一、船舶转向避让碰撞距离模型的确定（论文文献综述）
贺益雄,梁宇,熊勇,牟军敏,李梦霞,张可[1]（2021）在《开阔水域多物标动态自适应智能航行方法》文中研究表明考虑船舶操纵特性、《1972年国际海上避碰规则》和良好船艺要求,提出了动态自适应目标船不协调避碰行动的开阔水域智能航行方法;将物标分类、建模并构建数字孪生交通环境,结合航向控制方法、操纵运动和复航模型构建了自动航行模型,推演了船舶非线性操纵运动;基于自动航行模型量化解析了《规则》要求,探究动态避碰机理,建立了可行航向求取方法;在多目标环境中,提出了目标船机动判别方法,研究了《规则》约束下构成自主航行方案的改向时机、幅度和复航时机等要素求取方法。仿真结果表明:依靠信息秒级更新的滚动计算,提出的智能航行方法可自适应剩余误差和目标船随机运动;提出的智能航行方法能将可行航向区间和改向幅度精确到1°;将程序运行和复航时机计算步长设置为1、10 s,设置多类静态物标和6艘保向保速目标船,在640、1 053、2 561和3 489 s,本船进行右转9°、复航、保向保速和复航等操纵可让请所有目标并自主航行至终点;设置目标船在300 s采取不协调转向避让行动,本船在980、2 790、3 622、5 470 s时进行右转9°、左转12°、右转17°和复航等操纵可让请所有目标并自主航行至终点。可见,任意初始状态下的船舶均可沿计划航线自动航行至终点,提出的方法能满足多个、多类动静态物标共存的真实开阔水域环境中的智能航行需要。
钮俊涛[2]（2021）在《考虑动态约束的水面无人艇自主避障算法研究》文中研究指明近年来自主航行技术在多个领域得到广泛应用,无人车、无人机、以及无人艇的发展如火如荼。自主航行船舶以独特的优势成为海上船舶的主要发展趋势,受到了各大海上强国的重点关注和研发投入。自动避碰决策模块作为自主航行船舶的重要组成部分,也是关于水面无人艇（Unmanned Surface Vehicle,USV）研究的热点问题。本文主要针对自主水面舰艇的动态避碰算法进行了以下方面的研究。（1）对于USV国内外发展现状进行了论述,分别从反应式避碰和路径规划式避碰两个角度对各种算法进行分析比较。重点阐述了自主水面艇进行自主避碰的相关算法特点。并选取经典的速度障碍法作为本文研究避碰问题的算法核心。（2）详细分析了USV实现动态避碰的理论依据,主要包括USV周边环境的感知建模和USV运动模型相关参数的计算,并且综合了多个碰撞相关的参数计算船舶碰撞危险度。结合船舶的避碰经验确定每个参数权重,将模糊的船舶危险度转换为可以量化的参数,同时为了符合现有的海上船舶避碰规则,将《国际海上避碰规则》（International Regulations for Preventing Collisions at Sea,COLREGs）融合到避碰决策过程中。（3）在对传统的速度障碍法进行介绍的基础上,通过增加航向稳定性以及航线保持性等约束,以速度障碍法为基础的避碰航速选择进行多级优化,并在多船会遇情况下通过划分核心碰撞区和广义碰撞区实现最优的避碰决策。（4）对于特殊的非线性航行障碍船提出增加虚拟障碍物实现避碰,并且在USV避碰速度空间中增加海岸、岛屿的约束。通过建立以速度障碍法为基础的多级优化方法,对两船对遇、交叉、追越局面进行仿真,同时针对多种局面下非线性运动的障碍船避碰问题进行仿真。仿真结果表明基于速度障碍法的多级优化避碰决策系统性能良好,既能够做出符合COLRGEs避障决策,同时针对障碍船不遵守规则的情况下,也能完成避障保证船舶的安全。
张佳宝[3]（2021）在《满足海事规则的USV碰撞危险度评估与航迹规划算法研究》文中指出随着海洋技术发展需求的不断提高,无人水面艇（Unmanned Surface Vehicle,USV）作为一种智能化水面作业平台,具有可拓展性强、机动灵活且成本较低的优势,在军事与民事领域应用中扮演越来越重要的角色,其相关领域的研究也得到越来越广泛的重视。USV的自主导航系统是实现其智能化自主作业的关键,要求能够实现在复杂水面环境下USV的最优航迹的搜索计算,满足安全性、可行性与经济性等要求。本文的研究重点为USV自主导航系统的三个关键功能:全局航迹规划、碰撞危险度评估与局部航迹规划。通过梳理相关的研究成果与技术难点,提出了相关的改进方法。本文的具体工作包括:（1）提出了基于改进RRT算法的USV全局航迹规划方法。首先对环境障碍物区域进行膨化处理,保证了规划航迹与障碍物间的安全距离。接着针对传统RRT算法收敛速度慢且输出路径质量差的缺陷提出相应的改进方法。通过引入随机树搜索的目标导向机制解决了扩展盲目性的问题;通过结合双向搜索与可变步长策略提高了搜索效率;通过去冗余节点优化显着减少了规划路径的长度;基于运动本源法对路径进行转折点优化,提高了规划路径的可跟踪性。最后总结出完整的算法实现流程,并通过仿真与试验进行验证,结果表明本文改进RRT算法能够规划出满足USV的性能要求的全局航迹。（2）提出了基于模糊理论的碰撞危险度评估方法。首先对海事规则相关规定作总结叙述,为避碰策略的选取提供规则约束。接着分别对两船与多船会遇场景下的碰撞危险度评估模型进行构建。在两船会遇场景下采用主观的层次分析法对评估指标权值进行求取;在多船会遇场景下结合离差最大化理论的权值确定方法,基于主观结合客观与评估的悲观原则,并采用模糊规则推理碰撞危险度的等级。最后提出了完整的实现流程,完成了评估模型有效性的仿真验证。（3）提出了基于改进VFH与DWA算法的USV局部航迹规划方法。首先对USV的局部避碰阶段的触发条件作出规定,将本文碰撞危险度评估与局部航迹规划有机结合。接着在COLREGs海事规则约束、操纵性约束与安全性约束下提出了基于传统VFH算法的改进形式,将动态障碍物的碰撞危险度值作为直方图构建的关键参数,提出了基于预测的障碍扇区计算方式,并对核心代价函数进行了设计构建;提出了与DWA算法相结合的算法形式,对航迹跟踪方法进行选取。最后提出了本文完整的算法架构,基于Matlab平台完成了相关仿真验证,基于搭建的案例无人艇试验平台完成了相关试验验证。
展琼谣[4]（2021）在《PIDVCA算法优化及其决策效果可视化研究》文中认为随全球航运业的蓬勃发展,开阔水域的船舶密度日益增大,海上碰撞事故频繁发生,究其过程是人为疏忽的原因造成的。基于船舶拟人智能避碰决策（PIDVCA）算法的开阔水域避碰辅助决策系统研究已有一些成果,但开阔繁忙水域多船会遇PIDVCA算法以及避碰辅助决策功能界面设计存在不足。因此,本文依托国家自然基金项目《复杂水域船舶拟人智能避碰避险决策关键技术研究》和工业和信息化部项目《船舶航行态势智能感知系统研制》,重点研究开阔繁忙水域多船紧迫危险决策方法和两船协调避让的可视化解释,进一步完善PIDVCA算法,优化系统界面设计,为驾驶员提供安全、经济的避碰辅助决策方案,主要完成工作如下:（1）简要介绍PIDVCA算法的原理及船舶碰撞危险评价体系,阐述了基于船舶碰撞危险评价体系的改向失效下多船紧迫危险含义;分析了PIDVCA算法的组成、特点及其局限性,提出了解决多船紧迫危险避碰决策的思路、方法和内容。（2）构建多船典型会遇场景紧迫危险决策库。分析船舶碰撞危险体系下多船（两目标船）紧迫危险采取变速或改向变速决策成功避让的可行性;利用空间目标方位及其交汇特征组合确定典型多船会遇场景,借助几何分析与手动模拟实验相结合的方法构建开阔繁忙水域多船典型会遇场景紧迫危险决策库;通过模拟操船实验构建变速及改向变速操纵参数估算模型,以实现仿真实验过程能正确估算避让决策执行点到避让结束点的操纵延时。（3）多船紧迫危险避碰算法设计及验证。基于多船典型会遇场景紧迫危险决策库,设计多船紧迫危险避碰算法模块并集成到PIDVCA算法库,嵌入到我校自主研发的船舶智能操控仿真平台。设计典型测试案例对算法仿真测试,实验结果证明设计的多船紧迫危险算法模块具备处理紧迫局面改向失效下的决策问题,并初步验证了算法的有效性。（4）介绍船舶避碰辅助决策系统的碰撞危险预警及辅助决策功能,分析雷达避碰辅助决策功能界面显示及决策可视化需求,以此设计调查问卷。根据调查问卷分析结果,设计避碰辅助功能界面及其决策可视化界面,重点研究实现了两船协调避让决策建议可视化并设计了决策依据的解析模式。通过设置仿真案例,利用航海模拟器展示模拟训练效果,探讨了两船协调避碰辅助决策可视化及其解析在模拟器培训教学改革的应用。
陈传仁[5]（2021）在《船舶碰撞及搁浅触礁危险评判模型研究》文中进行了进一步梳理船舶交通管理服务系统VTS的报警模块因沿用船载雷达系统的预警机制,存在漏警率或虚警率过高的问题,不能满足实际需求;ECDIS的搁浅触礁预警阈值采用手动设置,不能随环境及船舶操纵性变化自动调节,以及驾驶员考虑水深影响因素不足设置的安全等深线和安全水深不合理导致的港口水域搁浅触礁时有发生。因此研究不同水域条件下的船舶碰撞危险评判阈值和港口水域搁浅触礁危险评判模型,进一步为船舶提供可靠的避碰避险决策,对确保航行安全具有重要的现实意义。本文依托课题组项目“船舶碰撞危险度评估软件模块”及国家自然基金项目“复杂水域船舶避碰避险决策研究需求”,开展船舶碰撞及搁浅触礁危险评判阈值模型研究,主要完成如下工作:（1）提出了构建港口区域地理位置数据库的方法。根据《国际海上避碰规则》和船舶拟人智能避碰决策（Personifying Intelligent Decision-making for Vessel Collision Avoidance,PIDVCA）理论自定义了航行水域特征,基于MySQL数据库完成了沿海港口区域地理位置数据库的构建,结合PIDVCA的基础算法,运用C++编程语言完成了航行水域识别算法设计。（2）基于船舶碰撞危险评判阈值主客观因素,提出典型态势特征系数λSM的概念及其确定方法。采用数理统计方法处理不同水域、不同船舶尺度和不同典型会遇态势条件下船舶的临界安全会遇距离SDAc的调查问卷结果,运用临界碰撞距离SDAmin（客观）模型确定安全余量SMmin（主观）,引入典型态势特征系数λSM,为实现驾驶员个性化输入max SDAc的合理化处理奠定基础。（3）综合考虑船体下沉量、船舶纵横倾、波浪、龙骨下富余水深、水密度的变化和油水消耗量等引起的船舶吃水变化量来优化安全水深阈值模型,结合已建的港口水域海图数据检索区域模型,构建长方体的船舶搁浅触礁危险评判模型。基于PIDVCA基础算法和船舶搁浅触礁危险评判模型完成了港口水域搁浅触礁危险评判算法的设计。（4）借助学校自主研发的船舶智能操控平台（Ship Intelligent Handle and Control,SIHC）,将设计的航行水域识别算法和船舶搁浅触礁危险评判算法集成到PIDVCA算法,以动态库方式链接到SIHC仿真平台,仿真实验结果表明:航行水域识别算法可实时识别船舶位置及其航行水域;船舶搁浅触礁危险评判算法可实时获取碍航物及危险水深。
倪生科[6]（2020）在《基于规则的船舶智能避碰决策关键技术研究》文中提出船舶智能避碰决策作为实现智能船舶的关键技术之一,一直以来受到国内外航海研究领域学者的重点关注。为保证船舶智能避碰决策系统输出决策方案的合理性、有效性和可信性,需要在《国际海上避碰规则》和海员良好船艺要求下对船舶避碰及路径规划技术进行研究。目前研究存在的问题包括:未将局面辨识模型融入避碰算法中、未考虑《国际海上避碰规则》的要求以及船舶操纵性对避让效果的影响、路径规划算法的稳定性及输出方案实用性有待加强、多船避碰策略设计不合理导致船舶间避让方案协同性不足等。鉴于上述问题,论文主要开展以下几方面工作。为保证决策方案的合理性及提高决策的智能化程度,提出一种局面类型辨识方法,并以辨识结果作为约束条件对路径规划算法的优化方向进行限定。该方法基于《国际海上避碰规则》中关于会遇局面条款的定性描述以及前人开展的局面类型辨识研究为基础,分析及总结不同会遇态势下的船舶交会特征参数范围的基础上,结合局面类型划分的完整性和唯一性要求,采用敏感度分析方法删除无相关性的判断要素,利用布尔表达式技术将局面类型判断结果表达出来,随后基于避碰效率、海员通常做法以及良好船艺的要求,构建避让行动方式判断的特征指标,同样利用布尔表达式技术对不同会遇态势下负有避让义务的船舶避让策略进行表示。为提高避碰决策及路径规划算法的可靠性及优化效率,保证输出方案符合航海实践要求,提出考虑船舶操纵性影响的船舶转向和变速两种避碰决策方法,前者通过引入多种群协同进化搜索方式克服传统遗传优化转向决策算法中出现的早熟收敛问题,综合考虑航行规则的要求、船舶安全性以及复航等指标建立约束条件以及适应度函数,并利用非线性规划技术将航行经验融入到算法中,通过对对遇、小角度交叉以及追越三种不同会遇态势案例的仿真研究,验证转向避让决策算法的有效性;后者通过对船舶减速避让过程的分析,建立以DCPA为基础的复航时机判断方法,采用数值优化方法求取满足安全要求的主机转速值,确定船舶复航操作的时机和位置,通过对大角度交叉会遇案例的仿真研究,验证变速避让决策模型的有效性。为保证多船会遇态势下船舶间避让行动的协调性,基于排队论理论、协同学理论以及多层编码技术提出一种新的多船避碰决策及路径规划方法。该方法将一定范围内的所有船舶构成一个交通系统,将多船避碰决策过程模拟成船舶排队接受决策服务的随机服务系统,由于系统的状态向量由各船舶（子系统）的状态向量共同决定,基于空间碰撞危险度和时间碰撞危险度指标方式建立具有优先权的排队规则,并利用多层编码技术实现对处于第一优先级中船舶决策方案的协同优化,最后分别利用三船会遇和六船会遇案例的仿真研究,验证该多船避碰决策方法的有效性。这种多船避碰策略首次将避碰算法的优化对象由单艘船舶上升到满足要求的一类船舶,实现船舶间的共同协作,减少决策方案的盲目性和对抗性。基于《国际海上避碰规则》和海员通常做法针对开阔水域的船舶智能避碰及路径规划技术进行了深入研究,从决策对象确立的合理性、决策模型的可靠性以及输出决策方案的适用性角度提出一种实用的避碰决策方法,基于不同会遇态势下的决策仿真,验证所提出避碰算法的有效性。与以往的研究方法相比,所提出的方法得到的决策方案更加符合航海实践并保证各船舶间避让行动间的协调性,该研究丰富了船舶避碰决策的理论基础和技术手段,对实现智能避碰决策具有较好的理论意义和应用价值。
张照亿[7]（2020）在《开阔水域船舶碰撞危险辨识及航行策略研究》文中研究表明近年来,智能船成为国际海事界研究的新热点,《智能船舶规范》和《智能船舶发展行动计划》均将具备自主航行避碰能力的智能航行系统视为智能船研究需突破的关键技术之一;碰撞也是导致海上人员伤亡的主要船舶事故类型,在所有海上航行事故中占有主要比例。基于以上背景,本文以开阔水域为研究对象,开展船舶碰撞危险辨识及航行策略分析方法研究,拟为船舶智能航行系统研发以及船舶避碰研究提供一种新的思路。具体研究内容如下:（1）针对传统碰撞危险辨识方法目标船参数考虑不全面以及在不同会遇局面下采用相同安全会遇距离的缺陷,构建了基于船舶领域模型的船舶碰撞危险辨识方法。选取Kijima模型界定船舶安全会遇范围,提出一种新的船舶碰撞危险辨识决策参数:相对运动航向上边界（φRUp）和下边界（φRLow）,并推导出决策参数的求解方法;结合Kijima模型几何形状对船舶安全会遇范围进行区域划分,通过比对各区域目标船相对运动航向（φR）与边界相对运动航向的数值关系,实现船舶间碰撞危险的有效辨识。（2）将船舶航行决策视为一种多目标优化求解问题,构建一种考虑船舶航行安全性、《国际海上避碰规则》符合性、避让过程经济性的适应度函数模型,选择自适应遗传算法作为基础算法进行船舶航行策略求解。为解决自适应遗传算法不稳定收敛和易陷入局部最优值的缺陷,提出在传统算法中引入最优保存和Metropolis准则的改进策略,选择Shubert函数作为测试函数,验证了提出改进策略的有效性。（3）利用构建的基于船舶领域模型的碰撞危险辨识方法和基于改进自适应遗传算法的船舶航行决策模型,分别构建了单船会遇和多船会遇情况下的船舶碰撞危险辨识和航行决策流程,并设置船舶会遇案例场景进行实验验证,通过比对危险辨识结果、本船和目标船的轨迹变化、船舶间距离和安全会遇距离的关系和避让过程产生的航程损失,验证了本文构建的方法能够对船舶间的碰撞危险准确识别,提出的航行策略能够实现对目标船的安全避让。面向智能船及海上交通安全保障需求,本文研究的开阔水域船舶碰撞危险辨识方法及航行策略分析流程,对于保障海上航行船舶的安全高效航行能够起到辅助支持作用。
卢昌宇[8]（2020）在《基于改进遗传算法的船舶局部路径规划研究》文中认为随着科技的不断进步,使得航运业向着智能化的方向发展,船舶路径规划作为智能航海的重要研究方向,越来越多的科研工作者从事这一领域的研究。路径规划的随机性、约束性强、对环境要求较高的特点使得实现起来有一定困难,但出色的实用价值和便利性备受海员青睐。船舶路径规划作为一个知识体系,涉及信息采集、船舶动力学、人工智能、信息交换等多门学科,伴随国内外科研人员对船舶路径规划的深入研究,大大促进了相关学科的发展,对中国水路运输具有重要意义。本文梳理了国内外船舶路径规划的研究方法和进展,讨论基于船舶运动参数的局部路径规划,利用改进遗传算法建立不同会遇态势下的路径模型,并验证其合理性。论文的主要内容如下:（1）详细阐述船舶避碰过程,结合《避碰规则》对船舶会遇局面定量划分,计算会遇中两船相对运动参数及转向后的运动参数,算得DCPA和TCPA,引入船舶安全会遇距离。利用综合模糊评价法,建立基于DCPA、TCPA、D、B、K、θ的船舶碰撞危险度模型,分析结果的合理性。（2）设计基于遗传算法的局部路径规划,改进算法交叉概率和变异概率,以最短路径、路径平滑度最优、偏移原航线最小、碰撞危险度最小为优化目标,以路径的安全性、是否遵守《避碰规则》、合适的避碰时机为约束条件,以船舶转向幅度作为唯一变量,建立船舶局部路径模型。（3）通过Matlab平台对路径模型进行仿真,设计不同会遇局面下的路径,包括对遇局面、交叉相遇局面、追越局面及带有固定障碍物的多船会遇局面,仿真结果显示所得路径满足《避碰规则》“早”、“大”、“宽”、“清”的要求,并保证经济性和平滑性,表明本文设计的路径具有一定的可行性。
曾勇[9]（2020）在《多船会遇场景下船舶避碰决策方法研究》文中指出近年来,随着国家“一带一路”战略、“交通强国”战略、“海洋强国”战略的全面实施以及航运经济的复苏,水路运输在国际贸易中继续发挥着十分重要的作用。然而,随着船舶向着“船身大型化、操纵智能化、决策自动化、驾驶无人化”的方向发展,重特大水上交通事故仍时有发生,造成灾难性的生命财产损失和环境污染。智能避碰技术是船舶智能航行的关键技术之一。因此,开展船舶的智能避碰决策方法研究,尤其是在遵守国际海上规则的条件下,研究如何提升船舶驾驶员在多船会遇场景下的避碰决策水平,是当前水上交通运输领域的热点和难点问题。本文以互见中开阔水域下的多船避碰决策方法为核心,重点解决船舶碰撞危险度定量评价、国际海上避碰规则关键条款的逻辑编码以及基于启发式算法的船舶避碰决策等问题,对于提升船舶航行的安全性和降低碰撞事故发生风险都具有重要的理论与现实意义。具体而言,主要研究工作如下:（1）基于人工神经网络的船舶碰撞危险度定量评价。在深入分析船舶的避碰机理与船舶避碰过程的基础之上,构建基于广义回归神经网络的船舶碰撞危险度计算评估模型。将影响船舶安全的最近会遇距离（Distance to Closest Point of Approach,DCPA）、最短会遇时间（Time to Closest Point of Approach,TCPA）、相对距离、相对方位、船速比5个要素作为输入,并将模糊综合评价法应用到广义回归神经网络中,综合两种方法的优势,通过神经网络的持续学习得到相应的危险度值,训练结果表明广义回归神经网络模型的预测值与期望值的误差均在1%以下,模型的泛化能力较强,从而可以有效量化本船与目标船的碰撞风险,为船舶之间的避碰决策提供可靠的参考。（2）国际海上避碰规则逻辑编码研究。在系统研究机器学习算法中的规则学习和归纳逻辑程序设计方法的基础之上,对国际海上避碰规则中涉及船舶安全与避碰的关键条款进行解析与逻辑编码,建立了一个框架性的通用规则体系,将避碰规则总结凝练成可被机器所理解的程序语言,实现了避碰规则的逻辑化语义转达,为后续的避碰算法提供决策依据,有助于实现会遇局面与避让责任的准确判定。（3）基于启发式算法的船舶避碰决策方法。首先,以经典的启发式算法——粒子群算法与遗传算法为载体,通过引入遗传算法中的变异交叉操作,对粒子群算法进行优化改良,构建粒子群-遗传的混合优化算法模型。其次,按照避碰规则和船员良好船艺的要求,综合考虑船舶航行的安全性与经济性,构建基于转向幅度与航行时间的避碰决策目标函数。最后,利用粒子群-遗传的混合优化算法能够有效地提高收敛精度和加速全局寻优的特点,当船舶之间的碰撞危险度达到或超过阈值时,启动激活避碰算法,完成对船舶避碰策略的优化,获得让路船在全局范围内的最佳转向幅度及在新航向上所需的航行时间。并在多船会遇的场景下,进行仿真模拟,验证算法的可行性和有效性。实验结果表明:提出的避碰算法可以在船舶遵守避碰规则以及出现船舶违反避碰规则的紧迫局面情况下,找到最优解,实现本船与目标船的安全驶过让清,有助于提升船舶航行安全性和降低船舶碰撞事故发生的风险。综上,本文提出的碰撞危险度计算评估与避碰决策方法,可以有效地量化碰撞风险,为避碰决策确定合理的时机;还能够借助程序化的逻辑编码方法,实现会遇局面与避让责任的准确判定。相关研究成果可为船舶驾驶人员提供一定的避碰决策参考,有助于提升船舶驾驶员在多船会遇场景下的避碰决策能力。
谢朔[10]（2020）在《基于天牛须优化的船舶运动建模与避碰方法研究》文中研究说明近年来,智能船舶已成为船舶领域的研究热点。船舶运动的精确建模和自动避碰对智能船舶的航行安全十分重要。在实际航行过程中,由于噪声干扰、采样不均、操纵迟滞性、规则约束以及环境感知受限等因素的影响,会使船舶运动建模和避碰中的优化求解或参数优化的难度增大,进而可能导致船舶自动避碰决的效果欠佳、不稳定等问题。针对上述问题,本文在改进新型天牛须优化算法（beetle antenna search,BAS）及其群体形式BSAS（beetle swarm antenna search）的基础上,与模型预测控制（model predictive control,MPC）、扩张状态观测器（extended state observer,ESO）、最小二乘支持向量机（least squares support vector machine,LSSVM）以及强化学习等方法相结合,开展基于天牛须优化的船舶运动建模和避碰方法研究。主要工作总结如下:1)在新型BAS/BSAS算法基础上,提出改进后的ABAS（antenna perform based BAS）算法,提高了原始算法在已知约束空间下的优化性能,为后续船舶的运动建模和避碰方法提供优化算法基础。2)为实现不同噪声和不均匀采样干扰下的船舶精确运动建模,提出了一种基于ABEL（ABSAS-ESO-LSSVM）的辨识建模方法,提高了LSSVM在未知噪声和不均匀采样干扰下对船舶运动模型的辨识精度。该方法首先使用ESO观测器结合LSSVM来实现连续系统辨识;其次应用所提出的ABSAS算法对ESO的带宽参数进行自适应优化;最后基于仿真实验数据和模型船航行试验数据对所提出的建模方法进行了验证。3)为实现开阔水域中综合考虑碰撞危险度、操纵迟滞性和规则约束的船舶自动避碰,提出了一种基于Q-ABSAS（Q-learning-ABSAS）优化的避碰方法。该方法在基于危险度预测的优化策略基础上,使用结合了Q-learning学习机制的小种群ABSAS算法来解决实时自适应优化问题;在多船会遇中,Q-ABSAS的决策结果可使用逆模型进行函数近似,以减少时间代价。4)为实现感知受限下稳定可靠的船舶自动避碰,提出了一种基于ABASDDPG（ABAS-deep deterministic policy gradient）强化学习的避碰方法,提高了已有DDPG方法的避碰策略学习性能。该方法首先通过DDPG以及元学习框架来解决未知环境或环境变化下的避碰学习问题;在此基础上,使用所提出的ABAS优化算法对DDPG中的动作噪声过程进行自适应优化,提高了避碰学习效果和稳定性;通过避碰仿真实验和模型船半实物仿真试验验证了所提出的ABAS-DDPG避碰方法的有效性。5)为实现无模型下近似最优的实时避碰路径优化,提出了一种基于并行DA3C-ABAS（distributed A3C-ABAS）的路径优化方法,兼顾了一定范围内路径的近似最优性和实时性。该方法首先根据预测控制思想提出滚动路径优化策略,以获得预测时域内的实时近似最优路径;在此基础上,使用A3C强化学习优化后的分布式D-ABAS（distributed ABAS）算法对滚动优化策略进行自适应快速求解;通过与BSAS、粒子群算法以及人工势场法的路径优化仿真对比,验证了所提出的路径优化方法在避碰中的有效性。
二、船舶转向避让碰撞距离模型的确定（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、船舶转向避让碰撞距离模型的确定（论文提纲范文）
（1）开阔水域多物标动态自适应智能航行方法（论文提纲范文）
| 0 引 言 |
| 1 自适应智能航行方法 |
| 1.1 智能航行实现步骤与误差 |
| 1.2 基于滚动时序的智能航行方法框架 |
| 2 数字孪生交通环境 |
| 2.1 环境构建 |
| 2.1.1 船舶领域模型和坐标系 |
| 2.1.2 目标分类与避让 |
| 2.2 动态避碰机理 |
| 2.2.1 普通机动船避碰 |
| 2.2.2 特殊目标避碰可行航向区间 |
| 3 自动航行模型 |
| 3.1 航向控制系统 |
| 3.2 复航方法 |
| 3.3 自适应复航改向角求取 |
| 3.4 智能航行方法 |
| 4 仿真试验与结果分析 |
| 4.1 无船环境下自动航行试验 |
| 4.2 多船环境下自主航行试验 |
| 4.2.1 目标船保向保速 |
| 4.2.2 目标船变向变速 |
| 5 结 语 |
（2）考虑动态约束的水面无人艇自主避障算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 无人艇发展现状概述 |
| 1.2.1 无人艇国外研究现状 |
| 1.2.2 无人艇国内研究现状 |
| 1.3 研究内容及结构安排 |
| 2 无人艇避碰方法概述 |
| 2.1 基于行为的反应式避碰算法 |
| 2.1.1 速度障碍法 |
| 2.1.2 动态窗口法 |
| 2.2 基于路径搜索的静态障碍避碰算法 |
| 2.2.1 人工势场法 |
| 2.2.2 向量场直方图法 |
| 2.3 本章小结 |
| 3 无人艇自主避碰理论基础 |
| 3.1 USV周边态势感知 |
| 3.2 USV运动学模型 |
| 3.2.1 无人艇与障碍船运动参数计算 |
| 3.2.2 USV调整航速的影响 |
| 3.3 USV碰撞危险度评估 |
| 3.3.1 碰撞危险度概述 |
| 3.3.2 USV碰撞危险度计算 |
| 3.4 COLREGs规则介绍 |
| 3.4.1 两船会遇局面的划分 |
| 3.4.2 多船舶会遇局面 |
| 3.5 本章小结 |
| 4 复杂约束下的速度障碍法 |
| 4.1 速度障碍法概述 |
| 4.1.1 速度障碍法原理 |
| 4.1.2 线性速度障碍原理 |
| 4.1.3 非线性速度障碍原理 |
| 4.2 多级优化 |
| 4.2.1 初始决策 |
| 4.2.2 多船会遇约束 |
| 4.2.3 COLREGs约束 |
| 4.2.4 航线约束 |
| 4.2.5 操纵性约束 |
| 4.2.6 结束避碰时机约束 |
| 4.3 特殊情况的避碰策略 |
| 4.3.1 非线性运动避碰策略 |
| 4.3.2 限制水域的避碰策略 |
| 4.4 本章小结 |
| 5 仿真与分析 |
| 5.1 障碍船舶线性运动会遇局面 |
| 5.1.1 对遇局面 |
| 5.1.2 追越局面 |
| 5.1.3 右舷交叉局面 |
| 5.1.4 多船会遇局面 |
| 5.2 障碍船非线性运动会遇局面 |
| 5.2.1 特殊对遇局面 |
| 5.2.2 特殊右舷交叉局面 |
| 5.2.3 特殊左舷交叉会遇局面 |
| 5.2.4 特殊追越局面 |
| 5.2.5 特殊交叉会遇局面 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（3）满足海事规则的USV碰撞危险度评估与航迹规划算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 全局航迹规划算法研究现状 |
| 1.2.2 碰撞危险度评估方法研究现状 |
| 1.2.3 局部航迹规划算法研究现状 |
| 1.3 论文研究的主要内容 |
| 第2章 基于改进RRT算法的USV全局航迹规划 |
| 2.1 引言 |
| 2.2 RRT算法介绍 |
| 2.2.1 RRT算法的基本原理 |
| 2.2.2 RRT算法的基本步骤 |
| 2.3 改进RRT算法 |
| 2.3.1 安全距离约束 |
| 2.3.2 基于目标导向与操纵性约束的随机树扩展机制 |
| 2.3.2.1 基于目标导向的新节点生成 |
| 2.3.2.2 基于USV操纵性约束的新节点生成 |
| 2.3.2.3 可变步长策略 |
| 2.3.3 双向搜索策略 |
| 2.3.4 航迹优化 |
| 2.3.4.1 去除冗余节点 |
| 2.3.4.2 基于运动本源法的航迹优化 |
| 2.3.5 改进RRT算法的实现流程 |
| 2.4 本章小结 |
| 第3章 USV自主避碰决策依据 |
| 3.1 引言 |
| 3.2 USV航行规则 |
| 3.2.1 国际海上避碰规则 |
| 3.2.2 会遇局面划分 |
| 3.3 碰撞危险度评估 |
| 3.3.1 碰撞危险度评估问题描述 |
| 3.3.2 局部会遇几何模型 |
| 3.3.3 两船会遇局面下的碰撞危险度评估 |
| 3.3.3.1 碰撞危险度评估模型构建 |
| 3.3.3.2 评估模型权重分配 |
| 3.3.4 多船会遇局面下的碰撞危险度评估 |
| 3.3.4.1 评估指标权重分配 |
| 3.3.4.2 等级划分的悲观原则 |
| 3.3.4.3 碰撞危险度的模糊综合评估 |
| 3.3.4.4 碰撞危险度的评估流程 |
| 3.4 本章小结 |
| 第4章 基于改进VFH与DWA算法的USV局部航迹规划 |
| 4.1 引言 |
| 4.2 USV实时避碰问题描述 |
| 4.3 USV局部航迹规划阶段划分 |
| 4.3.1 基于碰撞危险度的局部航迹规划判定条件 |
| 4.3.2 局部航迹规划阶段划分 |
| 4.4 基于改进VFH算法的局部远程规划 |
| 4.4.1 VFH算法介绍 |
| 4.4.2 避碰模型构建 |
| 4.4.3 直方图构建 |
| 4.4.3.1 去除栅格模型 |
| 4.4.3.2 障碍物扇区判定方法 |
| 4.4.3.3 障碍物强度值计算 |
| 4.4.4 阈值计算 |
| 4.4.5 候选谷获取 |
| 4.4.5.1 候选谷计算方法 |
| 4.4.5.2 USV动力学约束 |
| 4.4.5.3 考虑USV动力学约束的候选谷计算 |
| 4.4.6 代价函数设计 |
| 4.5 基于改进DWA算法的局部近程规划 |
| 4.5.1 DWA算法介绍 |
| 4.5.2 可行航迹生成 |
| 4.5.3 速度矢量空间 |
| 4.5.4 航迹搜索寻优 |
| 4.6 滚动规划与航迹跟踪 |
| 4.6.1 滚动规划原理及流程 |
| 4.6.2 局部子目标点选取 |
| 4.6.3 航迹跟踪控制 |
| 4.7 并行规划架构 |
| 4.8 本章小结 |
| 第5章 仿真模拟与航行试验 |
| 5.1 引言 |
| 5.2 仿真模拟与结果分析 |
| 5.2.1 仿真平台搭建 |
| 5.2.2 全局航迹规划算法的仿真验证 |
| 5.2.3 碰撞危险度评估模型的仿真验证 |
| 5.2.4 局部航迹规划算法的仿真验证 |
| 5.3 航行试验与结果分析 |
| 5.3.1 试验平台搭建 |
| 5.3.2 试验结果与分析 |
| 5.3.2.1 针对全局航迹规划的试验验证 |
| 5.3.2.2 针对局部航迹规划的试验验证 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 后记和致谢 |
（4）PIDVCA算法优化及其决策效果可视化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题目的意义及依据 |
| 1.2 国内外研究现状 |
| 1.2.1 船舶避碰国外研究现状 |
| 1.2.2 船舶避碰国内研究现状 |
| 1.3 研究主要工作 |
| 第2章 船舶智能避碰基础 |
| 2.1 船舶避碰基本过程 |
| 2.2 船舶拟人智能避碰决策方法简介 |
| 2.2.1 PIDVCA原理 |
| 2.2.2 船舶碰撞危险评价体系及相关概念 |
| 2.3 开阔水域PIDVCA算法 |
| 2.3.1 PIDVCA算法组成及其特点 |
| 2.3.2 PIDVCA算法存在的局限性 |
| 2.4 本章小节 |
| 第3章 开阔繁忙水域多船紧迫危险避碰决策方法 |
| 3.1 两船紧迫危险的决策分析 |
| 3.2 多船紧迫危险避碰决策库的构建 |
| 3.2.1 空间目标组合确定典型会遇场景 |
| 3.2.2 几何图解分析确定典型会遇场景避碰决策库 |
| 3.3 构建变速及改向变速操纵参数估算模型 |
| 3.3.1 变速冲程及冲时估算模型 |
| 3.3.2 改向变速组合的合成冲程及操纵避让时间估算模型 |
| 3.4 本章小节 |
| 第4章 开阔繁忙水域多船紧迫危险算法设计及仿真 |
| 4.1 多船紧迫危险算法设计 |
| 4.2 仿真案例设计及分析 |
| 4.2.1 船舶智能操控仿真平台简介 |
| 4.2.2 多船紧迫危险避碰决策仿真案例设计及结果分析 |
| 4.3 本章小节 |
| 第5章 船舶避碰辅助决策效果可视化研究及应用 |
| 5.1 船舶避碰辅助决策系统功能 |
| 5.1.1 船舶碰撞危险预警功能 |
| 5.1.2 船舶避碰辅助决策功能 |
| 5.2 船舶避碰辅助决策效果可视化信息显示模式设计 |
| 5.2.1 调查问卷的设计及分析 |
| 5.2.2 避碰辅助决策功能界面设计 |
| 5.2.3 避碰辅助决策图文解析模式设计 |
| 5.3 避碰辅助决策可视化在航海模拟器培训教学的应用 |
| 5.3.1 航海模拟器培训方案的设计 |
| 5.3.2 航海模拟器模拟训练效果展示 |
| 5.4 本章小节 |
| 第6章 结论与展望 |
| 6.1 论文总结及创新点 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 在学期间科研成果情况 |
（5）船舶碰撞及搁浅触礁危险评判模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 船舶碰撞危险阈值研究现状 |
| 1.2.2 船舶搁浅触礁危险评判阈值的研究现状 |
| 1.3 论文主要工作 |
| 第2章 航行水域识别方法研究 |
| 2.1 构建港口水域数据库的方法 |
| 2.1.1 数据库建库方案 |
| 2.1.2 数据库设计 |
| 2.1.3 港口水域数据库 |
| 2.2 航行水域识别算法设计 |
| 2.2.1 PIDVCA算法 |
| 2.2.2 航行水域特征的定义 |
| 2.2.3 航行水域识别算法流程设计 |
| 2.3 本章小结 |
| 第3章 船舶碰撞危险评判阈值的确定方法 |
| 3.1 安全会遇距离边界模型相关概念 |
| 3.1.1 SDA边界模型定义 |
| 3.1.2 船舶临界碰撞会遇距离的计算模型 |
| 3.2 调查问卷的设计 |
| 3.2.1 会遇态势的划分 |
| 3.2.2 问卷调查概况 |
| 3.3 典型会遇态势下临界安全会遇距离的研究 |
| 3.3.1 临界安全会遇距离结果分析 |
| 3.3.2 典型态势特征系数的确定 |
| 3.4 算法的实现与仿真验证 |
| 3.4.1 船舶碰撞危险评判阈值算法设计 |
| 3.4.2 船舶碰撞危险评判阈值算法仿真验证 |
| 3.5 本章小结 |
| 第4章 船舶搁浅触礁危险评判模型的构建 |
| 4.1 动态水深模型研究 |
| 4.1.1 传统动态水深模型 |
| 4.1.2 高精度动态水深模型 |
| 4.2 安全水深阈值模型 |
| 4.2.1 富余水深 |
| 4.2.2 安全水深阈值公式 |
| 4.3 船舶搁浅触礁危险评判模型 |
| 4.3.1 危险水深评判模型 |
| 4.3.2 港口水域海图数据检索区域模型 |
| 4.3.3 搁浅触礁危险阈值模型 |
| 4.4 船舶搁浅触礁危险评判算法设计 |
| 4.5 本章小结 |
| 第5章 算法仿真验证 |
| 5.1 船舶智能操纵平台(SIHC) |
| 5.2 航行水域识别算法仿真验证 |
| 5.2.1 港口区域识别仿真验证 |
| 5.2.2 上海港水域识别仿真验证 |
| 5.3 船舶搁浅触礁危险评判算法仿真验证 |
| 5.3.1 检索危险物标验证实验 |
| 5.3.2 检索物标危险等级验证实验 |
| 5.3.3 检索危险水深验证实验 |
| 5.4 算法综合应用仿真验证 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 论文总结及创新点 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 在学期间科研成果情况 |
（6）基于规则的船舶智能避碰决策关键技术研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 船舶避碰决策的研究现状 |
| 1.2.1 确定性方法 |
| 1.2.2 启发式方法 |
| 1.2.3 存在的问题及分析 |
| 1.3 基础理论研究现状 |
| 1.3.1 碰撞危险评估 |
| 1.3.2 船舶领域 |
| 1.4 论文研究内容与结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文结构 |
| 2 船舶运动数学模型 |
| 2.1 船舶运动坐标系 |
| 2.2 分离型数学模型 |
| 2.2.1 船舶附加质量 |
| 2.2.2 螺旋桨的推力和转矩计算 |
| 2.2.3 舵机特性及舵上水动力 |
| 2.2.4 环境干扰力及力矩 |
| 2.2.5 主机控制模型 |
| 2.2.6 船体黏性流体动力及力矩 |
| 2.3 船舶响应型模型 |
| 2.4 本章小结 |
| 3 船舶会遇态势定量划分 |
| 3.1 基于《国际海上避碰规则》的会遇态势辨识方法 |
| 3.1.1 现有船舶会遇态势的研究及不足 |
| 3.1.2 碰撞危险评估 |
| 3.1.3 会遇局面辨识模型 |
| 3.1.4 局面构成要素敏感性分析 |
| 3.1.5 局面构成要素计算 |
| 3.1.6 局面类型的逻辑辨识 |
| 3.2 本章小结 |
| 4 国际避碰规则下的避碰决策 |
| 4.1 前提假设 |
| 4.2 遗传算法基本原理 |
| 4.2.1 遗传算法概述 |
| 4.2.2 遗传算法基本概念 |
| 4.2.3 标准遗传算法 |
| 4.3 船舶避碰动态系统数学模型 |
| 4.3.1 船舶动态避碰参数计算模型 |
| 4.3.2 船舶操纵性对船舶避让参数影响的仿真测试 |
| 4.4 基于混合遗传算法的船舶转向决策方法 |
| 4.4.1 多种群协同进化避碰算法 |
| 4.4.2 融入航行经验的混合遗传避碰算法 |
| 4.5 基于线性扩展的变速避碰决策方法 |
| 4.6 船舶避碰决策算法的完备性论证 |
| 4.6.1 案例1: 对遇局面 |
| 4.6.2 案例2: 大角度交叉局面 |
| 4.6.3 案例3: 小角度交叉局面 |
| 4.6.4 案例4: 追越局面 |
| 4.6.5 讨论与分析 |
| 4.7 本章小结 |
| 5 复杂会遇态势下的多船协同避碰决策 |
| 5.1 多船避碰决策理论分析 |
| 5.1.1 多船避碰特点及避碰流程设计 |
| 5.1.2 现有多船避碰决策方法及存在问题 |
| 5.2 多船协同避碰决策模型 |
| 5.2.1 协同学理论 |
| 5.2.2 排队论理论 |
| 5.2.3 多阶段避碰策略设计 |
| 5.2.4 协同进化机制 |
| 5.3 仿真试验 |
| 5.3.1 船舶会遇局面设置 |
| 5.3.2 试验1仿真结果 |
| 5.3.3 试验2仿真结果 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 附录A 多种群遗传算法 |
| 附录B 具有优先权的服务排队规则 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
（7）开阔水域船舶碰撞危险辨识及航行策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 碰撞危险辨识研究现状 |
| 1.2.2 船舶避碰决策研究现状 |
| 1.2.3 研究现状的简析 |
| 1.3 研究目标及技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究技术路线 |
| 1.4 论文组织结构 |
| 2 船舶避碰基本原理及运动参数推导 |
| 2.1 船舶避碰过程 |
| 2.2 会遇局面及避让责任划分 |
| 2.3 船舶运动参数推导 |
| 2.3.1 CPA、TCPA计算 |
| 2.3.2 D_domain、TDV计算 |
| 2.4 本章小结 |
| 3 基于船舶领域模型的碰撞危险辨识方法 |
| 3.1 船舶领域筛选 |
| 3.2 Kijima模型 |
| 3.3 碰撞危险辨识方法 |
| 3.3.1 方法描述 |
| 3.3.2 危险辨识流程 |
| 3.3.3 参数推导 |
| 3.4 识别结果 |
| 3.5 验证试验 |
| 3.6 本章小结 |
| 4 基于改进自适应遗传算法的船舶避让决策模型 |
| 4.1 算法概述 |
| 4.2 自适应遗传算法改进策略 |
| 4.2.1 自适应遗传算法基本流程 |
| 4.2.2 自适应遗传算法改进策略 |
| 4.2.3 验证试验 |
| 4.3 船舶避让决策模型构建 |
| 4.3.1 适应度函数模型 |
| 4.3.2 船舶避让决策流程 |
| 4.4 本章小结 |
| 5 船舶碰撞危险辨识及航行决策 |
| 5.1 单船会遇情况下的碰撞危险辨识及航行决策 |
| 5.1.1 基本流程 |
| 5.1.2 适应度函数构建 |
| 5.1.3 验证试验 |
| 5.2 多船会遇情况下的碰撞危险辨识及航行决策 |
| 5.2.1 基本流程 |
| 5.2.2 适应度函数构建 |
| 5.2.3 验证试验 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（8）基于改进遗传算法的船舶局部路径规划研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究目的和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容及章节安排 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文章节安排 |
| 2 船舶避碰理论及碰撞危险度模型 |
| 2.1 船舶避碰过程和会遇态势划分 |
| 2.1.1 船舶避碰过程分析 |
| 2.1.2 会遇态势的定量划分 |
| 2.2 船舶运动参数及安全会遇区域模型 |
| 2.2.1 船舶相对运动参数计算 |
| 2.2.2 本船改向后的相对运动参数计算 |
| 2.2.3 基于船舶领域的安全会遇距离 |
| 2.3 船舶碰撞危险度模型的建立 |
| 2.3.1 建立目标船因素集U |
| 2.3.2 建立目标船评语集V |
| 2.3.3 确定目标船的参数权重 |
| 2.3.4 模型中的各个参数隶属度函数 |
| 2.3.5 目标船评判矩阵 |
| 2.3.6 目标船综合评判 |
| 2.3.7 模拟计算 |
| 2.4 本章小结 |
| 3 船舶局部路径规划的改进遗传优化算法设计 |
| 3.1 遗传算法(GA)概述 |
| 3.1.1 GA简介 |
| 3.1.2 GA基本理论 |
| 3.1.3 改进GA |
| 3.2 改进遗传算法的路径规划设计 |
| 3.2.1 局部路径规划思想 |
| 3.2.2 目标函数的选取 |
| 3.2.3 约束条件 |
| 3.2.4 改进遗传算法求解方法 |
| 3.3 本章小节 |
| 4 基于改进遗传算法的船舶路径规划模型及验证 |
| 4.1 实验假设及数据设置 |
| 4.1.1 实验假设 |
| 4.1.2 实验数据设置 |
| 4.2 不同会遇态势下的模型验证 |
| 4.2.1 对遇局面的路径规划 |
| 4.2.2 追越局面的路径规划 |
| 4.2.3 交叉相遇局面的路径规划 |
| 4.2.4 带有固定障碍物的多船会遇局面 |
| 4.3 本章小节 |
| 5. 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（9）多船会遇场景下船舶避碰决策方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 船舶碰撞风险 |
| 1.3.2 船舶避碰决策方法 |
| 1.4 主要的研究内容与章节安排 |
| 1.4.1 研究内容 |
| 1.4.2 章节安排 |
| 第2章 船舶避碰原理与船舶碰撞危险度 |
| 2.1 船舶避碰原理 |
| 2.1.1 船舶避碰过程 |
| 2.1.2 会遇态势划分与避让责任 |
| 2.2 船舶运动参数计算 |
| 2.3 船舶碰撞危险度 |
| 2.3.1 船舶碰撞危险度的因素影响 |
| 2.3.2 船舶碰撞危险度的计算评估方法 |
| 2.4 基于人工神经网络的CRI计算 |
| 2.4.1 广义回归神经网络基本原理 |
| 2.4.2 案例研究及分析 |
| 2.5 本章小结 |
| 第3章 国际海上避碰规则逻辑编码 |
| 3.1 国际海上避碰规则简介 |
| 3.2 规则学习与归纳逻辑程序设计 |
| 3.2.1 规则学习的基本概念 |
| 3.2.2 归纳逻辑程序设计 |
| 3.3 COLREGs逻辑编码 |
| 3.3.1 COLREGs12:帆船 |
| 3.3.2 COLREGs13:追越 |
| 3.3.3 COLREGs14:对遇 |
| 3.3.4 COLREGs15:交叉相遇 |
| 3.3.5 COLREGs18:船舶之间的责任 |
| 3.3.6 COLREGs19:船舶在能见度不良时的行动规则 |
| 3.4 本章小节 |
| 第4章 基于PSO-GA优化算法的船舶避碰决策方法 |
| 4.1 粒子群优化算法概述 |
| 4.2 遗传算法概述 |
| 4.3 粒子群-遗传优化算法的参数编码 |
| 4.4 初始种群的产生 |
| 4.5 适应度函数 |
| 4.5.1 安全性目标函数 |
| 4.5.2 经济性目标函数 |
| 4.5.3 PSO-GA算法步骤 |
| 4.6 数值仿真验证 |
| 4.7 案例仿真研究 |
| 4.7.1 案例一 |
| 4.7.2 案例二 |
| 4.8 本章小节 |
| 第5章 结论与展望 |
| 5.1 研究总结 |
| 5.2 创新点 |
| 5.3 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的研究成果和参加的研究工作 |
（10）基于天牛须优化的船舶运动建模与避碰方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的背景及意义 |
| 1.1.1 课题的背景 |
| 1.1.2 课题研究的意义 |
| 1.2 船舶运动建模的研究现状 |
| 1.2.1 最小二乘法 |
| 1.2.2 卡尔曼滤波 |
| 1.2.3 神经网络 |
| 1.2.4 支持向量机 |
| 1.2.5 深度学习 |
| 1.2.6 小结 |
| 1.3 船舶避碰方法的研究现状 |
| 1.3.1 传统路径规划方法 |
| 1.3.2 专家系统方法 |
| 1.3.3 基于优化算法的船舶避碰方法 |
| 1.3.4 基于机器学习的避碰方法 |
| 1.3.5 小结 |
| 1.4 论文的项目来源 |
| 1.5 论文内容及结构安排 |
| 第2章 船舶避碰运动模型基础 |
| 2.1 船舶运动模型 |
| 2.1.1 运动学模型 |
| 2.1.2 整体型水动力模型 |
| 2.1.3 分离型水动力模型 |
| 2.1.4 响应型模型 |
| 2.2 船舶碰撞危险度模型 |
| 2.2.1 船舶会遇态势 |
| 2.2.2 避让责任划分 |
| 2.2.3 船舶碰撞危险度 |
| 2.3 本章小结 |
| 第3章 改进ABAS优化算法 |
| 3.1 BAS及BSAS算法基本原理 |
| 3.1.1 BAS算法 |
| 3.1.2 BSAS算法 |
| 3.2 已知约束空间下的改进ABAS算法 |
| 3.2.1 策略改进 |
| 3.2.2 初始化 |
| 3.2.3 收敛性分析 |
| 3.2.4 全局最优性分析 |
| 3.3 基于Benchmarks的数值仿真 |
| 3.3.1 改进ABAS算法测试 |
| 3.3.2 改进ABSAS算法测试 |
| 3.4 本章小结 |
| 第4章 基于ABEL的船舶运动建模方法 |
| 4.1 基于LSSVM的船舶运动辨识建模 |
| 4.2 基于ABEL的船舶运动辨识建模方法 |
| 4.2.1 改进的ESO-LSSVM连续系统辨识建模 |
| 4.2.2 基于ABEL的辨识建模方法 |
| 4.3 船舶运动建模仿真及模型船试验验证 |
| 4.3.1 基于KVLCC2和Delfia 1*的辨识仿真试验 |
| 4.3.2 基于Tito-Neri模型船平台的辨识实验 |
| 4.4 本章小结 |
| 第5章 开阔水域基于Q-ABSAS的避碰方法 |
| 5.1 基于MPC的船舶预测避碰策略 |
| 5.1.1 离散化与碰撞危险度预测 |
| 5.1.2 复航问题与约束设置 |
| 5.1.3 最优化目标函数 |
| 5.2 针对避碰策略的改进Q-ABSAS优化方法 |
| 5.2.1 ABSAS优化策略分析 |
| 5.2.2 基于Q-learning的自适应优化 |
| 5.3 多船会遇态势下基于逆模型拟合的避碰方法 |
| 5.3.1 基于逆模型(inverse model, IM)的多船会遇避碰 |
| 5.3.2 增强后的逆模型方法(reinforced inverse model, RI) |
| 5.4 基于KVLCC2的避碰仿真试验 |
| 5.4.1 典型会遇态势下基于Q-ABSAS的优化避碰 |
| 5.4.2 典型会遇态势下基于逆模型的避碰 |
| 5.4.3 多船会遇态势下的避碰 |
| 5.5 基于Tito-Neri模型船的半实物仿真试验 |
| 5.6 本章小结 |
| 第6章 感知受限下基于ABAS-DDPG的避碰方法 |
| 6.1 DDPG强化学习避碰策略 |
| 6.1.1 DDPG原理 |
| 6.1.2 基于DDPG的避碰策略 |
| 6.2 环境变化下的元学习策略 |
| 6.3 基于ABAS-DDPG的避碰方法 |
| 6.3.1 基于改进BAS的自适应噪声过程 |
| 6.3.2 基于Mujoco环境的初步仿真验证 |
| 6.4 基于Delfia 1*和Tito-Neri模型船的避碰仿真试验 |
| 6.4.1 固定环境中的避碰仿真 |
| 6.4.2 环境变化下的避碰仿真 |
| 6.5 基于Tito-Neri模型船的半实物仿真测试 |
| 6.6 本章小结 |
| 第7章 无模型下基于D-A3C-ABAS的避碰路径优化方法 |
| 7.1 滚动路径优化策略 |
| 7.1.1 状态预测方程 |
| 7.1.2 最优化问题 |
| 7.2 基于改进D-A3C-ABAS的快速自适应优化 |
| 7.2.1 D-ABAS方法 |
| 7.2.2 D-A3C-ABAS方法 |
| 7.2.3 数值仿真验证 |
| 7.3 路径优化仿真试验 |
| 7.3.1 离线路径优化验证 |
| 7.3.2 在线滚动路径优化验证 |
| 7.4 本章小结 |
| 第8章 结论、主要创新点及展望 |
| 8.1 结论 |
| 8.2 主要创新点 |
| 8.3 展望 |
| 致谢 |
| 参考文献 |
| 博士期间的学术成果以及参与的科研项目 |
四、船舶转向避让碰撞距离模型的确定（论文参考文献）
- [1]开阔水域多物标动态自适应智能航行方法[J]. 贺益雄,梁宇,熊勇,牟军敏,李梦霞,张可. 交通运输工程学报, 2021(05)
- [2]考虑动态约束的水面无人艇自主避障算法研究[D]. 钮俊涛. 大连理工大学, 2021(01)
- [3]满足海事规则的USV碰撞危险度评估与航迹规划算法研究[D]. 张佳宝. 吉林大学, 2021(01)
- [4]PIDVCA算法优化及其决策效果可视化研究[D]. 展琼谣. 集美大学, 2021(01)
- [5]船舶碰撞及搁浅触礁危险评判模型研究[D]. 陈传仁. 集美大学, 2021(01)
- [6]基于规则的船舶智能避碰决策关键技术研究[D]. 倪生科. 大连海事大学, 2020(01)
- [7]开阔水域船舶碰撞危险辨识及航行策略研究[D]. 张照亿. 大连海事大学, 2020(01)
- [8]基于改进遗传算法的船舶局部路径规划研究[D]. 卢昌宇. 大连海事大学, 2020(01)
- [9]多船会遇场景下船舶避碰决策方法研究[D]. 曾勇. 武汉理工大学, 2020
- [10]基于天牛须优化的船舶运动建模与避碰方法研究[D]. 谢朔. 武汉理工大学, 2020