原文传递
基于深度强化学习的船舶避碰路径规划方法研究
| 论文题名： | 基于深度强化学习的船舶避碰路径规划方法研究 |
| 关键词： | 船舶;路径规划;船舶避碰;深度强化学习;改进人工势场 |
| 摘要： | 随着人工智能技术的不断提高，船舶智能化已成为航运领域发展的必然趋势，而智能航行是船舶智能化进程中的核心技术。然而，现有的船舶智能航行技术难以有效的应对复杂的会遇问题，导致船舶碰撞事故屡屡发生，给船员带来严重的危害和巨大的经济损失。因此，构建更加智能的船舶航行算法并工程化应用对于提高海上交通安全、促进智能化航运的发展至关重要。深度强化学习是一种通过智能体与环境不断交互、学习和优化，并逐渐形成最佳的控制策略的一种方法，目前已在车辆自动驾驶领域取得突破性成果。本文基于深度强化学习（DQN）和人工势场法，结合船舶航行特征，开展船舶智能避碰路径规划的研究，提出一种基于DQN算法的船舶避碰路径规划方法，为船舶智能航行技术的研究开拓思路，给该领域内的相关研究提供重要参考和技术支持。本文的主要内容包括: （1）探究船舶智能航行技术的理论基础。研究传统的船舶路径规划算法，分析各算法的优劣。针对船舶避碰问题，分析船舶的会遇过程和避碰过程，并研究船舶安全距离、领域模型和碰撞危险度模型，搭建船舶会遇态势判断模型，并根据国际海上避碰规则（COLREGS）选择合规的避碰策略，为后续研究提供理论基础。 （2）构建基于DQN的船舶智能航行模型。获取船舶状态信息，计算船舶碰撞危险度和避碰相关的参数信息，构建DQN模型的状态空间。将改进人工势场法映射到DQN的动作空间中，提高船舶操作的导向性，加快模型训练速度。根据船舶航行特点，制定船舶智能决策的实时性、遵守避碰规则和航向恢复三大准则，依据准则设计DQN模型的奖励函数，最后形成基于改进DQN的船舶智能避碰路径规划算法。 （3）通过引入贝塞尔曲线来对生成的路径进行平滑处理，解决仿真实验中存在路径节点距离和转向角度过大的通病，提高了智能航行算法的精度和效率，从而保证生成路径更符合实际应用场景的要求。 （4）基于DQN智能避碰路径规划算法的路径规划和避碰仿真验证。通过改进DQN算法和传统DQN算法训练过程的对比分析，改进DQN算法模型可以缩短40％的拟合时间。并利用两次路径规划仿真实验，对比六种算法生成路径时的关键参数,验证改进算法具有优异的路径规划能力。最后，建立多种船舶会遇场景进行船舶避碰数值仿真验证，通过观察船舶运动仿真轨迹和相对距离等指标，证明本研究成果能够完成复杂的船舶避碰任务。 |
| 作者： | 杨长兵 |
| 专业： | 机械 |
| 导师： | 刘焕牢;张海华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东海洋大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
