基于AIS的船舶避碰策略研究
发布时间：2021-07-30 19:04
船舶碰撞事故是威胁海上航行安全造成危害与损失的重要因素。海上交通的高速化和密集化对传统的避让决策方式带来了压力。为了应对严峻的避碰形势,根据法令船舶自动识别系统在远洋或大型船舶上强制安装,系统能够快速信息收集并作简要分析。随着人为因素在船舶碰撞事故中占比过大,船舶自动识别系统等已成为研究自动决策避碰的基础。目前,船舶自动避碰方法对于避碰中动态过程的研究稍显缺乏,多以会遇形式判断后采用直接的目标性避让动作。基于开发AIS获取更具实时性避碰决策方法的目的,选择强化学习搜索避碰动态过程的优化序贯决策,构造即时避让调整寻求路线最优。首先根据避碰的节点定义避碰吸收Markov过程;鉴于连续状态空间和行为空间,进一步选取自适应启发评价算法作为决策结构;完善算法中的评价器和决策器,选取输入信息包括船舶位置、航向、航速,确定决策输出为航向转向角度;依据船舶碰撞危险度和转向角度设定再励信号,将避让经验和避碰规则融入到Markov过程中;最后在多种会遇局面下,完成避碰动态过程的强化学习,收敛得到决策方案和避让路径。决策结果在MATLAB环境中由避让路径表示,针对两船会遇下对遇、交叉、追越和多船会遇下不同局...
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【图文】：
船载AIS组成
图 2-1 评价决策结构图Fig.2-1 AHC structure（2）径向基人工神经网络与多层网络相比，RBF 网络中隐单元的激活函数是局部性的[37]，将随着与元中心的远离而迅速减小。其特性利于神经网络的学习速度和对状态空间的覆因此 AHC 避碰算法结构中评价网络和决策网络均选择径向基函数网络（RBF络）。RBF 网络大致分为三层：输入层、隐层和输出层。面对未知的非线性函数RBF 网络能够基于足够的隐单元进行逼近，即以隐单元为基函数，通过线性组的形式实现逼近，在正规化网络下能够求得最佳解。其中典型的正规化网络为多元正态函数为隐单元基函数。其输出关系式为：)21()exp(122 Ni iifxxx （2-1式中 为权值系数、xi 为基函数计算中心。RBF 网的确定，关键在于三个因素：RBF 网的基函数中心，方差和输出单
图 3-1 船舶会遇方位划分图Fig.3-1 The compartmentalization of ship encounter situation自动避碰方法中设定当来船航向在正横方向的分量向本船靠近从本船船尾处经过，进而完成超越；否则向反方向转向拉开横的横距实行平行追越。）交叉状态状态时非对遇非追越的会遇状态，其中根据船舶的方位航向分。若来船处于船舶右舷则本船为避让船，本船右转避碰；若来本船为直航船，需要维持航向航速[40]。交叉状态下避让船面对交叉和大角度交叉具有不同的避让难度，大角度交叉状态下有右转避碰，这时可以左转避碰甚至左转一圈。会遇中若两船右空间碰撞危险度小于 0.8 时，相互左转拉大距离以右舷通过，以左舷通过。左舷对左舷局面时，若碰撞危险度存在相互右转特殊局面
【参考文献】：
期刊论文
[1]转舵速度对舰船回转性能的影响[J]. 陈放,胡晓芳,金迎村. 中国舰船研究. 2015(04)
[2]现代船舶避碰系统研究进展[J]. 江立军,郑凯,王国峰,赵永生. 上海船舶运输科学研究所学报. 2015(01)
[3]基于核方法的连续动作Actor-Critic学习[J]. 陈兴国,高阳,范顺国,俞亚君. 模式识别与人工智能. 2014(02)
[4]美国海军电子海图显示与信息系统发展与启示[J]. 温朝江,卞鸿巍,王荣颖,马恒. 海洋测绘. 2013(06)
[5]平均报酬指标多步递推最小二乘即时差分学习[J]. 李春贵,刘永信,王萌. 内蒙古大学学报(自然科学版). 2008(05)
[6]基于再励学习的多移动机器人协调避障路径规划方法[J]. 张芳,颜国正,林良明. 计算机工程与应用. 2003(03)
[7]AIS在船舶自动避碰系统中的应用[J]. 李丽娜,任勤生,邵哲平. 船舶工程. 2002(03)
[8]船舶碰撞危险度的新模型[J]. 郑中义,吴兆麟. 大连海事大学学报. 2002(02)
[9]多船会遇碰撞危险的灰色动态评价模型[J]. 姚杰,吴兆麟,方祥麟. 大连水产学院学报. 2001(04)
[10]最晚施舵点模型及其应用[J]. 郑中义,吴兆麟. 航海技术. 2001(02)
博士论文
[1]强化学习及其在机器人系统中的应用研究[D]. 陈学松.广东工业大学 2011
[2]强化学习方法及其应用研究[D]. 黄炳强.上海交通大学 2007
[3]策略梯度增强学习的理论、算法及应用研究[D]. 王学宁.国防科学技术大学 2006
[4]基于增强学习和ART2神经网络的移动机器人路径规划研究[D]. 樊建.上海大学 2006
硕士论文
[1]基于ARM技术的数字船用雷达ARPA系统的研究[D]. 伍家香.电子科技大学 2015
[2]基于船舶碰撞危险度的避碰决策研究[D]. 任鹏.大连海事大学 2015
[3]AIS环境下基于动态船舶领域模型的避碰决策研究[D]. 徐鑫.大连海事大学 2014
[4]基于AIS数据的船舶危险驶过研究[D]. 崔捷.大连海事大学 2014
[5]有限状态马氏链在团体形成以及羊群效应中的应用[D]. 魏峥.武汉理工大学 2014
[6]基于船舶会遇仿真的驾驶行为控制策略研究[D]. 李志锋.武汉理工大学 2013
[7]基于AIS和电子海图的船舶智能避碰系统研究[D]. 孙海南.大连海事大学 2013
[8]多智能体系统中的Q学习算法研究[D]. 乔林.南京邮电大学 2012
[9]多船进出港训练评估方法的研究与实现[D]. 吕石立.大连海事大学 2010
[10]基于AIS-ECDIS的船舶避碰辅助决策研究[D]. 李子强.武汉理工大学 2010
本文编号：3311954
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【图文】：
船载AIS组成
图 2-1 评价决策结构图Fig.2-1 AHC structure（2）径向基人工神经网络与多层网络相比，RBF 网络中隐单元的激活函数是局部性的[37]，将随着与元中心的远离而迅速减小。其特性利于神经网络的学习速度和对状态空间的覆因此 AHC 避碰算法结构中评价网络和决策网络均选择径向基函数网络（RBF络）。RBF 网络大致分为三层：输入层、隐层和输出层。面对未知的非线性函数RBF 网络能够基于足够的隐单元进行逼近，即以隐单元为基函数，通过线性组的形式实现逼近，在正规化网络下能够求得最佳解。其中典型的正规化网络为多元正态函数为隐单元基函数。其输出关系式为：)21()exp(122 Ni iifxxx （2-1式中 为权值系数、xi 为基函数计算中心。RBF 网的确定，关键在于三个因素：RBF 网的基函数中心，方差和输出单
图 3-1 船舶会遇方位划分图Fig.3-1 The compartmentalization of ship encounter situation自动避碰方法中设定当来船航向在正横方向的分量向本船靠近从本船船尾处经过，进而完成超越；否则向反方向转向拉开横的横距实行平行追越。）交叉状态状态时非对遇非追越的会遇状态，其中根据船舶的方位航向分。若来船处于船舶右舷则本船为避让船，本船右转避碰；若来本船为直航船，需要维持航向航速[40]。交叉状态下避让船面对交叉和大角度交叉具有不同的避让难度，大角度交叉状态下有右转避碰，这时可以左转避碰甚至左转一圈。会遇中若两船右空间碰撞危险度小于 0.8 时，相互左转拉大距离以右舷通过，以左舷通过。左舷对左舷局面时，若碰撞危险度存在相互右转特殊局面
【参考文献】：
期刊论文
[1]转舵速度对舰船回转性能的影响[J]. 陈放,胡晓芳,金迎村. 中国舰船研究. 2015(04)
[2]现代船舶避碰系统研究进展[J]. 江立军,郑凯,王国峰,赵永生. 上海船舶运输科学研究所学报. 2015(01)
[3]基于核方法的连续动作Actor-Critic学习[J]. 陈兴国,高阳,范顺国,俞亚君. 模式识别与人工智能. 2014(02)
[4]美国海军电子海图显示与信息系统发展与启示[J]. 温朝江,卞鸿巍,王荣颖,马恒. 海洋测绘. 2013(06)
[5]平均报酬指标多步递推最小二乘即时差分学习[J]. 李春贵,刘永信,王萌. 内蒙古大学学报(自然科学版). 2008(05)
[6]基于再励学习的多移动机器人协调避障路径规划方法[J]. 张芳,颜国正,林良明. 计算机工程与应用. 2003(03)
[7]AIS在船舶自动避碰系统中的应用[J]. 李丽娜,任勤生,邵哲平. 船舶工程. 2002(03)
[8]船舶碰撞危险度的新模型[J]. 郑中义,吴兆麟. 大连海事大学学报. 2002(02)
[9]多船会遇碰撞危险的灰色动态评价模型[J]. 姚杰,吴兆麟,方祥麟. 大连水产学院学报. 2001(04)
[10]最晚施舵点模型及其应用[J]. 郑中义,吴兆麟. 航海技术. 2001(02)
博士论文
[1]强化学习及其在机器人系统中的应用研究[D]. 陈学松.广东工业大学 2011
[2]强化学习方法及其应用研究[D]. 黄炳强.上海交通大学 2007
[3]策略梯度增强学习的理论、算法及应用研究[D]. 王学宁.国防科学技术大学 2006
[4]基于增强学习和ART2神经网络的移动机器人路径规划研究[D]. 樊建.上海大学 2006
硕士论文
[1]基于ARM技术的数字船用雷达ARPA系统的研究[D]. 伍家香.电子科技大学 2015
[2]基于船舶碰撞危险度的避碰决策研究[D]. 任鹏.大连海事大学 2015
[3]AIS环境下基于动态船舶领域模型的避碰决策研究[D]. 徐鑫.大连海事大学 2014
[4]基于AIS数据的船舶危险驶过研究[D]. 崔捷.大连海事大学 2014
[5]有限状态马氏链在团体形成以及羊群效应中的应用[D]. 魏峥.武汉理工大学 2014
[6]基于船舶会遇仿真的驾驶行为控制策略研究[D]. 李志锋.武汉理工大学 2013
[7]基于AIS和电子海图的船舶智能避碰系统研究[D]. 孙海南.大连海事大学 2013
[8]多智能体系统中的Q学习算法研究[D]. 乔林.南京邮电大学 2012
[9]多船进出港训练评估方法的研究与实现[D]. 吕石立.大连海事大学 2010
[10]基于AIS-ECDIS的船舶避碰辅助决策研究[D]. 李子强.武汉理工大学 2010
本文编号：3311954
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3311954.html
