世界航运业在经济全球化的刺激下获得了迅猛发展,加上船舶工业的技术进步,使得港口和海上航线的船舶交通密度不断增加,船舶碰撞事故也越来越多。船舶会遇过程的碰撞风险主要与2个因素有关;一是船舶的大型化、高速化发展,使船舶会遇时的惯性更大,发生碰撞的概率更高;二是航线或港口的船舶密度高,在多艘船舶的会遇过程中,船舶航向、航速控制难度更大[1]。
船舶会遇过程的通行决策对于船舶避碰控制有重要意义,本文基于AIS船舶自动识别系统和神经网络算法,研究船舶会遇过程的通行决策和路径寻优问题,有助于解决船舶在港口和拥挤航线的碰撞问题。
1 船舶自动识别系统AIS的研究船舶自动识别系统(AIS )是通信、计算机、传感器等技术的融合产物,在船舶导航、交通管理等方面有成功的应用。
船舶自动识别系统AIS的船载终端示意图如图1所示。
![]() |
图 1 船舶自动识别系统AIS的船载终端示意图 Fig. 1 Schematic diagram of shipborne terminal of the automatic identification system AIS |
AIS系统主要由GPS及雷达设备、AIS信息处理器、VHF收发机、AIS显示终端以及各类传感器组成,详细如下:
1)GPS及雷达设备
GPS及雷达设备为AIS系统提供船舶定位功能,包括船舶的经纬度、船舶航行状态数据等,能够提高AIS系统的定位和导航水平。
2)AIS信息处理器
信息处理器是AIS系统的核心,信息处理器的数据库分为静态数据库和动态数据库2种,其中,静态数据库负责存储和处理船舶识别编码、货运类型、船舶类型等静态数据;动态数据库负责存储和处理船舶的航行速度、位置、航迹等动态信息。
AIS信息处理器的数据通信基于SOTDMA技术,为了使处理器与AIS系统其他设备之间的信息同步,提高信息传递的精度,通常采用GPS的UTC时钟进行同步。
AIS船舶自动识别系统的通信报文格式如图2所示。
![]() |
图 2 AIS船舶自动识别系统的通信报文格式 Fig. 2 AIS Ship Automatic identification system communication message format |
3)VHF收发机
船舶自动识别系统的VHF收发机[2]是进行谐波信号发射和接收的部件,AIS系统的船舶数据通信发生在船舶与岸基设备之间、船舶与船舶之间,采用谐波信号能够保障数据传输的精度。
4)AIS显示终端
AIS显示终端可实时显示AIS系统的船舶动态信息,并在显示界面提供多种可视化工具,比如数据调用工具、船舶呼叫工具等。
5)传感器
AIS系统的传感器主要负责船舶动态信息的采集,包括导航仪、陀螺仪、计程仪等。
卫星导航仪:差分卫星导航仪作为定位传感器,为AIS系统提供本船经纬度和UTC时钟。
陀螺仪:为AIS系统提供船舶的航向信息,陀螺仪具有数模信号转换的功能。
计程仪:计程仪可以采集船舶的航速信号,并将数字信号传送至AIS系统的信息处理器。
2 基于AIS系统和自适应神经网络的船舶智能化通行决策算法 2.1 自适应神经网络自适应神经网络算法是基于人体神经元信号传输的仿生学,近几年随着计算机技术的发展,自适应神经网络算法获得了较快的发展。
自适应神经网络的关键环节包括信号输入、加权、求和、激活函数处理等,图3为自适应神经网络算法的原理图。
![]() |
图 3 自适应神经网络算法的原理图 Fig. 3 Schematic diagram of adaptive neural network algorithm |
自适应神经网络算法流程如下:
1)初始化
自适应神经网络首先进行神经元和权值的初始化,神经元赋予(−1,1)的随机数作为权重
2)加权与求和
神经网络算法的加权模型为:
δij(t+1)={δi(t)+f(t)[xi(t)−δi(t)],i∈Si(t),δi(t),i∉Si(t)。 |
其中,
3)激活函数处理
本文采用Sigmod激活函数进行神经网络算法的处理,该函数是一种指数函数,具有严格单调特性[3],函数公式为:
g(x)=11+e−x。 |
Sigmod激活函数曲线如图4所示。
![]() |
图 4 Sigmod激活函数曲线图 Fig. 4 sigmod activation function graph |
4)信号输出
针对船舶通行过程的寻优问题,自适应神经网络的输出信号为:
y(t)=g(t)1[VS](mhgt38)。 |
其中:
在船舶会遇过程中,船舶长、宽、速度、会遇角度、航向角等参数都会影响船舶的航行安全,建立船舶会遇过程的运动坐标系如图5所示。
![]() |
图 5 船舶会遇过程的运动坐标系 Fig. 5 The frame of motion in which the ship will encounter the process |
基于该坐标系,船舶会遇过程的矢量建模包括速度与相对速度矢量建模、距离与会遇角度建模。
1)速度矢量
定义本船速度矢量为:
{Vox=Vo⋅sinCo,Voy=Vo⋅cosCo。 |
目标船只的速度矢量为:
{VOX=VO⋅sinCT,VOY=VO⋅cosCT。 |
其中:
2)相对速度矢量建模
{VRx=VOX−Vox,VRy=VOY−Voy。 |
其中:VR为相对速度大小;CR为相对速度方向。
3)两船相对距离
两船坐标分别为
lab=√(xT−xo)2+(yT−yo)2。 |
4)两船相对转角
两船相对转角计算为:
α=arctansin(C0)−sinθcos(CT)+√12sin2θ。 |
式中,
本文结合AIS系统和自适应神经网络研究船舶会遇过程的智能化通行决策技术,利用AIS系统中的船舶航迹数据及船舶位置数据,在船舶会遇时进行航线的规划。
基于自适应神经网络算法的船舶智能化通行决策优化流程如图6所示。
![]() |
图 6 船舶智能化通行决策优化流程图 Fig. 6 Flow chart of intelligent vessel passage decision optimization |
针对本文提出的决策优化算法,利用Matlab仿真平台进行船舶会遇过程的路径寻优仿真,仿真模型本船船长279 m,船速6.5 m/s,船位(30°N,123°E);会遇船舶船长185 m,船速5 m/s,船位(60°N,80°E)。船舶会遇过程的智能化通行决策仿真如图7所示。
![]() |
图 7 船舶会遇过程的智能化通行决策仿真 Fig. 7 Intelligent traffic decision simulation of ship meeting process |
由以上仿真可以看出,本文提出的自适应神经网络算法可以为船舶会遇时提供通行决策,并能够为船舶规划航线线路,从而降低事故发生的概率。
3 结 语针对船舶会遇过程的避碰通行策略,本文在AIS系统数据库基础上,结合自适应神经网络算法进行路径寻优,并在Matlab平台中进行了船舶会遇过程的通行决策仿真。结果表明,本文算法可以有效降低船舶事故发生概率。
[1] |
刘钊. 基于双延迟深度确定性策略梯度的船舶自主避碰方法[J]. 交通信息与安全, 2022, 40(3): 60–74. LIU Zhao. Autonomous collision avoidance method based on deterministic strategy gradient of double delay depth [J]. Traffic Information and Safety, 2022, 40(3): 60–74. |
[2] |
邓华. 船舶在靠港作业时的避碰策略研究[J]. 船舶物资与市场, 2022, 30(6): 1-3. DENG Hua. Research on collision avoidance strategy of ships in port operation[J]. Ship Materials & Market, 2022, 30(6): 1-3. DOI:10.19727/j.cnki.cbwzysc.2022.06.001 |
[3] |
张引弦. 水面无人艇动态避碰策略研究[J]. 科学技术创新, 2021(8): 35-36. ZHANG Yin-xian. Research on dynamic collision avoidance strategy of surface unmanned craft[J]. Science and Technology Innovation, 2021(8): 35-36. DOI:10.3969/j.issn.1673-1328.2021.08.017 |
[4] |
张帅. 双臂冗余机器人主动自避碰控制策略研究[J]. 华中科技大学学报(自然科学版), 2021, 49(3): 1-5+33. ZHANG Shuai. Research on automatic collision avoidance control strategy of dual-arm redundant robot[J]. Journal of Huazhong University of Science and Technology (Natural Science Edition), 2021, 49(3): 1-5+33. DOI:10.13245/j.hust.210301 |