原文传递
基于目标干扰意图识别的无人艇避碰规划研究
| 论文题名： | 基于目标干扰意图识别的无人艇避碰规划研究 |
| 关键词： | 无人艇;避碰规划;干扰意图识别;人工势场法;碰撞危险度;航行安全 |
| 摘要： | 近年来，随着各国对海洋越发重视，海洋资源的争夺以及发生的海上冲突也随之增多，而我国拥有漫长的海岸线以及广阔的海域，发展海上力量、维护海洋权益成为我国的重要战略。无人艇是一种不承载人员的具有自主探索与规划航行路径能力的智能化水面小型舰艇，其特点为舰体小、速度快、回转能力优秀、隐蔽性良好、稳定性强、智能化程度高等。由于无人艇的诸多优点，使得它在复杂、危险海域执行任务以及解决海上冲突等方面有着良好的应对能力。本文在考虑了动态障碍对无人艇干扰类型为主动干扰或非主动干扰的前提下，进行了无人艇避碰规划研究。 首先完成样本数据获取。论文基于船舶碰撞危险度（Collision Risk Index，CRI）提出了干扰系数，将其作为主成分分析（Principal Component Analysis，PCA）降维前的初始特征之一，在仿真运动过程中对无人艇与目标船舶的运动参数以及路径寻优参数进行设置、约束，根据船舶模型运动得到的基本参数计算出所需的初始特征参数，进行多次仿真形成数据库。 其次在意图识别方面，提出了一种结合主成分分析和支持向量机（Support Vector Machine，SVM）的分类算法。分别考虑PCA与SVM的数学模型与参数特征，对比线性SVM和非线性SVM对于不同数据的处理性能，结合PCA的降维能力和SVM的分类能力形成分类器，仿真结果表明分类器具有较高的准确率。 然后基于样本数据进行分类仿真试验。利用PCA对初始特征进行降维，再通过SVM对经过处理的低维主成分进行分类处理形成分类器，然后进行分类器测试试验和性能试验，用以识别目标船舶对无人艇的干扰意图为主动干扰或非主动干扰。另外，对比了结合PCA与SVM的分类器与传统SVM对数据的分类能力，结果表明结合PCA和SVM的分类器性能明显优于传统SVM。 最后基于分类器的分类结果进行无人艇避碰运动仿真。在目标船舶非主动干扰局面下，无人艇遵循《国际海上避碰规则公约》进行避碰；在目标船舶主动干扰局面下，无人艇基于人工势场法并结合危险度函数与位置适应函数选择运动策略。仿真结果表明无人艇在非主动干扰局面下能够有效避让目标船舶，主动干扰局面下能够逃脱目标船舶的持续干扰。 |
| 作者： | 彭伟 |
| 专业： | 船舶与海洋工程 |
| 导师： | 茅云生 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
