论文总字数：32093字

摘 要

随着国家“一带一路”和“海洋强国”战略的全面落实，船舶正向“决策自动化、驾驶无人化”的方向发展。如何保证海上自主船航行安全是一个迫切且需要解决的问题，同时也是很多专家和学者研究的热点。

本文设计了一种基于通信的协同避碰决策框架，框架包括船舶动态控制器结构、基于模糊逻辑计算船舶碰撞危险度的碰撞风险检测结构和运用粒子群优化算法解决碰撞结构。船舶碰撞危险度（CRI）通过模糊逻辑对DCPA、TCPA、相对距离、相对方位、船速比构建隶属度函数求解，更直观的反应船舶之间的碰撞风险。粒子群优化算法通过不断改变船舶转向幅度和在新航向上的航行时间，再不断计算船舶之间的CRI值，获取全局范围内的最佳转向幅度和在新航向上的航行时间。最后通过船舶动态控制器结构反馈给各船舶，从而实现最小的行动代价获取最优的整体效果。

关键词：协同避碰；碰撞危险度；模糊逻辑算法；粒子群优化算法

Abstract

With the full implementation of the national strategies of “One Belt and One Road” and “Maritime Power”, ships are developing towards the direction of “automated decision-making and unmanned driving”. How to ensure the safety of autonomous ships at sea is an urgent issue that needs to be solved, which is also a research hotspot for many experts and scholars.

In this paper, a type of communication-based collaborative collision avoidance decision-making framework is designed, which includes the ship dynamic controller structure, the collision risk detection structure that can calculate collision risk index based on fuzzy logic, as well as the particle swarm optimization algorithm to solve the collision structure. The collision risk index (CRI) adopts the fuzzy logic to solve DCPA, TCPA, relative distance, relative bearing and ship speed ratio to construct membership functions, which more intuitively reflect the collision risk between ships. The particle swarm optimization algorithm continuously changes the ship's turning range and the sailing time in the new course, and then constantly calculates the CRI value between ships, so as to obtain the best turning range and sailing time in the new course among the global range. Finally, the above data is fed back to each ship through the ship dynamic controller structure, so as to achieve the minimum overall cost and obtain the best overall effect.

Key Words：collaborative collision avoidance; collision risk index; fuzzy logic algorithm; particle swarm optimization algorithm

目录

第1章 绪论 1

1.1 研究背景 1

1.1.1 研究的背景 1

1.1.2 目的与意义 1

1.2 国内外研究现状 2

1.2.1 协同避碰方法 2

1.2.2 碰撞危险度 3

1.2.3 避碰方法 4

1.3 研究内容 4

1.4 论文框架 5

第2章 协同避碰决策框架设计 7

2.1 协同避碰的定义 7

2.2 协同避碰的分类 8

2.2.1 基于通信的协同避碰 8

2.2.2 基于规则的协同避碰 9

2.3 基于通信的协同避碰框架设计 10

第3章 基于模糊逻辑的碰撞危险度计算 11

3.1 碰撞危险度定义 11

3.2 碰撞危险度计算 12

3.2.1 基于模糊逻辑综合评价的CRI计算 12

3.2.2 基于DCPA和TCPA加权的CRI计算 16

3.2.3 基于灰色关联分析的CRI计算 16

3.2.4 基于BP神经网络的CRI计算 16

3.3 船舶运动参数计算 17

3.4 仿真实验 19

3.4.1 参数设置 19

3.4.2 实验结果 21

第4章 基于PSO算法的船舶协同避碰问题求解 23

4.1 粒子群优化算法原理 23

4.2 粒子群优化算法的分类 23

4.2.1 基本粒子群优化算法 23

4.2.2 混沌粒子群优化算法 24

4.2.3 免疫粒子群优化算法 25

4.3 船舶协同避碰问题 26

4.4 基于PSO算法的船舶协同避碰问题求解 28

4.4.1 适应度函数 28

4.5 协同避碰仿真实验 29

4.5.1 参数设定 29

4.5.2 实验结果 33

第5章 结论与展望 34

5.1 研究总结 34

5.2 展望 34

致谢 35

参考文献 36

第1章 绪论

1.1 研究背景

1.1.1 研究的背景

自主船舶在航运的快速发展下，正在向船舶自动化、高速化、专业化的发展趋势靠近。与此同时，船舶密度与日俱增，水上交通环境比路上交通环境更为复杂，船舶碰撞也因此时有发生，一旦发生事故，将会带来严峻的生命财产损失和环境污染等问题。

为减少船舶碰撞事故发生，船舶配备了多种强有力的自动化仪器，例如在船舶与船舶、船舶与岸上基础设施之间沟通的船舶自动识别系统(AIS)、能够自主测定并预测避让结果的自动雷达标绘仪(ARPA)和显示海上环境动态情况的电子海图显示与信息系统（ECDIS）等避碰辅助系统的应用^[1]，但船舶碰撞事故仍时有发生，且造成重大经济损失和人员伤亡，其中我国2007—2013年辽宁水域碰撞事故概率约占45%，2007—2013年宁波水域碰撞事故概率约占58%^[2]，如图1.1、图1.2所示。

请支付后下载全文，论文总字数：32093字