【船舶】考虑复杂遭遇场景下的COLREG，基于模型预测人工势场的船舶运动规划方法附Matlab代码

 ✅作者简介：热爱数据处理、数学建模、仿真设计、论文复现、算法创新的Matlab仿真开发者。

🍎更多Matlab代码及仿真咨询内容点击主页 🔗：Matlab科研工作室

🍊个人信条：格物致知，期刊达人。

🔥 内容介绍

摘要: 国际海上避碰规则（COLREGs）为船舶安全航行提供了基本准则，然而在复杂遭遇场景下，单纯依靠规则解读难以保证航行安全性和效率。本文针对此问题，提出一种基于模型预测控制（MPC）和人工势场法（APF）的船舶运动规划方法，以实现船舶在复杂遭遇环境下的安全、高效航行。该方法首先建立船舶运动学模型，并利用MPC预测未来航行状态，然后构建融合COLREGs约束的人工势场，引导船舶避开障碍物并满足避碰规则，最终生成满足安全性和效率要求的最优航迹。通过仿真实验验证了该方法的有效性和优越性。

关键词: 船舶运动规划；模型预测控制；人工势场；COLREGs；复杂遭遇场景

1. 引言

随着航运业的快速发展，船舶交通密度日益增加，海上交通事故频发，对船舶安全航行提出了更高的要求。国际海上避碰规则（COLREGs）是国际海事组织制定的一套旨在防止船舶碰撞的规则，其对船舶的避碰行为进行了规定。然而，COLREGs的描述较为笼统，在复杂遭遇场景下，例如多船相遇、狭水道航行、恶劣海况等情况下，单纯依靠航海人员对COLREGs的理解和判断难以保证航行安全性和效率，甚至可能导致误判和碰撞事故。

近年来，随着人工智能和自动化技术的快速发展，基于模型预测控制（MPC）和人工势场法（APF）的自主航行技术逐渐成为研究热点。MPC具有优良的预测能力和约束处理能力，能够有效处理船舶运动的非线性性和不确定性；APF则能够直观地表示船舶周围环境的风险，引导船舶避开障碍物并规划安全航迹。将MPC和APF结合，可以有效地解决船舶在复杂遭遇场景下的航行规划问题。

本文提出一种基于MPC和APF的船舶运动规划方法，该方法融合了COLREGs的约束，能够在复杂遭遇场景下生成安全、高效的航迹。

2. 船舶运动模型与模型预测控制

本文采用非线性船舶运动学模型描述船舶的运动状态：

ẋ = u cos(ψ) - v sin(ψ)
ẏ = u sin(ψ) + v cos(ψ)
ψ̇ = r

其中，(x, y) 为船舶的地理坐标，ψ 为航向角，u, v, r 分别为船舶的纵向速度、横向速度和首摇角速度。该模型考虑了船舶的纵向和横向运动以及首摇运动，能够较为准确地描述船舶的运动特性。

模型预测控制（MPC）的核心思想是利用预测模型预测未来一段时间内的系统状态，并根据预测结果优化控制策略，使系统达到期望的目标。在本文中，MPC用于预测船舶在未来一段时间内的运动轨迹，并计算出相应的控制输入（u, v, r），以实现预定的航行目标。MPC的优化目标函数可以考虑航行时间、燃料消耗、航行距离等多种因素，并加入COLREGs约束，保证生成的航迹符合规则要求。

3. 基于COLREGs约束的人工势场构建

人工势场法（APF）将船舶周围的环境视为一个势场，船舶受到引力势场和斥力势场的作用。引力势场引导船舶向目标点移动，斥力势场则引导船舶避开障碍物。

在本文中，我们构建了一种融合COLREGs约束的人工势场。引力势场由目标点位置决定，其大小与船舶到目标点的距离成反比。斥力势场则由障碍物和其它船舶的位置决定，其大小与船舶到障碍物或其它船舶的距离成反比。为了满足COLREGs的要求，我们在斥力势场中加入了规则约束项，例如保持安全距离、遵守让路规则等。这些约束项可以根据不同的遭遇场景和规则进行调整。

具体来说，斥力势场可以根据COLREGs中的规定，针对不同类型的船舶和遭遇情况，设定不同的安全距离和斥力强度。例如，对限制作业船舶应保持更大的安全距离，对交叉相遇局面需要根据自身船舶的让路义务调整斥力大小和方向。

4. 基于MPC和APF的航行规划算法

将MPC和APF结合，可以形成一个完整的航行规划算法：

1. 状态预测: 利用船舶运动模型和MPC预测未来一段时间内的船舶状态。

2. 势场计算: 根据预测状态和环境信息，计算船舶周围的人工势场，包括引力势场和融合COLREGs约束的斥力势场。

3. 航迹规划: 根据计算得到的势场，利用梯度下降法或其他优化算法，计算出船舶的最优航迹，确保既能到达目标点，又能安全避开障碍物并遵守COLREGs。

4. 控制执行: 将计算得到的控制输入(u, v, r)传递给船舶控制系统，执行航行规划。

5. 反馈控制: 实时监测船舶状态和环境信息，并对航迹进行调整，以应对突发情况。

5. 仿真实验与结果分析

为了验证本文提出的航行规划方法的有效性，我们进行了仿真实验。实验场景模拟了多船相遇、狭水道航行等复杂遭遇情况。仿真结果表明，本文提出的方法能够在复杂遭遇场景下有效地规划出安全、高效的航迹，避免了碰撞事故的发生，并满足了COLREGs的要求。与传统的航行规划方法相比，本文提出的方法具有更好的适应性和鲁棒性。

6. 结论与展望

本文提出了一种基于模型预测控制和人工势场的船舶运动规划方法，该方法融合了COLREGs的约束，能够有效地解决船舶在复杂遭遇场景下的航行规划问题。通过仿真实验验证了该方法的有效性和优越性。

未来的研究方向可以包括：

• 更精确的船舶运动模型的建立，考虑更多影响因素，例如风、浪、流等。

• 更复杂的COLREGs约束的融入，例如对不同海域、不同船型的特殊规定的考虑。

• 多船协同航行规划的研究，实现船舶之间的协调控制，进一步提高航行效率和安全性。

• 将人工智能技术，如深度学习，融入到航行规划算法中，提高算法的智能化水平。

通过不断改进和完善，基于MPC和APF的船舶自主航行技术将为提高航行安全性和效率，减少海上事故的发生做出重要贡献。

⛳️ 运行结果

🔗 参考文献

https://www.sciencedirect.com/science/article/abs/pii/S0019057822004530?via%3Dihub

🎈 部分理论引用网络文献，若有侵权联系博主删除

博客擅长领域：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇