人工智能优化算法的舰船导航路径规划
发布时间：2022-01-13 18:16
舰船导航路径规划是保证航行安全的重要基础,受海上航行障碍物分布复杂、船舶数量增多、航行环境难以预测等多种因素的影响,增加了舰船航行的风险。为有效规避风险,寻求最优的航行路径,必须采用人工智能优化算法规划航行路径,求得多轨迹的最优航行路径,保证舰船安全到达目的地。本文介绍舰船导航路径规划的关键技术,提出人工智能优化算法中的人工粒子群算法在舰船导航路径规划中的应用,并对实际应用效果进行实验仿真。
【文章来源】：舰船科学技术. 2020,42(18)北大核心
【文章页数】：3 页
【部分图文】：
模糊控制器的输入与输出变量关系结构图Fig.1Therelationshipbetweeninputandoutputvariablesoffuzzycontroller
嵌确段?范ǜ鞲鍪涑鲈硕?嵌?的隶属关系，如图2所示。在舰船检测到前方有危险的障碍物时，会做出航行轨迹改变的预警，基于设计模糊控制规则库模拟出多条导航路径规划策略。在船舶运行过程中，若舰船前方左侧传感器探测到障碍物，且船舶右侧距离障碍物距离较远时，人工智能算法应控制船舶继续偏向右侧航行，促使舰船运行方的左侧与障碍物之间的夹角增大；在控制过程中，为避免动态障碍物陷入局部极值，可在算法中采用边界追踪的陷阱逃脱策略，使舰船在改变航行角度时能够降低速度，有效规避侧移[3–4]。图2基于模糊语言输出运动角的隶属关系图Fig.2Membershipgraphbasedonoutputmotionangleoffuzzylanguage舰船在探测到与障碍物的实际距离小于安全距离，且障碍物为动态运动时，可自动将舰船切换为动态避让模式，重新规划航行路径。在导航路径规划中要计算前方动态障碍物的速度和方向，对障碍物运动方向进行判断，当舰船与障碍物之间的夹角为锐角时，则表明舰船没有成功避让障碍物。2人工智能优化算法的舰船导航路径规划2.1计算调度角度在舰船导航路径规划已经构建起舰船航行路径网格结构的基础上，可采用人工粒子群智能算法，对导航路径进行规划。在规划过程中，运用扩展卡尔曼滤波方法设定约束参量模型，要求模型包括所有关键变量，这些变量属于正态分布，具体的变换矩阵如下：Cnb=[q0q1q2q3]，(1)Ab=CnbAn在舰船一直处于非加速状态下航行时，根据舰船的航行约束向量和变换矩阵，得出舰船姿态角的分布情况，用表示，然后结合显著关联的角度计算出结果，得到姿态参量角，之后再运用人工粒子群算法设计导航路径。2.2人工粒子群算法的应用Xi=
具体的模型函数可表示为：Pad=1mm∑i=1Pid,(2)在舰船航行过程中，人工粒子群算法需要计算出最优速度，姿态变换时需要采用速度参量进行迭代，结合舰船行向量的频率，计算出最优姿态角，确定舰船在某一时刻内的具体位置。预测的结果可以帮助掌握舰船航向偏转角，对舰船路径进行规划，计算出误差。计算过程中需要考虑陀螺仪角度、输出层初始权值敏感系数、路径垂直距离等。之后，遵循自适应寻优的原则，解算出最优的路径规划结果。基于人工粒子群算法的舰船导航距离分布如图3所示。图3基于人工粒子群算法的舰船导航距离分布Fig.3Distributionofshipnavigationdistancebasedonartificialparticleswarmoptimization2.3实验结果根据本文提出的舰船导航规划算法进行仿真实验，采用Matlab作为仿真平台，在采集舰船位姿、航向、速度等信息的基础上，结合陀螺仪对导航路径进行规划，设定三维参量，将粒子群进化的代数设置为12，卡尔曼滤波周期和采样周期均为0.02s，种群规模包含1024个粒子。结合上述参数设定开展实验仿真，先采集舰船姿态信息，之后利用人工智能算法进行导航规划，规划结果如图4所示。根据图中显示的信息，可以看出舰船导航路径规划的准确度较高，是实际航行中的最优导航路径。图4基于人工粒子群算法的舰船导航规划结果Fig.4Shipnavigationplanningresultsbasedonartificialparticleswarmoptimization3结语舰船导航路径规划的目的是希望在最短、最优的路径内获得船舶的行进轨迹。在导航路径规划中要应用先进的人工智能优化算法，对多路径进行择优，保证舰船在导航规划下航行的安全性。基于人工粒子群算法的导航规划设计可保证航行规划的?
【参考文献】：
期刊论文
[1]舰船综合导航系统试航试验数据动态加密方法[J]. 赵冰. 舰船科学技术. 2020(04)
[2]基于智能导航的舰船应急疏散路径自动定位方法[J]. 程英霞,林晗. 舰船科学技术. 2019(14)
[3]基于扇形优化Dijkstra算法的舰船最佳导航路线分析[J]. 田茹会. 舰船电子工程. 2019(05)
[4]考虑多人相互影响的舰船通道最短路径规划[J]. 刘满霞,程远胜,张攀. 中国造船. 2015(02)
[5]基于蚁群算法的舰艇编队海上补给路径规划方法[J]. 余鹏,何学军. 海军工程大学学报. 2014(02)
[6]舰船火灾灭火辅助决策软件设计研究[J]. 喻俊峰,吴松. 船海工程. 2013(04)
本文编号：3586914
【文章来源】：舰船科学技术. 2020,42(18)北大核心
【文章页数】：3 页
【部分图文】：
模糊控制器的输入与输出变量关系结构图Fig.1Therelationshipbetweeninputandoutputvariablesoffuzzycontroller
嵌确段?范ǜ鞲鍪涑鲈硕?嵌?的隶属关系，如图2所示。在舰船检测到前方有危险的障碍物时，会做出航行轨迹改变的预警，基于设计模糊控制规则库模拟出多条导航路径规划策略。在船舶运行过程中，若舰船前方左侧传感器探测到障碍物，且船舶右侧距离障碍物距离较远时，人工智能算法应控制船舶继续偏向右侧航行，促使舰船运行方的左侧与障碍物之间的夹角增大；在控制过程中，为避免动态障碍物陷入局部极值，可在算法中采用边界追踪的陷阱逃脱策略，使舰船在改变航行角度时能够降低速度，有效规避侧移[3–4]。图2基于模糊语言输出运动角的隶属关系图Fig.2Membershipgraphbasedonoutputmotionangleoffuzzylanguage舰船在探测到与障碍物的实际距离小于安全距离，且障碍物为动态运动时，可自动将舰船切换为动态避让模式，重新规划航行路径。在导航路径规划中要计算前方动态障碍物的速度和方向，对障碍物运动方向进行判断，当舰船与障碍物之间的夹角为锐角时，则表明舰船没有成功避让障碍物。2人工智能优化算法的舰船导航路径规划2.1计算调度角度在舰船导航路径规划已经构建起舰船航行路径网格结构的基础上，可采用人工粒子群智能算法，对导航路径进行规划。在规划过程中，运用扩展卡尔曼滤波方法设定约束参量模型，要求模型包括所有关键变量，这些变量属于正态分布，具体的变换矩阵如下：Cnb=[q0q1q2q3]，(1)Ab=CnbAn在舰船一直处于非加速状态下航行时，根据舰船的航行约束向量和变换矩阵，得出舰船姿态角的分布情况，用表示，然后结合显著关联的角度计算出结果，得到姿态参量角，之后再运用人工粒子群算法设计导航路径。2.2人工粒子群算法的应用Xi=
具体的模型函数可表示为：Pad=1mm∑i=1Pid,(2)在舰船航行过程中，人工粒子群算法需要计算出最优速度，姿态变换时需要采用速度参量进行迭代，结合舰船行向量的频率，计算出最优姿态角，确定舰船在某一时刻内的具体位置。预测的结果可以帮助掌握舰船航向偏转角，对舰船路径进行规划，计算出误差。计算过程中需要考虑陀螺仪角度、输出层初始权值敏感系数、路径垂直距离等。之后，遵循自适应寻优的原则，解算出最优的路径规划结果。基于人工粒子群算法的舰船导航距离分布如图3所示。图3基于人工粒子群算法的舰船导航距离分布Fig.3Distributionofshipnavigationdistancebasedonartificialparticleswarmoptimization2.3实验结果根据本文提出的舰船导航规划算法进行仿真实验，采用Matlab作为仿真平台，在采集舰船位姿、航向、速度等信息的基础上，结合陀螺仪对导航路径进行规划，设定三维参量，将粒子群进化的代数设置为12，卡尔曼滤波周期和采样周期均为0.02s，种群规模包含1024个粒子。结合上述参数设定开展实验仿真，先采集舰船姿态信息，之后利用人工智能算法进行导航规划，规划结果如图4所示。根据图中显示的信息，可以看出舰船导航路径规划的准确度较高，是实际航行中的最优导航路径。图4基于人工粒子群算法的舰船导航规划结果Fig.4Shipnavigationplanningresultsbasedonartificialparticleswarmoptimization3结语舰船导航路径规划的目的是希望在最短、最优的路径内获得船舶的行进轨迹。在导航路径规划中要应用先进的人工智能优化算法，对多路径进行择优，保证舰船在导航规划下航行的安全性。基于人工粒子群算法的导航规划设计可保证航行规划的?
【参考文献】：
期刊论文
[1]舰船综合导航系统试航试验数据动态加密方法[J]. 赵冰. 舰船科学技术. 2020(04)
[2]基于智能导航的舰船应急疏散路径自动定位方法[J]. 程英霞,林晗. 舰船科学技术. 2019(14)
[3]基于扇形优化Dijkstra算法的舰船最佳导航路线分析[J]. 田茹会. 舰船电子工程. 2019(05)
[4]考虑多人相互影响的舰船通道最短路径规划[J]. 刘满霞,程远胜,张攀. 中国造船. 2015(02)
[5]基于蚁群算法的舰艇编队海上补给路径规划方法[J]. 余鹏,何学军. 海军工程大学学报. 2014(02)
[6]舰船火灾灭火辅助决策软件设计研究[J]. 喻俊峰,吴松. 船海工程. 2013(04)
本文编号：3586914
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3586914.html
