• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 16
    • 下载费用:30 金币  

    重庆时时彩赚钱技巧: 一种基于滚动规划策略的航海管制方法.pdf

    关 键 词:
    一种 基于 滚动 规划 策略 航海 管制 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201710141983.4

    申请日:

    2014.12.30

    公开号:

    CN106803361A

    公开日:

    2017.06.06

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G08G 3/00申请日:20141230|||公开
    IPC分类号: G08G3/00 主分类号: G08G3/00
    申请人: 江苏理工学院
    发明人: 韩云祥; 赵景波; 李广军
    地址: 213001 江苏省常州市钟楼区中吴大道1801号
    优先权:
    专利代理机构: 常州市江海阳光知识产权代理有限公司 32214 代理人: 陈晓君
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201710141983.4

    授权公告号:

    |||

    法律状态公告日:

    2017.06.30|||2017.06.06

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明涉及一种基于滚动规划策略的航海管制方法,包括如下几个步骤,首先通过海面雷达获得船舶的实时和历史位置信息;然后在每一采样时刻,依据船舶的实时和历史位置信息滚动推测未来时段内船舶的轨迹;再而基于船舶当前的运行状态和历史位置观察序列,获取海域风场变量的数值;再而基于各船舶的运行状态和设定的船舶在海域内运行时需满足的安全规则集,对船舶的动态行为实施监控并为海上交通控制中心提供及时的告警信息;当告警信息出现时,在满足船舶物理性能和海域交通规则的前提下,通过设定优化指标函数以及融入风场变量数值,采用自适应控制理论方法对船舶避撞轨迹进行滚动规划,并将规划结果传输给各船舶执行。

    权利要求书

    1.一种基于滚动规划策略的航海管制方法,其特征在于包括如下几个步骤:
    ①通过海面雷达获得船舶的实时和历史位置信息,各船舶的位置信息为离散二维位置
    序列x'=[x1',x2',...,xn']和y'=[y1',y2',...,yn'],通过应用小波变换理论对原始离散
    二维位置序列x'=[x1',x2',...,xn']和y'=[y1',y2',...,yn']进行初步处理,从而获取船
    舶的去噪离散二维位置序列x=[x1,x2,...,xn]和y=[y1,y2,...,yn];
    ②在每一采样时刻,依据步骤①得到的船舶的实时和历史位置信息滚动推测未来时段
    内船舶的轨迹,其具体过程如下:
    2.1)船舶轨迹数据预处理,依据所获取的船舶原始离散二维位置序列x=[x1,x2,...,
    xn]和y=[y1,y2,...,yn],采用一阶差分方法对其进行处理获取新的船舶离散位置序列△x
    =[△x1,△x2,...,△xn-1]和△y=[△y1,△y2,...,△yn-1],其中△xi=xi+1-xi,△yi=yi+1-
    yi(i=1,2,...,n-1);
    2.2)对船舶轨迹数据聚类,对处理后新的船舶离散二维位置序列△x和△y,通过设定
    聚类个数M',采用K-means聚类算法分别对其进行聚类;
    2.3)在每一采样时刻对船舶轨迹数据利用隐马尔科夫模型进行参数训练,通过将处理
    后的船舶运行轨迹数据△x和△y视为隐马尔科夫过程的显观测值,通过设定隐状态数目N
    和参数更新时段τ',依据最近的T'个位置观测值并采用B-W算法滚动获取最新隐马尔科夫
    模型参数λ';
    2.4)依据隐马尔科夫模型参数,采用Viterbi算法获取当前时刻观测值所对应的隐状
    态q;
    2.5)在每一采样时刻,通过设定预测时域W,基于船舶当前时刻的隐状态q,获取未来时
    段船舶的位置预测值O;
    ③在每一采样时刻,基于船舶当前的运行状态和历史位置观察序列,获取海域风场变
    量的数值;
    ④在每一采样时刻,基于各船舶的运行状态和设定的船舶在海域内运行时需满足的安
    全规则集,当船舶间有可能出现违反安全规则的状况时,对其动态行为实施监控并为海上
    交通控制中心提供及时的告警信息;
    ⑤当告警信息出现时,在满足船舶物理性能和海域交通规则的前提下,通过设定优化
    指标函数以及融入风场变量数值,采用自适应控制理论方法对船舶避撞轨迹进行滚动规
    划,并将规划结果传输给各船舶执行,其具体过程如下:
    5.1)设定船舶避撞轨迹规划的终止参考点位置P、避撞策略控制时域Θ、轨迹预测时域
    W;
    5.2)设定在给定优化指标函数的前提下,基于合作式避撞轨迹规划思想,通过给各个
    船舶赋予不同的权重以及融入实时风场变量滤波数值,得到各个船舶的避撞轨迹和避撞控
    制策略并将规划结果传输给各船舶执行,且各船舶在滚动规划间隔内仅实施其第一个优化
    控制策略;
    5.3)在下一采样时刻,重复步骤5.2)直至各船舶均到达其解脱终点;
    所述步骤③获取海域风场变量的数值的具体过程如下:
    3.1)设定船舶的??课恢梦旒2慰甲暝悴⒃谒矫嫔辖⒑嶙曛岷妥葑?br />轴;
    3.2)在船舶处于直线运行状态和匀速转弯运行状态时,构建海域风场线性滤波模型x1
    (t+△t)=F(t)x1(t)+w(t)和z(t)=H(t)x1(t)+v(t)获取风场变量数值,其中△t表示采样
    间隔,x1(t)表示t时刻的状态向量,z(t)表示t时刻的观测向量,且x1(t)=[x(t),y(t),vx
    (t),vy(t),wx(t),wy(t)]T,其中x(t)和y(t)分别表示t时刻船舶位置在横坐标轴和纵坐标
    轴上的分量,vx(t)和vy(t)分别表示t时刻船舶速度在横坐标轴和纵坐标轴上的分量,wx(t)
    和wy(t)分别表示t时刻风场数值在横坐标轴和纵坐标轴上的分量,F(t)和H(t)分别表示状
    态转移矩阵和输出测量矩阵,w(t)和v(t)分别表示系统噪声向量和测量噪声向量:
    <mrow> <mi>F</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mfrac> <mrow> <mi>sin</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mtd> <mtd> <mfrac> <mrow> <mn>1</mn> <mo>-</mo> <mi>cos</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mtd> <mtd> <mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <mfrac> <mrow> <mi>cos</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mn>1</mn> </mrow> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mtd> <mtd> <mfrac> <mrow> <mi>sin</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>cos</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>sin</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mi>sin</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>cos</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> </mtable> </mfenced> </mrow>
    <mrow> <mi>H</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>
    在船舶处于变速转弯运行状态时,构建海域风场非线性滤波模型x1(t+△t)=Ψ(t,x1
    (t),u(t))+w(t)、z(t)=Ω(t,x1(t))+v(t)和u(t)=[ωa(t),γa(t)]T,其中Ψ(·)和Ω
    (·)分别表示状态转移矩阵和输出测量矩阵,ωa(t)和γa(t)分别表示转弯率和加速率:
    <mrow> <mi>&Psi;</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mrow> <mi>x</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>v</mi> <mi>x</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>sin</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msub> <mi>&gamma;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> <msqrt> <mrow> <msubsup> <mi>v</mi> <mi>x</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>v</mi> <mi>y</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </msqrt> </mfrac> <msub> <mi>C</mi> <mn>5</mn> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>v</mi> <mi>y</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mfrac> <mrow> <mn>1</mn> <mo>-</mo> <mi>cos</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msub> <mi>&gamma;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> <msqrt> <mrow> <msubsup> <mi>v</mi> <mi>x</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>v</mi> <mi>y</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </msqrt> </mfrac> <msub> <mi>C</mi> <mn>6</mn> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>w</mi> <mi>x</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>y</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>v</mi> <mi>x</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mfrac> <mrow> <mn>1</mn> <mo>-</mo> <mi>cos</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msub> <mi>&gamma;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> <msqrt> <mrow> <msubsup> <mi>v</mi> <mi>x</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>v</mi> <mi>y</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </msqrt> </mfrac> <msub> <mi>C</mi> <mn>6</mn> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>v</mi> <mi>y</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>sin</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>+</mo> <mfrac> <mrow> <msub> <mi>&gamma;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> <msqrt> <mrow> <msubsup> <mi>v</mi> <mi>x</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>v</mi> <mi>y</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </msqrt> </mfrac> <msub> <mi>C</mi> <mn>5</mn> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>w</mi> <mi>y</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>(</mo> <mo>(</mo> <mrow> <mn>1</mn> <mo>+</mo> <mfrac> <mrow> <msub> <mi>&gamma;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> <msqrt> <mrow> <msubsup> <mi>v</mi> <mi>x</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>v</mi> <mi>y</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </msqrt> </mfrac> </mrow> <mo>)</mo> <mo>(</mo> <mrow> <msub> <mi>v</mi> <mi>x</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>cos</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>v</mi> <mi>y</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>sin</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>(</mo> <mo>(</mo> <mrow> <mn>1</mn> <mo>+</mo> <mfrac> <mrow> <msub> <mi>&gamma;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> <msqrt> <mrow> <msubsup> <mi>v</mi> <mi>x</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>v</mi> <mi>y</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </msqrt> </mfrac> </mrow> <mo>)</mo> <mo>(</mo> <mrow> <msub> <mi>v</mi> <mi>y</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>cos</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <msub> <mi>v</mi> <mi>x</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>sin</mi> <mrow> <mo>(</mo> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>w</mi> <mi>x</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>w</mi> <mi>y</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>
    其中:△t表示采样时间间隔,
    <mrow> <msub> <mi>C</mi> <mn>5</mn> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>s</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>-</mo> <mfrac> <mrow> <mn>1</mn> <mo>-</mo> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msubsup> <mi>&omega;</mi> <mi>a</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
    <mrow> <msub> <mi>C</mi> <mn>6</mn> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mfrac> <mrow> <mi>s</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msubsup> <mi>&omega;</mi> <mi>a</mi> <mn>2</mn> </msubsup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>&Delta;</mi> <mi>t</mi> </mrow> </mfrac> <mo>-</mo> <mfrac> <mrow> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>(</mo> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mi>&Delta;</mi> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&omega;</mi> <mi>a</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
    3.3)根据所构建的滤波模型获取风场变量的数值。

    说明书

    一种基于滚动规划策略的航海管制方法

    本申请是申请号为:201410849264.4,发明创造名称为《一种航海交通管制方法》,
    申请日为:2014年12月30日的发明专利申请的分案申请。

    技术领域

    本发明涉及一种海域交通管制方法,尤其涉及一种基于滚动规划策略的海域交通
    管制方法。

    背景技术

    随着全球航运业的快速发展,部分繁忙海域内的交通愈加拥挤。在船舶交通流密
    集复杂海域,针对船舶间的冲突情形仍然采用航行计划结合人工间隔调配的管制方式已不
    能适应航运业的快速发展。为保证船舶间的安全间隔,实施有效的冲突调配就成为海域交
    通管制工作的重点。船舶冲突解脱是航海领域中的一项关键技术,安全高效的解脱方案对
    于增加海域船舶流量以及确保海运安全具有重大意义。

    为了提高船舶的航行效率,船用雷达自动标绘仪目前已经被广泛应用到船舶监控
    和避碰中,该设备通过提取船舶相关信息为船舶间冲突情形的判定提供参考依据。尽管此
    类设备极大降低了人工监控的负荷,但它并不具备船舶自动冲突解脱功能。针对船舶冲突
    解脱问题,目前的处理方式主要包括几何式确定性算法和启发式智能算法两大类方案,相
    关文献研究主要集中在无约束条件下两船舶间的冲突避让规划算法并且多以“离线形式”
    为存在冲突的船舶规划解脱轨迹,由此造成各个船舶解脱轨迹的动态适应性和鲁棒性较
    差。此外,在船舶实际航行中,受气象条件、导航设备以及驾驶员操作等各种因素的影响,它
    的运行状态往往不完全属于某一特定的运动状态,在船舶轨迹预测过程中需要考虑各种随
    机因素的影响,通过获取各类随机因素的最新特性对其未来轨迹实施滚动预测并增强其轨
    迹预测的鲁棒性。

    发明内容

    本发明要解决的技术问题是提供一种鲁棒性较好的基于滚动规划策略的航海交
    通管制方法,该方法的船舶轨迹预测精度较高且可有效防止船舶运行冲突。

    实现本发明目的的技术方案是提供一种基于滚动规划策略的航海管制方法,包括
    如下几个步骤:

    ①通过海面雷达获得船舶的实时和历史位置信息,各船舶的位置信息为离散二维
    位置序列x'=[x1',x2',...,xn']和y'=[y1',y2',...,yn'],通过应用小波变换理论对原始
    离散二维位置序列x'=[x1',x2',...,xn']和y'=[y1',y2',...,yn']进行初步处理,从而获
    取船舶的去噪离散二维位置序列x=[x1,x2,...,xn]和y=[y1,y2,...,yn];

    ②在每一采样时刻,依据步骤①得到的船舶的实时和历史位置信息滚动推测未来
    时段内船舶的轨迹,其具体过程如下:

    2.1)船舶轨迹数据预处理,依据所获取的船舶原始离散二维位置序列x=[x1,
    x2,...,xn]和y=[y1,y2,...,yn],采用一阶差分方法对其进行处理获取新的船舶离散位置
    序列△x=[△x1,△x2,...,△xn-1]和△y=[△y1,△y2,...,△yn-1],其中△xi=xi+1-xi,△
    yi=yi+1-yi(i=1,2,...,n-1);

    2.2)对船舶轨迹数据聚类,对处理后新的船舶离散二维位置序列△x和△y,通过
    设定聚类个数M',采用K-means聚类算法分别对其进行聚类;

    2.3)在每一采样时刻对船舶轨迹数据利用隐马尔科夫模型进行参数训练,通过将
    处理后的船舶运行轨迹数据△x和△y视为隐马尔科夫过程的显观测值,通过设定隐状态数
    目N和参数更新时段τ',依据最近的T'个位置观测值并采用B-W算法滚动获取最新隐马尔科
    夫模型参数λ';

    2.4)依据隐马尔科夫模型参数,采用Viterbi算法获取当前时刻观测值所对应的
    隐状态q;

    2.5)在每一采样时刻,通过设定预测时域W,基于船舶当前时刻的隐状态q,获取未
    来时段船舶的位置预测值O;

    ③在每一采样时刻,基于船舶当前的运行状态和历史位置观察序列,获取海域风
    场变量的数值;

    ④在每一采样时刻,基于各船舶的运行状态和设定的船舶在海域内运行时需满足
    的安全规则集,当船舶间有可能出现违反安全规则的状况时,对其动态行为实施监控并为
    海上交通控制中心提供及时的告警信息;

    ⑤当告警信息出现时,在满足船舶物理性能和海域交通规则的前提下,通过设定
    优化指标函数以及融入风场变量数值,采用自适应控制理论方法对船舶避撞轨迹进行滚动
    规划,并将规划结果传输给各船舶执行,其具体过程如下:

    5.1)设定船舶避撞轨迹规划的终止参考点位置P、避撞策略控制时域Θ、轨迹预测
    时域W;

    5.2)设定在给定优化指标函数的前提下,基于合作式避撞轨迹规划思想,通过给
    各个船舶赋予不同的权重以及融入实时风场变量滤波数值,得到各个船舶的避撞轨迹和避
    撞控制策略并将规划结果传输给各船舶执行,且各船舶在滚动规划间隔内仅实施其第一个
    优化控制策略;

    5.3)在下一采样时刻,重复步骤5.2)直至各船舶均到达其解脱终点。

    进一步的,所述步骤①中,通过应用小波变换理论对原始离散二维位置序列x'=
    [x1',x2',...,xn']和y'=[y1',y2',...,yn']进行初步处理,从而获取船舶的去噪离散二维
    位置序列x=[x1,x2,...,xn]和y=[y1,y2,...,yn]:对于给定的原始二维序列数据x'=
    [x1',x2',...,xn'],利用如下形式的线性表达式分别对其进行近似:


    其中:

    f'(x')表示对数据平滑处理后得到的函数表达式,ψ(x')表示母波,δ、J和K均为小
    波变换常数,ψJ,K(x')表示母波的转换形式,cJ,K表示由小波变换过程得到的函数系数,它体
    现了子波ψJ,K(x')对整个函数近似的权重大小,若此系数很小,那么它意味着子波ψJ,K(x')
    的权重也较小,因而可以在不影响函数主要特性的前提下,从函数近似过程中将子波ψJ,K
    (x')除去;在实际数据处理过程中,通过设定阈值χ来实施“阈值转换”,当cJ,K<χ时,设定cJ,K
    =0;阈值函数的选取采用如下两种方式:


    对于y'=[y1',y2',...,yn'],也采用上述方法进行去噪处理;

    所述步骤③获取海域风场变量的数值的具体过程如下:

    3.1)设定船舶的??课恢梦旒2慰甲暝悴⒃谒矫嫔辖⒑嶙曛岷妥?br />坐标轴;

    3.2)在船舶处于直线运行状态和匀速转弯运行状态时,构建海域风场线性滤波模
    型x1(t+△t)=F(t)x1(t)+w(t)和z(t)=H(t)x1(t)+v(t)获取风场变量数值,其中△t表示
    采样间隔,x1(t)表示t时刻的状态向量,z(t)表示t时刻的观测向量,且x1(t)=[x(t),y(t),
    vx(t),vy(t),wx(t),wy(t)]T,其中x(t)和y(t)分别表示t时刻船舶位置在横坐标轴和纵坐标
    轴上的分量,vx(t)和vy(t)分别表示t时刻船舶速度在横坐标轴和纵坐标轴上的分量,wx(t)
    和wy(t)分别表示t时刻风场数值在横坐标轴和纵坐标轴上的分量,F(t)和H(t)分别表示状
    态转移矩阵和输出测量矩阵,w(t)和v(t)分别表示系统噪声向量和测量噪声向量:



    在船舶处于变速转弯运行状态时,构建海域风场非线性滤波模型x1(t+△t)=Ψ
    (t,x1(t),u(t))+w(t)、z(t)=Ω(t,x1(t))+v(t)和u(t)=[ωa(t),γa(t)]T,其中Ψ(·)和
    Ω(·)分别表示状态转移矩阵和输出测量矩阵,ωa(t)和γa(t)分别表示转弯率和加速率:


    其中:△t表示采样时间间隔,



    3.3)根据所构建的滤波模型获取风场变量的数值。

    进一步的,所述步骤②中,步骤2.3)中确定航迹隐马尔科夫模型参数λ'=(π,A,B)
    的过程如下:

    2.3.1)变量赋初值:应用均匀分布给变量πi,aij和bj(ok)赋初值和并
    使其满足约束条件:和由此得
    到λ0=(π0,A0,B0),其中ok表示某一显观测值,π0、A0和B0分别是由元素和构成的矩
    阵,令参数l=0,o=(ot-T'+1,...,ot-1,ot)为当前时刻t之前的T'个历史位置观测值;

    2.3.2)执行E-M算法:

    2.3.2.1)E-步骤:由λl计算ξe(i,j)和γe(si);

    变量那么

    其中s表示某一隐状态;

    2.3.2.2)M-步骤:运用分别
    估计πi,aij和bj(ok)并由此得到λl+1;

    2.3.2.3)循环:l=l+1,重复执行E-步骤和M-步骤,直至πi、aij和bj(ok)收敛,即

    |P(o|λl+1)-P(o|λl)|<ε,其中参数ε=0.00001,返回步骤2.3.2.4);

    2.3.2.4):令λ'=λl+1,算法结束。

    更进一步的,所述步骤②中,步骤2.4)确定船舶航迹最佳隐状态序列的迭代过程
    如下:

    2.4.1)变量赋初值:令g=2,βT'(si)=1(si∈S),δ1(si)=πibi(o1),ψ1(si)=0,其
    中,



    ,其中变量ψg(sj)表示使变量δg-1(si)aij取最大值的船舶航迹隐状态si,参数S表示
    隐状态的集合;

    2.4.2)递推过程:

    2.4.3)时刻更新:令g=g+1,若g≤T',返回步骤2.4.2),否则迭代终止并转到步骤
    2.4.4);

    2.4.4)转到步骤2.4.5);

    2.4.5)最优隐状态序列获?。?br />

    2.4.5.1)变量赋初值:令g=T'-1;

    2.4.5.2)后向递推:

    2.4.5.3)时刻更新:令g=g-1,若g≥1,返回步骤2.4.5.2),否则终止。

    进一步的,所述步骤②中,聚类个数M'的值为4,隐状态数目N的值为3,参数更新时
    段τ'为30秒,T'为10,预测时域W为300秒。

    进一步的,所述步骤④中对各船舶的动态行为实施监控并为海上交通控制中心提
    供及时的告警信息的具体过程如下:

    4.1)构造船舶在海域内运行时需满足的安全规则集Dmr(t)≥Dmin,其中Dmr(t)表示
    任意两个船舶m和船舶r在t时刻的距离,Dmin表示船舶间的最小安全距离;

    4.2)依据采样时间,建立由船舶连续运行状态至离散采样状态的观测器Λ:?!?br />Ξ,其中Γ表示船舶的连续运行状态,Ξ表示船舶的离散采样状态;

    4.3)当船舶m和r的观测器Λm和Λr的离散观测数值Ξm和Ξr在t时刻表明该向量不
    在安全规则集中时,即关系式Dmr(t)≥Dmin不成立时,立刻向海上交通控制中心发出告警信
    息。

    进一步的,步骤⑤中,步骤5.2)的具体过程是:令

    其中表示t时刻船舶R当前所在位置和下一航道点间的距离的平方,PR(t)=
    (xRt,yRt),那么t时刻船舶R的优先级指数可设定为:


    其中Zt表示t时刻海域内存在冲突的船舶数目,由优先级指数的含义可知,船舶距
    离其下一航道点越近,其优先级越高;

    设定优化指标



    ,其中R∈I(t)表示船舶代码且I(t)={1,2,...,Zt},PR(t+h△t)表示船舶在时刻
    (t+h△t)的位置向量,表示船舶R的解脱终止点,uR表示待优化的船舶R的最优控制序列,
    QRt为正定对角矩阵,其对角元素为船舶R在t时刻的优先级指数LRt,并且

    进一步的,所述步骤⑤中终止参考点位置P设定为船舶运行的下一个航道点,避撞
    策略控制时域Θ为300秒;轨迹预测时域W为300秒。

    本发明具有积极的效果:(1)本发明在船舶轨迹实时预测的过程中,融入了随机因
    素的影响,所采用的滚动轨迹预测方案能够及时提取外界随机因素的变化状况,提高了船
    舶轨迹预测的准确性。

    (2)本发明在船舶冲突解脱过程中,融入了海域内风场的影响,所采用的滚动解脱
    轨迹规划方案能够根据海域内风场的变化及时调整解脱轨迹,提高了船舶冲突解脱的鲁棒
    性。

    (3)本发明基于不同性能指标,可以为存在冲突的多个船舶提供解脱轨迹规划方
    案,提高船舶运行的经济性和海域资源的利用率。

    附图说明

    图1为本发明中的船舶运行短期轨迹生成流程示意图;

    图2为本发明中的风场滤波方法流程示意图;

    图3为本发明中的船舶运行态势监控流程示意图;

    图4为本发明中的船舶避撞轨迹优化方法流程示意图。

    具体实施方式

    (实施例1)

    本实施例的一种基于滚动规划策略的航海管制方法包括如下几个步骤:

    ①通过海面雷达获得船舶的实时和历史位置信息,各船舶的位置信息为离散二维
    位置序列x'=[x1',x2',...,xn']和y'=[y1',y2',...,yn'],通过应用小波变换理论对原始
    离散二维位置序列x'=[x1',x2',...,xn']和y'=[y1',y2',...,yn']进行初步处理,从而获
    取船舶的去噪离散二维位置序列x=[x1,x2,...,xn]和y=[y1,y2,...,yn]:对于给定的原始
    二维序列数据x'=[x1',x2',...,xn'],利用如下形式的线性表达式分别对其进行近似:


    其中:

    f'(x')表示对数据平滑处理后得到的函数表达式,ψ(x')表示母波,δ、J和K均为小
    波变换常数,ψJ,K(x')表示母波的转换形式,cJ,K表示由小波变换过程得到的函数系数,它体
    现了子波ψJ,K(x')对整个函数近似的权重大小,若此系数很小,那么它意味着子波ψJ,K(x')
    的权重也较小,因而可以在不影响函数主要特性的前提下,从函数近似过程中将子波ψJ,K
    (x')除去;在实际数据处理过程中,通过设定阈值χ来实施“阈值转换”,当cJ,K<χ时,设定cJ,K
    =0;阈值函数的选取采用如下两种方式:


    对于y'=[y1',y2',...,yn'],也采用上述方法进行去噪处理。

    ②在每一采样时刻,依据步骤①得到的船舶的实时和历史位置信息滚动推测未来
    时段内船舶的轨迹,见图1,其具体过程如下:

    2.1)船舶轨迹数据预处理,依据所获取的船舶原始离散二维位置序列x=[x1,
    x2,...,xn]和y=[y1,y2,...,yn],采用一阶差分方法对其进行处理获取新的船舶离散位置
    序列△x=[△x1,△x2,...,△xn-1]和△y=[△y1,△y2,...,△yn-1],其中△xi=xi+1-xi,△
    yi=yi+1-yi(i=1,2,...,n-1);

    2.2)对船舶轨迹数据聚类,对处理后新的船舶离散二维位置序列△x和△y,通过
    设定聚类个数M',采用K-means聚类算法分别对其进行聚类;

    2.3)在每一采样时刻对船舶轨迹数据利用隐马尔科夫模型进行参数训练,通过将
    处理后的船舶运行轨迹数据△x和△y视为隐马尔科夫过程的显观测值,通过设定隐状态数
    目N和参数更新时段τ',依据最近的T'个位置观测值并采用B-W算法滚动获取最新隐马尔科
    夫模型参数λ';确定航迹隐马尔科夫模型参数λ'=(π,A,B)的过程如下:

    2.3.1)变量赋初值:应用均匀分布给变量πi,aij和bj(ok)赋初值和并
    使其满足约束条件:和由此得
    到λ0=(π0,A0,B0),其中ok表示某一显观测值,π0、A0和B0分别是由元素和构成的矩
    阵,令参数l=0,o=(ot-T'+1,...,ot-1,ot)为当前时刻t之前的T'个历史位置观测值;

    2.3.2)执行E-M算法:

    2.3.2.1)E-步骤:由λl计算ξe(i,j)和γe(si);

    变量那么

    其中s表示某一隐状态;

    2.3.2.2)M-步骤:运用分别
    估计πi,aij和bj(ok)并由此得到λl+1;

    2.3.2.3)循环:l=l+1,重复执行E-步骤和M-步骤,直至πi、aij和bj(ok)收敛,即

    |P(o|λl+1)-P(o|λl)|<ε,其中参数ε=0.00001,返回步骤2.3.2.4);

    2.3.2.4):令λ'=λl+1,算法结束。

    2.4)依据隐马尔科夫模型参数,采用Viterbi算法获取当前时刻观测值所对应的
    隐状态q;确定船舶航迹最佳隐状态序列的迭代过程如下:

    2.4.1)变量赋初值:令g=2,βT'(si)=1(si∈S),δ1(si)=πibi(o1),ψ1(si)=0,其
    中,



    ,其中变量ψg(sj)表示使变量δg-1(si)aij取最大值的船舶航迹隐状态si,参数S表示
    隐状态的集合;

    2.4.2)递推过程:

    2.4.3)时刻更新:令g=g+1,若g≤T',返回步骤2.4.2),否则迭代终止并转到步骤
    2.4.4);

    2.4.4)转到步骤2.4.5);

    2.4.5)最优隐状态序列获?。?br />

    2.4.5.1)变量赋初值:令g=T'-1;

    2.4.5.2)后向递推:

    2.4.5.3)时刻更新:令g=g-1,若g≥1,返回步骤2.4.5.2),否则终止。

    2.5)在每一采样时刻,通过设定预测时域W,基于船舶当前时刻的隐状态q,获取未
    来时段船舶的位置预测值O。

    上述聚类个数M'的值为4,隐状态数目N的值为3,参数更新时段τ'为30秒,T'为10,
    预测时域W为300秒。

    ③在每一采样时刻,基于船舶当前的运行状态和历史位置观察序列,获取海域风
    场变量的数值,见图2,其具体过程如下:

    3.1)设定船舶的??课恢梦旒2慰甲暝悴⒃谒矫嫔辖⒑嶙曛岷妥?br />坐标轴;

    3.2)在船舶处于直线运行状态和匀速转弯运行状态时,构建海域风场线性滤波模
    型x1(t+△t)=F(t)x1(t)+w(t)和z(t)=H(t)x1(t)+v(t)获取风场变量数值,其中△t表示
    采样间隔,x1(t)表示t时刻的状态向量,z(t)表示t时刻的观测向量,且x1(t)=[x(t),y(t),
    vx(t),vy(t),wx(t),wy(t)]T,其中x(t)和y(t)分别表示t时刻船舶位置在横坐标轴和纵坐标
    轴上的分量,vx(t)和vy(t)分别表示t时刻船舶速度在横坐标轴和纵坐标轴上的分量,wx(t)
    和wy(t)分别表示t时刻风场数值在横坐标轴和纵坐标轴上的分量,F(t)和H(t)分别表示状
    态转移矩阵和输出测量矩阵,w(t)和v(t)分别表示系统噪声向量和测量噪声向量:



    在船舶处于变速转弯运行状态时,构建海域风场非线性滤波模型x1(t+△t)=Ψ
    (t,x1(t),u(t))+w(t)、z(t)=Ω(t,x1(t))+v(t)和u(t)=[ωa(t),γa(t)]T,其中Ψ(·)和
    Ω(·)分别表示状态转移矩阵和输出测量矩阵,ωa(t)和γa(t)分别表示转弯率和加速率:


    其中:△t表示采样时间间隔,



    3.3)根据所构建的滤波模型获取风场变量的数值。

    ④在每一采样时刻,基于各船舶的运行状态和设定的船舶在海域内运行时需满足
    的安全规则集,当船舶间有可能出现违反安全规则的状况时,对其动态行为实施监控并为
    海上交通控制中心提供及时的告警信息,见图3,其具体过程如下:

    4.1)构造船舶在海域内运行时需满足的安全规则集Dmr(t)≥Dmin,其中Dmr(t)表示
    任意两个船舶m和船舶r在t时刻的距离,Dmin表示船舶间的最小安全距离;

    4.2)依据采样时间,建立由船舶连续运行状态至离散采样状态的观测器Λ:?!?br />Ξ,其中Γ表示船舶的连续运行状态,Ξ表示船舶的离散采样状态;

    4.3)当船舶m和r的观测器Λm和Λr的离散观测数值Ξm和Ξr在t时刻表明该向量不
    在安全规则集中时,即关系式Dmr(t)≥Dmin不成立时,立刻向海上交通控制中心发出告警信
    息。

    ⑤当告警信息出现时,在满足船舶物理性能和海域交通规则的前提下,通过设定
    优化指标函数以及融入风场变量数值,采用自适应控制理论方法对船舶避撞轨迹进行滚动
    规划,并将规划结果传输给各船舶执行,见图4,其具体过程如下:

    5.1)设定船舶避撞轨迹规划的终止参考点位置P、避撞策略控制时域Θ、轨迹预测
    时域W;

    5.2)设定在给定优化指标函数的前提下,基于合作式避撞轨迹规划思想,通过给
    各个船舶赋予不同的权重以及融入实时风场变量滤波数值,得到各个船舶的避撞轨迹和避
    撞控制策略并将规划结果传输给各船舶执行,且各船舶在滚动规划间隔内仅实施其第一个
    优化控制策略:令

    其中表示t时刻船舶R当前所在位置和下一航道点间的距离的平方,PR(t)=
    (xRt,yRt),那么t时刻船舶R的优先级指数可设定为:


    其中Zt表示t时刻海域内存在冲突的船舶数目,由优先级指数的含义可知,船舶距
    离其下一航道点越近,其优先级越高;

    设定优化指标



    ,其中R∈I(t)表示船舶代码且I(t)={1,2,...,Zt},PR(t+h△t)表示船舶在时刻
    (t+h△t)的位置向量,表示船舶R的解脱终止点,uR表示待优化的船舶R的最优控制序列,
    QRt为正定对角矩阵,其对角元素为船舶R在t时刻的优先级指数LRt,并且

    5.3)在下一采样时刻,重复步骤5.2直至各船舶均到达其解脱终点。

    上述终止参考点位置P设定为船舶运行的下一个航道点,避撞策略控制时域Θ为
    300秒;轨迹预测时域W为300秒。

    显然,上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的
    实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其
    它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而这些属于本发
    明的精神所引伸出的显而易见的变化或变动仍处于本发明的?;し段е?。

    关于本文
    本文标题:一种基于滚动规划策略的航海管制方法.pdf
    链接地址://www.4mum.com.cn/p-6001400.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 怎么买时时彩能稳赚 快乐10分任5中奖多少钱 6码倍投6期方 跟群计划买彩,稳赚不赔的方法 时时彩后二复式万能8码 上海时时技巧 百盈快三大小单双稳赚买法 梭哈五个骰子大小规则 时时彩后一稳赚公式乘以 2019中国女篮最新决赛 山东时时是什么东西 内蒙古时时11选5开奖结果走势图 大乐透最新60走势开门彩 如何买竞彩稳赚不赔 天津时时彩走势图 太子心水三肖选一肖