英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
通过群体智能实现船舶安全控制
摘要：
本论文提出一种蚁群优化算法在船舶安全控制系统中的应用。这种方法解决了在大海或受限水域的路径规划和避免船舶碰撞的问题。本文介绍了成熟的船舶安全控制系统结构，并展示了应用算法。结果也了显示系统具有解决问题的能力。本系统发展的方向是提高船舶安全控制系统处理的自动化程度。将这个方法应用与无人水面舰艇控制系统是可能的，并且能够提高它们的自动化程度。
关键词：蚁群优化算法；避免冲撞；计算机仿真；海上运输；路径规划；船舶安全控制；海上安全；群体智能
介绍
科技的发展带来了海洋交通的发展，这造成航行变得对船员的需求越来越多。船舶安全控制系统，包括诸如日志，指南针，全球卫星定位系统，带ARPA的雷达，自动识别系统，电子海图和信息系统，自动驾驶仪，是的各种各种导航决策的支持可以实现。
船舶安全控制系统是一个复杂的工程，因为它需要一个连续分析大量的信息并快速决策。从导航设备错误的评估当前的航行情况会导致导致碰撞并往往造成悲剧。
最新的ARPA系统，能够通过雷达支持手动或自动追踪高达100个目标，然后通过领航员进行模拟的决策，但是不关注于安全事件或速度的改变。
现代计算技术方法的发展使得综合船舶安全系统成为可能。船舶安全控制系统的目标是关注于安全事件或者速度策略，或者一个安全的船舶行进轨迹。考虑到船舶的动态属性，不同的负载不同的速度，不同的船舶操作方法，不同的天气状况及海上的能见度，受限制的环境和控制质量的高低，都会影响到它的最优性和安全级别。
对避免船舶碰撞的研究从20世纪60年代开始，第一个研究关注在两船遭遇的情况下避免碰撞的策略。在解决碰撞情况的中很有必要考虑国际法规，因为在1974年Jones提出了策略图将船舶规避策略包括进了国际法规。在20世纪70到80年代，在船舶领域碰撞风险评估的概念被FUjiiamp;Tanaka（1971），Goodwin（1975），Davis（1980），Coldwell（1983）发展。在20世纪70年代，使用微分对策实现最佳碰撞规避的方法被Olsder和Walter（1977）和Kudriaszovamp;Lisowski（1979）提出,并用于解决两船相遇的情形。之后Lisowski提出了一种微分对策用于解决多船遭遇的情形。
在21世纪10年代，船只路径规划处理被提出。一种确定的路径规划方法被Chang et al在2003年提出，并被Szlapczynski在2006年发展。Smierzchalskiamp;Michalewicz（2000），Lisowski（2001），Itoamp;Zeng（2001），Tamamp;Bucknall（2010），Tsouamp;Hsueh（2010），Perera et al（2011），Szlapczynski（2012）还有其他人，提出将人工智能的方法用于船舶路径规划。然而这些方法都是有缺陷的。它们各自有局限性，如：无视了船舶的动态特性，无视静态障碍或者无视了国际海上避碰规则。
本文提出一种现在全局最优化算法用于船舶安全控制处理的应用，利用Lazarowska在2012提出的蚁群理想化算法在船舶决策支持系统中的应用。这种方法从蚂蚁的群体行为中获得灵感，因此被成为蚁群优化。它归于群体智能方法。群体智能是G.Beni和J.Wang在介绍细胞机器人系统时提出的。E.Bonabeau，M.Dorigo和G.Theraulaz扩展了群体智能的的定义，定义任何试图通过昆虫或者其他动物群体行为获得灵感的算法为群体智能。
第一个使用ACO解决的问题是售货员路线问题，这是一个行动路径优化的任务。Brand et al.，M.Plucinski和其他人发展了基于ACO的移动机器人路径规划。其他ACO的应用，包括特征选择，车辆路径问题，网络数据路由，船舶路径。在本文中，ACO被用于船舶安全路径规划方法。
利用ACO的船舶安全控制
船舶安全控制系统关注于船舶的安全控制，这是一个或者一系列安全航向和速度改变，成为船舶安全轨迹。它伴随着使用一个合适的控制算法。算法的输入是当前处理的状态。处理的状态是由真实的导航数据信息确定的，它包括
·船舶自己的航向和速度
·第j个目标船舶的航向和速度
·第j个目标船舶的方位
·第j个目标船舶和船舶自身的距离
·静止障碍的数据（浅滩，陆地，浮标）
图1是船舶安全控制系统的图
图1船舶安全控制系统的框图（psi;-船舶自身航向，V-船舶自身的速度，psi;j-目标船舶的航向，Vj-目标船舶的速度，Nj-目标船舶距相对于船舶自身的方位，Dj-目标船舶相对于当前船舶的距离，psi;s-当前船舶安全航向，Vs-当前船舶的安全速度）
在研究中，做出如下假定：
·考虑动态和静态的局限性
·根据一个船舶航行的终点来确定安全轨迹
·船舶运动的运动学模型
·在考虑应用策略的执行时，把当前船舶的动态性考虑在内
·目标船舶的航行数据来自于ARPA和AIS
·考虑船舶航行轨迹时符合国际航行规定
·目标船舶周边六角形区域为安全区域
·计算时间不超过60秒
·结果可以获得重复性
·目标船舶的策略不在考虑范围内
过程的模型
假定目标船舶不改变它的航向和速度。在海上避免碰撞的处理过程可以用状态可变的船舶运动的运动学模型来描述。控制过程描述如下：x1 = X, x2 = Y, x2j 1 = Xj, x2j 2 = Yj, u =Y, j=1，2，.。，m，为遭遇的目标船舶数量，X和Y是当前船舶的坐标。船舶安全控制处理的状态方程如方程（1）所示。在评估决定航向时当前船舶的动态特性以时间策略的形式被考虑。
船舶安全控制算法
在接收到描述当前航行状态的信息后，每一个目标船舶的相对的航向，方位和速度可以计算出来。确定危险目标的程序，包括检测每一个目标船舶确当是否是危险目标。危险目标是将自身航向与当前船舶航行交叉的目标。然后，当前船舶从当前位置到目标点的确定步数的分步路线被执行基于此格局可行的状态矢量空间可以建立当前船舶可行的路线图。使用ACO计算安全轨迹包括三个状态：数据初始化，建立解决方案（图5），信息跟踪更新处理。当算法达到最高次迭代或者最大的计算时间，基于适应方程的计算得出了最佳解决方案。在这之后，得到如下的输出数据：当前船舶在每条航行线段上的航向；当前船舶到达结束点的时间，航行距离；船舶安全航行的图解展示。
利用ACO的船舶安全控制算法的伪代码如图2所示：
输入：静态限制
1计算
2确定危险的目标
3建立允许的当前船舶路径点图
4初始化
5 for i=1,..,it,do
6 if(tlt;)then
7建立解决方案
8更新信息素
9 endif
10 endfor
11选择最佳解决方案
输出时间，d，图形解决方案
图2，船舶安全算法的伪代码（-目标船舶实际的航向，-目标船舶实际的方位，目标船舶实际速度，-的重要性因数，-探索值的重要性因数，信息素的消失率，-初始信息素追踪量，m-蚂蚁数量，it-迭代次数tmax-最大计算时间，time-当前船舶通向结束点的时间，d-安全航行的距离）
确定危险目标的处理
1 forj=1,...,n,do
2 if没有交叉点，then
3认为目标船舶是安全的
4else
5如果交叉点大于允许的空间then
6认为目标传播是安全的
7else
8计算当前船舶到交叉点的距离
9计算当前船舶到交叉点的时间
10计算目标船舶的位置
11 endif
12 endif
13 endfor
图3：确定危险目标的处理过程（n-目标船舶的数量）
建立当前船舶可行的路径点图表处理过程
1将当前船舶的路线分段
2生成路径点
3放置目标船舶的领域
4for j=1,...,n,do
5for w=1,..,,do
6if (w超过了目标船舶的领域)then
7认为w超过了约束
8endif
9endfor
10移除超过约束的路径点
11endfor
图4：建立当前船舶可行的路径点图的处理过程（n-目标船舶的数量，wmax-路径点的数量）
建立ACO解决方案的处理过程
1for ant=1,...,m,do
2for step=1,...,,do
3if(!=)then
4行动选择规则
5endif
6endfor
7计算蚂蚁路径的长度
8if（蚂蚁路径小于最小路径）then
9最小路径=蚂蚁路径
10endif
11endfor
图5：建立ACO解决方案的处理过程
信息素追踪更新处理过程
1for w=1,...,,do
2 [w]=(1-)*[w]
3 endfor
4 for ant=1,...,m,do
5 for w=1,...,,do
6 if(w在蚂蚁路径内)then
7 [w]=[w]
8 endif
9 endfor
10 endfor
图6：信息素追踪更新处理过程
选择最佳解决方案的处理过程
1for i=1,...,paths,do
2将路径分为K个状态
3放置目标船舶的领域
4for k=1,...,,do
5放置约束
6if （当前船舶超过了约束）then
7 将i标记为错误的路径
8 break
9 endif
10 endfor
11标记i为正确的路径
12 endfor
13从正确路径中确定最佳路径
图7：最佳解决方案选择处理过程
测试仿真结果
船舶安全控制改进算法在MATLAB程序语言中实现。选择这个环境是因为绘图和动态仿真函数可以很容易实现结果的图形化表示。算法在大范围很多的航行状况下测试。计算机是有interl core i5 M430 2.27GHz，2GB RAM windows 7 专业版系统的PC。一些有代表性的测试结果在图8到19中展示。
以上结果可以得出一下结论：
·每个解决方案的构成了一个船舶安全航线，这意味着当前船舶沿着路线前进的每个状态它的静态动态航行都没有超过约束。
·解决方案满足国际法规
·尽管应用最有化方法具有自然概率的问题，但对于相同的航行状况，结果具有可重复性。
·改进算法具有更低的计算时间，即使是复杂的情况，处理时间也不超过一分钟。
·算法可以使用于船舶安全控制系统，因为实现了所有最重要的标准，包括安全，适用于国际航行条例，短的计算时间和可重复的计算解决方案。
·算法通过遍历所有有关的船舶不交叉的导航情况返回解决方案，因此这样一个系统允许所有船舶同时使用。
解决方案可以通过分析结果的图标展示观察到是符合国际航行规定的。比如，图16展示的算法为一个航行状况计算的航行轨迹体现了国际航行规定的第15条规则。规则15说两艘机动船出现航迹交叉时，右舷方向有其他船舶的船应该让路。如果这种情况成立，避免在其他船舶的前面穿越。在图16展示的情形中，当前船舶是0，目标船舶2正在穿越。在图17中，当前船舶正在给它让路，并在目标船舶后面通过，这也证明了当前船舶的航迹是符合国际航行规定15条的。
结论
分析船舶安全控制的方法，将最优控制的情形，改进算法的仿真结果考虑在内，可以得到以下的结论。
当前利用ACO的船舶安全控制方法可以轻易地适用于航空或者陆地的避免碰撞支持系统。
安全的改进方法，在海上遇见大量运动或静止的目标船舶冲突情况下的理想航线改变，是基于安全的处理，在动态环境中运动物体的理想路径规划。并且解决这类问题的的方法在包括无人驾驶控制系统的机器人学和军事中广泛的应用。
船舶安全控制系统的实现使用了随机全局优化的方法，因此可以遵循国际航行条例，可以允许更大的动态静态的导航限制和船的动态性，可以关注于船舶到结束点的安全航迹并通过透视所有在碰撞情形中的船舶来规避碰撞。
仿真测试结果展示了复制一个生物群体，如蚂蚁，的行为可以解决海事运输，海洋环境保护，通过自动安全决策提高船舶自动控制安全，在海上冲突情形下理想航线改变，等的复杂问题。这显示了从自然中获得灵感的方法在工业实践应用中具有极高的潜力。
改进方法可以适用于解决经常堵塞的拥挤交通。
分析仿真的结果显示尽管应用用了随机优化方法，算法依然能够提供可重复的解决方案。
建议的算法对改变目标船舶策略具有鲁棒性，因为他可以基于从ARPA和AIS中获得的实时数据在很短的时间里连续地返回解决方案。
可以改变目标船舶的领域形状和大
全文共5119字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[142659]，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。
