【摘要】：伴隨著國家經(jīng)濟(jì)不斷發(fā)展,軍事實(shí)力不斷增強(qiáng),作為海上主要的運(yùn)輸工具,船舶以及與之相關(guān)的配套設(shè)備的創(chuàng)新和發(fā)展不斷受到來自社會(huì)各個(gè)方面的關(guān)注。得益于計(jì)算機(jī)技術(shù),人工智能技術(shù)的飛躍式進(jìn)步,船舶也不斷向著智能化,自動(dòng)化等方向發(fā)展。在船舶出海執(zhí)行任務(wù)之前,首先要解決的就是航行路線規(guī)劃問題。一條安全,可靠的航線是船舶順利完成任務(wù)的基礎(chǔ),基于以上信息,本文將研究重點(diǎn)確定為基于海岸線數(shù)據(jù)與海洋天氣信息的船舶氣象航線規(guī)劃算法。首先,本文對船舶氣象航線規(guī)劃的定義做了簡要的介紹,并對國內(nèi)外相關(guān)專家學(xué)者的研究工作做了簡潔的描述,分析了不同算法的優(yōu)缺點(diǎn)。其次,局部航線規(guī)劃算法解決的是船舶航行區(qū)域中有動(dòng)態(tài)障礙物的一類問題。所謂動(dòng)態(tài)障礙物指的是障礙物的位置隨著時(shí)間變化而變化,如海洋中的魚群,惡劣天氣造成的風(fēng)浪較大的危險(xiǎn)海域等。通常障礙物根據(jù)其運(yùn)動(dòng)狀態(tài)可以分為兩類,一類是障礙物的運(yùn)動(dòng)狀態(tài)確定,由于其運(yùn)動(dòng)狀態(tài)確定,則障礙物的位置在某一確定時(shí)刻可以預(yù)知;另一類是障礙物的運(yùn)動(dòng)狀態(tài)隨機(jī),障礙物的位置隨時(shí)間變化而隨機(jī)變化。針對第一類障礙物,本文將A*算法做出適當(dāng)修改,得到三維A*算法。由于航行區(qū)域中障礙物的位置在不同時(shí)刻具體確定,可以選取一系列連續(xù)時(shí)刻t_1,t _2,...t_n,用這n個(gè)時(shí)刻下,航行區(qū)域中的障礙物位置信息一同描述航行區(qū)域的障礙物信息,則可以構(gòu)成一個(gè)三維環(huán)境信息地圖,在此地圖之上使用三維A*算法進(jìn)行航線規(guī)劃即可求解出一條安全無碰撞的航線。然后,全局航線規(guī)劃算法解決的是船舶航行區(qū)域中的障礙物為靜態(tài)障礙物這一類問題。由于障礙物的位置不隨時(shí)間變化而變化,則環(huán)境信息相對容易描述。傳統(tǒng)的全局路航線劃算法有柵格法,可視圖法,蟻群算法等。本文將群智能算法,粒子群算法引入到全局路航線劃問題的求解中。首先,對船舶航行區(qū)域進(jìn)行建模描述,與柵格法,可視圖法的環(huán)境建模方式不同,本文提出的建模方式是用n條等分線對整個(gè)區(qū)域進(jìn)行等分,在這些等分線上選取航路點(diǎn)來構(gòu)成一條航線。通過對航線距離的表達(dá)式進(jìn)行分析,航線距離取決于各個(gè)航路點(diǎn)的縱坐標(biāo),以這些航路點(diǎn)的縱坐標(biāo)構(gòu)成一個(gè)n維向量,將此向量作為粒子群算法中粒子的位置向量,由此完成了算法的編碼任務(wù),使粒子群算法可以應(yīng)用于全局航線規(guī)劃問題的求解。最后,基于Matlab平臺(tái),對所提出的算法進(jìn)行仿真實(shí)驗(yàn)。對于全局航線規(guī)劃問題,采用NOAA提供的全球海岸線數(shù)據(jù)系統(tǒng)提供的海岸線數(shù)據(jù)模型來完成航行區(qū)域內(nèi)靜態(tài)障礙物(如島嶼)的位置信息描述。對于局部航線規(guī)劃問題,主要考慮的是惡劣天氣造成的不可航行區(qū)域?qū)Υ昂叫邪踩挠绊�。結(jié)合ECMWF提供的氣象數(shù)據(jù)信息,選取海浪浪高大于3.5米的海域作為對船舶航行安全有影響的危險(xiǎn)海域,完成動(dòng)態(tài)障礙物的位置信息描述。分別對全局航線規(guī)劃算法與局部航線規(guī)劃算法進(jìn)行仿真實(shí)驗(yàn),證明了算法的可行性與有效性。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U675.12;U692.31
【圖文】：

柵格圖

若kV 已經(jīng)在 open 集合中，考慮kV 的 g 值，若從起點(diǎn)經(jīng)過jV 再到kV 的 g 值比有的 g 值更好，則將jV 記錄為kV 的父結(jié)點(diǎn)，并從新計(jì)算kV 的 f ，g 值。否則任何改變；Step4：返回 Step2 直至終點(diǎn)EV 加入到 open 集合中。從上述算法步驟可以得知，在 A*算法中，每次從open集合中挑選結(jié)點(diǎn)jV 的是jV 的 f 值最小，這與 Dijkstra 算法有著明顯的不同。在 Dijkstra 算法中，jV 的條件是jV 距離起點(diǎn)的距離最小，這沒有考慮到j(luò)V 到終點(diǎn)的信息。在 A*中， f 值包含 g 值，即起點(diǎn)到j(luò)V 的實(shí)際距離，同時(shí)也包含 h 值，即jV 到終點(diǎn)估值。在啟發(fā)信息h的幫助下，算法的搜索方向?qū)⒉粩喑K點(diǎn)方向進(jìn)行搜相比于 Dijkstra 算法的無方向搜索，A*算法的搜索效率得到極大的提升。

若kV 已經(jīng)在 open 集合中，考慮kV 的 g 值，若從起點(diǎn)經(jīng)過jV 再到kV 的 g 值比有的 g 值更好，則將jV 記錄為kV 的父結(jié)點(diǎn)，并從新計(jì)算kV 的 f ，g 值。否則任何改變；Step4：返回 Step2 直至終點(diǎn)EV 加入到 open 集合中。從上述算法步驟可以得知，在 A*算法中，每次從open集合中挑選結(jié)點(diǎn)jV 的是jV 的 f 值最小，這與 Dijkstra 算法有著明顯的不同。在 Dijkstra 算法中，jV 的條件是jV 距離起點(diǎn)的距離最小，這沒有考慮到j(luò)V 到終點(diǎn)的信息。在 A*中， f 值包含 g 值，即起點(diǎn)到j(luò)V 的實(shí)際距離，同時(shí)也包含 h 值，即jV 到終點(diǎn)估值。在啟發(fā)信息h的幫助下，算法的搜索方向?qū)⒉粩喑K點(diǎn)方向進(jìn)行搜相比于 Dijkstra 算法的無方向搜索，A*算法的搜索效率得到極大的提升。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳超;唐堅(jiān);;基于可視圖法的水面無人艇路徑規(guī)劃設(shè)計(jì)[J];中國造船;2013年01期

2 馬永杰;云文霞;;遺傳算法研究進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2012年04期

3 朱大奇;顏明重;;移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)綜述[J];控制與決策;2010年07期

4 熊碧霞;楊春蘭;;基于Dijkstra算法的最短時(shí)延路由算法的實(shí)現(xiàn)[J];中國水運(yùn)(下半月);2009年02期

5 田雨波;朱人杰;薛權(quán)祥;;粒子群優(yōu)化算法中慣性權(quán)重的研究進(jìn)展[J];計(jì)算機(jī)工程與應(yīng)用;2008年23期

6 李源惠;潘明陽;吳嫻;;基于動(dòng)態(tài)網(wǎng)格模型的航線自動(dòng)生成算法[J];交通運(yùn)輸工程學(xué)報(bào);2007年03期

7 徐秀娜;賴汝;;移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)的現(xiàn)狀與發(fā)展[J];計(jì)算機(jī)仿真;2006年10期

8 王德春;陳利敏;張孝芳;;基于A~*算法的艦船最佳航線選擇[J];青島大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

9 孫波,陳衛(wèi)東,席裕庚;基于粒子群優(yōu)化算法的移動(dòng)機(jī)器人全局路徑規(guī)劃[J];控制與決策;2005年09期

10 楊維,李歧強(qiáng);粒子群優(yōu)化算法綜述[J];中國工程科學(xué);2004年05期

相關(guān)博士學(xué)位論文 前3條

1 湯青慧;基于電子海圖的航線規(guī)劃方法研究[D];中國海洋大學(xué);2011年

2 張麗平;粒子群優(yōu)化算法的理論及實(shí)踐[D];浙江大學(xué);2005年

3 胡小兵;蟻群優(yōu)化原理、理論及其應(yīng)用研究[D];重慶大學(xué);2004年

相關(guān)碩士學(xué)位論文 前3條

1 陳華;水面無人艇局部路徑規(guī)劃初步研究[D];大連海事大學(xué);2016年

2 盧艷爽;水面無人艇路徑規(guī)劃算法研究[D];哈爾濱工程大學(xué);2010年

3 李麗;基于遺傳算法的艦船航行路徑規(guī)劃技術(shù)研究[D];哈爾濱工程大學(xué);2006年

本文編號(hào)：2787025