域内的船舶，采用向右转弯的避碰机动;对于进入 E 区的船舶，通常船舶不进行任何避碰机动，并且只有在目标船舶和船舶形成紧急情况时才采取避碰机动，对于进入C和D区域的船舶，本船被目标船追越，本船通常采取保速保向机动。只有在本船和目标船即将形成紧急情况时，才采取相应避碰机动。对于 B 区的目标船
2.遗传算法基本设定遗传算法的基本设定包含两个步骤，即设计初始种群和种群规模。（1）初始种群产生为了保证基因多样性，通常是让算法在搜索空间内随机生成若干个体，有这些个体初始种群。为了保证算法的效率以及算法的可靠性，通常还要注意以下两点内容：①依据所求问题的特点，合理的设定初始搜索范围，从而降低算法的搜索难度，提率。②在随机生成的若干个体中，应先进行初步筛选，将适应度过低后不在定义域内的删除，从而提高算法的收敛效率。（2）确定种群大小种群大小是遗传算法的一个重要参数，不同类型的问题对应着不同的最佳种群大小。，种群大小不能过小，若过小算法会提前收敛，最终得到“最优个体”与期望相差；若规模过大，会导致算法的选择和交叉操作变得复杂，大大地增加算法的运算量，大量的无效运算，降低收敛速度。所以设计合适的种群大小对遗传算法结果十分关
【参考文献】：
期刊论文
[1]考虑航行经验规则的无人船舶智能避碰导航方法[J]. 沈海青,郭晨,李铁山,余亚磊. 哈尔滨工程大学学报. 2018(06)
[2]船舶避碰决策系统发展研究[J]. 刘力荣,何正伟. 广州航海学院学报. 2018(01)
[3]关于避碰规则中船舶运动状态的分类及分界点研究[J]. 苏少玮. 珠江水运. 2018(04)
[4]船舶自动智能避碰数学模型及其计算机仿真研究[J]. 薛惠,何栋. 舰船科学技术. 2017(16)
[5]基于遗传算法的船舶避碰决策辅助[J]. 倪生科,刘正江,蔡垚,王欣. 上海海事大学学报. 2017(01)
[6]2016年水上交通事故情况分析[J]. 中国海事. 2017(01)
[7]海上多目标船物联网智能避碰辅助决策研究[J]. 郑俏妍. 舰船科学技术. 2016(16)
[8]内河航运可持续发展评价内容分析[J]. 于黎,王多银,汪承志. 中国水运(下半月). 2013(06)
[9]粒子群算法在多船避碰决策中的应用[J]. 王得燕,刘以安. 计算机工程与设计. 2009(14)
[10]三种常用的人工神经网络[J]. 曲杨,宫爱玲. 内江科技. 2008(12)
博士论文
[1]船舶碰撞风险评价与避碰决策方法研究[D]. 张金奋.武汉理工大学 2013
[2]基于Multi-agent的船舶避碰决策支持系统[D]. 杨神化.上海海事大学 2008
硕士论文
[1]遗传算法在船舶避碰行动决策中的应用研究[D]. 李瑶.大连海事大学 2013
[2]开阔水域单船避碰智能决策研究[D]. 李万垒.大连海事大学 2013
[3]智能海上交通流模拟与交通环境定量评估研究[D]. 王结实.大连海事大学 2011
[4]海上交通安全中船舶避碰决策技术研究[D]. 程浩.大连海事大学 2009
[5]遗传算法在AUV动态规避中的应用研究[D]. 黄宇峰.哈尔滨工程大学 2008
[6]水运对我国国民经济贡献的研究[D]. 李明.大连海事大学 2004
[7]内河船舶避碰决策系统研究[D]. 吴羲晖.武汉理工大学 2003
本文编号：2966854
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
挪威护卫舰碰撞沉没近年来，由于造船技术和工艺水平的提升以及国际商贸交易量的增加，在海上航行
2.7.2 多船会遇局面的划分根据与两艘船会遇相同的原则，船舶和多艘船的会遇情况将按图2.2所示进行划分。在船舶的机动图中，本船位于该图的左侧。其中，对于相对方位角 A 区域内的船舶，采用向右转弯的避碰机动;对于进入 E 区的船舶，通常船舶不进行任何避碰机动，并且只有在目标船舶和船舶形成紧急情况时才采取避碰机动，对于进入C和D区域的船舶，本船被目标船追越，本船通常采取保速保向机动。只有在本船和目标船即将形成紧急情况时，才采取相应避碰机动。对于 B 区的目标船
2.遗传算法基本设定遗传算法的基本设定包含两个步骤，即设计初始种群和种群规模。（1）初始种群产生为了保证基因多样性，通常是让算法在搜索空间内随机生成若干个体，有这些个体初始种群。为了保证算法的效率以及算法的可靠性，通常还要注意以下两点内容：①依据所求问题的特点，合理的设定初始搜索范围，从而降低算法的搜索难度，提率。②在随机生成的若干个体中，应先进行初步筛选，将适应度过低后不在定义域内的删除，从而提高算法的收敛效率。（2）确定种群大小种群大小是遗传算法的一个重要参数，不同类型的问题对应着不同的最佳种群大小。，种群大小不能过小，若过小算法会提前收敛，最终得到“最优个体”与期望相差；若规模过大，会导致算法的选择和交叉操作变得复杂，大大地增加算法的运算量，大量的无效运算，降低收敛速度。所以设计合适的种群大小对遗传算法结果十分关
【参考文献】：
期刊论文
[1]考虑航行经验规则的无人船舶智能避碰导航方法[J]. 沈海青,郭晨,李铁山,余亚磊. 哈尔滨工程大学学报. 2018(06)
[2]船舶避碰决策系统发展研究[J]. 刘力荣,何正伟. 广州航海学院学报. 2018(01)
[3]关于避碰规则中船舶运动状态的分类及分界点研究[J]. 苏少玮. 珠江水运. 2018(04)
[4]船舶自动智能避碰数学模型及其计算机仿真研究[J]. 薛惠,何栋. 舰船科学技术. 2017(16)
[5]基于遗传算法的船舶避碰决策辅助[J]. 倪生科,刘正江,蔡垚,王欣. 上海海事大学学报. 2017(01)
[6]2016年水上交通事故情况分析[J]. 中国海事. 2017(01)
[7]海上多目标船物联网智能避碰辅助决策研究[J]. 郑俏妍. 舰船科学技术. 2016(16)
[8]内河航运可持续发展评价内容分析[J]. 于黎,王多银,汪承志. 中国水运(下半月). 2013(06)
[9]粒子群算法在多船避碰决策中的应用[J]. 王得燕,刘以安. 计算机工程与设计. 2009(14)
[10]三种常用的人工神经网络[J]. 曲杨,宫爱玲. 内江科技. 2008(12)
博士论文
[1]船舶碰撞风险评价与避碰决策方法研究[D]. 张金奋.武汉理工大学 2013
[2]基于Multi-agent的船舶避碰决策支持系统[D]. 杨神化.上海海事大学 2008
硕士论文
[1]遗传算法在船舶避碰行动决策中的应用研究[D]. 李瑶.大连海事大学 2013
[2]开阔水域单船避碰智能决策研究[D]. 李万垒.大连海事大学 2013
[3]智能海上交通流模拟与交通环境定量评估研究[D]. 王结实.大连海事大学 2011
[4]海上交通安全中船舶避碰决策技术研究[D]. 程浩.大连海事大学 2009
[5]遗传算法在AUV动态规避中的应用研究[D]. 黄宇峰.哈尔滨工程大学 2008
[6]水运对我国国民经济贡献的研究[D]. 李明.大连海事大学 2004
[7]内河船舶避碰决策系统研究[D]. 吴羲晖.武汉理工大学 2003
本文编号：2966854
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/2966854.html
