英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
一种新的船舶路径动态决策规划方法
摘要
本文介绍了一种船舶控制决策方法，该方法是为解决遭遇静态和动态障碍物时避免碰撞事故问题而开发的。该系统基于人类航海专家的经验，以解决复杂导航环境中船舶的路径规划问题。可以进一步开发以提供船舶的自动控制。它采用了一种新的，快速有效的确定性方法，称为轨迹基础算法，为船舶计算安全的最佳路径。文中介绍了系统结构，新方法的详细说明，仿真测试的结果。结果证明该方法成功应用该方法来解决船舶的路径规划问题，同时考虑到环境中的静态和动态障碍，船舶交通规则和船舶的动态特性，这种方法在商业系统中具有很高的的适用性。该方法也可以适用于移动机器人路径规划。系统实现完全自动控制功能的实验结果和能力凸显了对专家和智能系统领域发展的贡献。作者认为自动控制系统是专家系统和智能系统的未来。
1 介绍
决策支持系统（DSS）是一种基于计算机的系统，可帮助用户进行决策。 DSS应用于商业和管理，工业过程和复杂系统的控制。 DSS使用运筹学，信息科学和计算机程序形式实施的人工智能技术来帮助人类决策者作出适当的选择。 DSS的最大优势是能够帮助用户作出适当的判断和适当的决策，特别是在复杂和紧张的情况下。 由于DSS具有整合各种信息来源的能力，因此在需要分析大数据的流程中特别有用。 基于此，决策支持系统做出了精确和最佳的决策。
规划船舶的安全航路构成了一个复杂的过程，其中精度和最优性至关重要。 导航DSS集成了各种关于情况和周围环境的信息来源，并根据这些信息提供有关应采取的避撞行动的建议。 发生大量的数据使得这项任务变得更加复杂和难以执行。 现代船舶配备了大量不同的导航设备。 这种设备包括带有自动雷达标绘系统（ARPA），自动识别系统（AIS）和电子海图显示和信息系统（ECDIS）的雷达，以及陀螺仪，速度测井仪，回波探测仪，GPS或DGPS，风 速度和方向传感器等。 访问大量的数据可能会阻碍而不是简化决策过程。 这就是为什么需要为船舶开发DSS。
本文介绍了一种新的导航DSS方案和一种新的船舶路径规划方法。所提供的系统是一个咨询系统，它模拟人类（导航）专家的决策能力。它致力于解决复杂的情况。它由一台计算机收集和分析输入数据并根据这些数据做出复杂的决定。总之，它的特点是可以将其分类为智能DSS。此外，它可以开发成一个自动化系统，通过将其与自动驾驶仪（自动运动控制系统）结合起来，自动控制船舶或无人地面车辆（USV）。该方法也可以用于其他动态环境中，例如在移动机器人导航中需要解决移动物体路径规划问题。如上所述，对于动态环境（海洋环境）中的运动物体（船舶）的新路径规划方法的提议影响了自主系统的发展，并且作者相信其构成了对专家的宝贵贡献并且Intel智能系统。
2 相关工作
船舶的导航DSS（称为船舶导航系统）可以根据它们用于计算无碰撞路径的方法分为两种一般方法。 这些是基于确定性和启发式方法的系统。 一般而言，确定性方法的特点是收敛到最优解和低计算时间，但它们可能无法解决复杂的情况。 另一方面，随机算法可能更好地处理更复杂的环境，但由于随机变量的存在，解决方案的收敛性无法得到保证，而且更耗时。
Statheros，Howells和Maier（2008）对船舶的路径规划和避撞方法进行了修订; Tam，Bucknall和Greig（2009）以及Campbell，Naeem和Irwin（2012）。 现有方法利用动态游戏理论（Lisowski，2014a），动态规划（Lisowski，2014b），时间最优控制（Zak，2004），迷宫路由算法（Szlapczynski，2006），快速前进方法（Liu＆ （2010），遗传算法（Kuczkowski＆Smierzchalski，2013; Szlapczynski＆Szlapczynska，2012; Tsou，Kao，＆Su，2010），群体智能（Tsou＆Hsueh，2010），分枝定界法（Mohamed- Seghir，2012）和A *算法（Naeem，Ir-win，＆Yang，2012）。
根据对该主题最实际文献的审查，最新的和根据作者提供的最有前途的解决方案在下面提出，以与本文提供的作者贡献进行比较。
最近对船舶航路规划和避撞的贡献是合作路径规划算法（Tam＆Bucknall，2013），人工势场（Xue，Clelland，Lee＆Han，2011）和基于模糊逻辑的方法（Perera ，Car-valho和Soares，2010），演化算法（Tam＆Buckner，2010）和蚁群优化（Lazarowska，2015）。
合作路径规划（CPP）算法是一种确定性路径规划方法，其中每个目标船首先计算出碰撞风险。 根据“国际海上避碰规则”（COLREG）和每个船舶的可操作性，每艘船舶都获得优先权。 在该算法的第二步中，计算避让操纵以消除碰撞风险。 CPP算法的特点是解决方案对于相同输入数据的可重复性，考虑船舶的COLREG和动态特性，以及计算时间短 - 几秒钟。 可能限制其应用的特征是省略静态障碍物并且将航向改变机动限制为30°的一个值。
在人工势场（APF）方法中，一艘船被吸引力拉向目标点，并被排斥力拉离障碍物。 与前面提到的方法类似，根据COLREGs和碰撞风险（船舶之间的距离），参与当前情况的船舶被分配优先级。 APF方法能够处理静态和动态障碍物，考虑船舶的COLREG和动态特性，但本文没有提出计算时间和结果的可重复性。
在基于模糊逻辑（FL）的方法中，应用贝叶斯网络来确定船舶要采取的一系列避免碰撞动作。 避碰决策首先使用基于模糊逻辑的系统进行计算，将COLREG和碰撞风险评估以if-then规则的形式结合起来。 FL方法的主要特点是COLREGs解决方案的符合性和结果的可重复性。
该方法不提供考虑避免静态障碍的可能性。 考虑到船舶的动态特性和计算时间没有被作者提到。
在基于进化算法（EA）的方法中，导航路径的总体使用伪数发生器来初始化。 然后，演化通过选择，变化和评估过程来实现。 停止标准是人口适宜度的饱和度。 该方法考虑了船舶的动态特性。 可能会降低这种方法的适用性的是静态障碍的疏忽，其随机性，解决方案可能不符合COLREG规则8b以及计算时间相对较长的可能性 - 超过200s。
基于蚁群优化（ACO）的算法利用受自然启发的方法，通过蚂蚁的集体行为。 一组代理人工 - 人工蚂蚁通过解决方案空间搜索，以找到一条船舶的安全和最佳路径。 该方法能够考虑静态和动态障碍以及船舶的动态特性。 由于应用了额外的机制，它返回了一条平滑的路径并且解决方案是可重现的。 它的限制是中等计算时间 - 从几秒到几十秒。
表1显示了船舶最新路径规划方法的比较。根据8个要求/特征的完整性评估方法：考虑静态和动态障碍，复杂环境中的问题解决能力，COLREGs解决方案的合规性，考虑船舶的动态特性，操作员的偏好（可能性系统操作员选择路径优化目标：路径长度，转换时间，路径平滑度，距离障碍的距离），计算时间和解决方案的可重复性。表中的Pos缩写意味着在算法中应用上述特征的可能性。一些要求基于满足（表格中的是）或者未完成（表格中没有）定义的标准而被直接评估。对于其他特征，可以指定一定程度的完整性（低饱和度，中等（表中药物缩写）富裕度或高满意度）。计算时间有其自己的评估尺度，其中时间可以非常短（毫秒）（表中的缩写），低（秒），中（几秒或几十秒）或高（几百秒） 。在表格的最后一栏中，本文提出的一种方法用于与现有方法进行比较评估。
这里介绍的研究的目的是开发适用于船舶导航DSS的方法，这将消除现有方法的所有局限性，并通过实现这些方法在商业系统中得到应用。
DSS概述
用于在海上碰撞情况下进行安全船舶路径规划的DSS必须满足以下要求：
bull;避免环境中的静态和动态障碍的能力
bull;国际防止海上碰撞规则（COL-REG）符合解决方案（适当的操纵超过规定的最小值）
bull;实时操作
bull;在发现的解决方案中考虑船舶的动态属性
适用于商业解决方案的系统必须是可靠的，并且必须对环境的变化迅速作出反应 - 目标船只的运动参数发生变化，因此每次检测到变化时，必须在最多几秒钟内返回适当的解决方案 在环境中。
在由DSS解决的船舶安全航迹规划问题中，导航环境由静态和动态障碍组成。 如图1所示，诸如陆地或浅滩的静态障碍物被建模为凸多边形和凹多边形。 动态障碍物（目标船）使用船舶域进行建模。 船舶领域构成船舶周围的安全区域。 它确保避免碰撞时的船舶之间的安全距离。
在当前版本的DSS中，图2所示的六边形域用于计算，但可以根据用户的偏好轻松采用其他形状（圆形，椭圆形或抛物线）和大小的域。
在问题确认过程中做出以下假设：
bull;目标船（TS）被假定保持其运动参数，
bull;船舶运动的运动学模型用于描述过程（方程（1）），尽管考虑到机动时间考虑了本船（OS）的动态特性，
bull;安全船舶控制过程被认为是避免碰撞机动（或一系列机动）并返回给定的最终点（对限制水域尤为重要）。
在船舶运动的运动学模型中，由方程 （1）中，V是OS的速度，是OS的过程，V j是第j个TS的速度，是第j个TS的过程，j = 1，...，n，其中n 是环境中TS的数量，和，，其中x和y是船位的经度和纬度。
通过考虑船舶执行计算的机动航向变化所需的时间来考虑操作系统的动态特性。 机动时间取决于当前的舵角alpha;，船速V和负载条件L，并且包含在每个候选解决方案的评估过程中 - 每个可能的轨迹。
4. DSS架构
本文提出的系统构成了一个咨询系统，因为它的设计目的是为了在海上发生碰撞时向导航员提供建议。 其任务是提出碰撞情况的解决方案。 导航员稍后可以使用此建议或不使用。
该系统由以下模块组成：
bull;数据输入模块
bull;数据库模块
bull;轨迹基础算法模块
bull;解决方案输出模块
该系统被称为轨迹基础算法决策支持系统（TBA DSS），因为它使用轨迹数据库来构成问题的可能解决方案。 TBA DSS的一般规则如图3所示。
数据输入模块是用于数据接收的接口。 接收到的数据描述了当前的导航情况。 这些数据包括以下信息：
bull;操作系统航向和航速，
bull;TS的课程，速度，轴承和从OS的距离，
bull;静态障碍物（土地，岛屿，浮标，航道，运河，浅滩等），能见度
bull;天气条件，这决定大小的船舶领域。
这些数据是从导航设备收到的，例如带有ARPA，AIS，ECDIS，GPS，回声测深仪，陀螺罗盘的雷达，以及使用NMEA标准的日志。
解决方案输出模块是用于将输出数据传输到显示器以将其呈现给用户的界面。 输出数据构成：
由连续航点组成的安全船舶航迹的图形显示
bull;在航迹的每条线段处计算的操作系统航线
bull;航迹长度
bull;船舶到达最终航点所用的时间。
该系统的主要部分是轨迹基础算法（TBA），它构成了决策支持过程的引擎。 TBA是确定性算法。其操作原理可以解释为搜索数据库的过程，以找到所考虑的碰撞情况的最佳解决方案。最好的解决方案意味着在功能最小化的情况下具有最小值的适合度函数和最大化的情况下的最大值。适应度函数可以优化一个标准（最短路径，到达最终路径点的最短时间，平滑路径）或者可以考虑多个标准。数据库模块是轨迹的基础，它构成了解决问题的可行解决方案。在解决问题的过程中，他们通过算法进行评估，最好的一个 - 具有最低值的适合度函数被选为最终解决问题的指定输入数据。
为了比较，在基于遗传算法的方法中，在一个定义的解空间中生成一组随机的初始轨迹解。 然后对这些轨迹进行修改和评估，以找到最终的最佳解决方案。 在这项工作中，一组轨迹（解决方案）被存储在数据库中，并在问题解决过程中进行搜索以找到最终解决方案。
许多方法都假设解决方案空间是连续的。 这个假设当然是正确和准确的，但它可能导致在合理的时间内无法获得解决方案。
这就是为什么在本文提出的方法中，假设连续解空间被转换为离散解空间，在这个空间中生成基于不同规则的轨迹集并保存在数据库中。
在当前版本中，数据库包含6261个基于34条规则生成的轨迹。 还应该提到的是，轨迹的基础可以通过添加由其他方法（例如神经网络）接收的演示解决方案来轻松开发。
为了呈现轨迹生成过程的想法，用于生成35个轨迹的示例性规则在上面被呈现为算法1。 生成的轨迹如图4所示。
5. 轨迹基础算法
TBA的第一步是计算每个TS的相对路线，速度和方位。 之后，从数据库中检索第一个轨迹以进行评估。
评估过程首先将轨迹划分为若干部分。 通过这种方式，对轨迹的评估分为若干步骤。 之后，对于每一步，算法都会检查操作系统和每个TS的瞬时位置是否不会发生冲突。 如果检测到碰撞，则轨迹被拒绝，并从数据库收集下一个轨迹并以相同的方式进行评估。 在评估过程中，操作系统的瞬时位置是根据机动时间描述的动态特性来计算的。
（2）
这里应该提到的是，数据库中的轨迹根据它们的适合度函数值从最
全文共12668字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15320]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
