一、多船会遇碰撞危险的模糊识别评价方法（论文文献综述）
张佳宝[1]（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》文中进行了进一步梳理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[2]（2021）在《PIDVCA算法优化及其决策效果可视化研究》文中指出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。
徐言民,张云雷,沈杰,邹春明,关宏旭,赵威[3]（2021）在《基于模糊集合理论的船舶碰撞危险度模型》文中进行了进一步梳理为了解决多船避碰决策过程中避让行动优先级问题,提出一种基于模糊集合理论的船舶碰撞危险度确定模型。选取最近会遇距离、最近会遇时间、船间距离、相对方位、船速比5个因素建立碰撞危险度影响因素集,并确定各因素评价集、评价指标以及各参数的隶属度函数,经模糊综合评价得到船舶碰撞危险度计算模型。设置两船交叉会遇以及多船交叉会遇2种会遇局面进行仿真实验,实验结果验证了该模型的有效性。
高邈[4]（2021）在《基于Seq-CGAN与操纵行为基拼接的船舶智能避碰决策结构化学习》文中认为在“无人船”从投入使用到全面普及的过程中,必将经历“无人船对有人船”模式下的两类或多类型船舶会遇的复杂过渡时期。这个时期是海上航行安全研究的瓶颈期,也是在研究过程中考虑的影响因素最多、海域环境最复杂的时期。为此本论文尝试在“无人船对有人船”模式条件下,开展无人船舶智能避碰决策及关键技术的研究,并以“基于Seq-CGAN与操纵行为基拼接的船舶智能避碰决策结构化学习”为选题,研究如何生成合理有效的船舶智能避碰决策新方法。将自动识别系统（Automatic Identification System,AIS）大数据与人工智能/机器学习的相关理论进行有效结合,期望能够提升船舶智能避碰决策的实用性、有效性和合理性。本文以AIS大数据为研究基础,围绕船舶智能避碰决策及关键技术,对相关问题进行分析研究,针对AIS大数据挖掘、船舶会遇数据提取、船舶轨迹关键特征点识别、船舶航行行为预测、船舶操纵行为识别以及避碰决策学习等多个方面进行研究。整体采取“大数据挖掘”-“大数据分析”-“大数据学习”的研究流程,对船舶智能避碰决策进行研究,力求得出拟人化的贴近常规海上做法的船舶智能避碰决策。同时,本文基于2018年宁波舟山、2015年天津港区、2017年老铁山水道附近水域和2017年成山头附近水域AIS实船轨迹数据,进行了上述方法的验证和神经网络训练。本文使用AIS大数据,克服了以往对于数据来源可靠性较低、说服力不足以及收集基础数据困难等缺点。从AIS大数据中提取海上成功避碰案例,建立船舶避碰行为模式库,通过机器学习训练得出合理有效的避碰决策。本论文的主要研究内容有:（1）应用支持向量分类机（Support Vector Classification,SVC）模型,构造船舶会遇方位图。识别AIS数据中实际发生船舶会遇的轨迹数据,计算得出船舶会遇对应的方位散点,将大数据挖掘的结果与《国际海上避碰规则》相结合,精确量化船舶会遇方位各边界数值,得出船舶会遇8方位图和12类船舶会遇模式;（2）提出改进的变尺度Sliding window算法,构建船舶轨迹点的价值衡量体系,识别并提取AIS轨迹数据中具有时空特性的关键特征点。提升整体AIS数据质量,降低后续研究的运算量,挖掘轨迹数据中隐藏的船舶操纵行为;（3）提出船舶操纵行为基（Ship Handling Behavior Basic,SHBB）的概念。在船舶轨迹关键特征点的位置切割船舶轨迹,采用T分布随机近邻嵌入（T-Distributed Stochastic Neighbor Embedding,T-SNE）和谱聚类的联合算法对截断产生的船舶子轨迹段进行聚类分析,得到1 1类船舶的操纵行为模式;（4）构建双向长短时记忆循环神经网络（Bidirectional Long Short-Term Memory Recurrent Neural Network,Bi-LSTM RNN）来预测船舶航行行为,预判他船航行时的操纵意图,提高船舶智能避碰系统的准确性、有效性和先验性;（5）基于提取出的船舶会遇避碰成功案例,构建Encoder-Decoder应答式网络对船舶避碰行为模式库进行seq2seq的结构化机器学习,快速学习经过筛选识别的船舶会遇数据,通过应答的方式生成船舶避碰决策;（6）将训练成熟的Encoder-Decoder网络迁移嵌套进入条件-生成对抗神经网络之中并结合所提出的船舶操纵行为基拼接规则构建基于序列-条件生成对抗神经网络（Sequence Conditional Generative Adversarial Networks,Seq-CGAN）的船舶智能避碰拟人化决策的结构化学习模型,使生成的决策更为贴近海上航行的通常做法以及良好船艺的要求,提高与有人船的融合性,力求得出拟人化的船舶智能避碰决策。综上所述本文有效地提升了船舶避碰的智能化水平,降低了船舶碰撞风险,对保障船舶海上航行安全具有现实意义,为数据科学在海事领域中的应用提供了重要理论基础,为人工智能技术在船舶驾驶方向的应用提供研究支持。
倪生科[5]（2020）在《基于规则的船舶智能避碰决策关键技术研究》文中认为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[6]（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。
汤国瑞[7]（2020）在《施工水域船舶智能避碰专家系统研究》文中研究指明船舶碰撞不但损坏船舶、危及货物,甚至造成人员伤亡、海洋污染,碰撞事故一旦发生,带来的后果和危害将不堪设想。同时,随着沿海地区经济的快速发展,海上能源的综合开发利用越来越普遍,各类水工设施、跨海大桥、海底隧道、海上钻井平台等复杂的海上施工作业越来越多,施工水域航行环境更加复杂、不确定因素更多,所以船舶碰撞事故发生频率更高。为减少施工水域由于人为过失导致的船舶碰撞事故,协助驾驶员安全航行,构建施工水域船舶智能避碰专家系统,主要研究内容如下:1、对研究背景和研究意义进行介绍,包括应用背景、理论意义和应用价值等。通过查阅、总结国内外关于智能避碰和专家系统的文献,对国内外的研究现状及取得的成果进行阐述,同时介绍本文的主要研究内容和技术路线。2、基本理论介绍。对人工智能、专家系统、自动化避碰、模糊神经网络等概念进行解释。3、船舶避碰机理。避碰机理是船舶智能避碰专家系统中重要的组成部分,其中包括船舶领域模型、安全通过距离模型、会遇态势判断模型,根据本船与动态碍航物（目标船）、本船与静态碍航物（桥梁、浮标、钻井平台等）的航行参数,确定本船的船舶领域、本船与碍航物的安全通过距离和会遇态势。作为船舶避碰领域的重要参考依据,所需的航行参数包括船长、航速、航向、距离、能见度、目标船相对于主船坐标系中的坐标等。4、碰撞危险度计算。碰撞危险度是衡量船舶碰撞可能性的重要指标,也是构建的专家系统中另一重要环节。利用模糊神经网络理论,根据两船航速、航向、距离、能见度、风、浪、流等因素求解碰撞危险度,同时以此为样本库,利用神经网络对样本库进行训练,训练后的神经网络模型可以根据输入的原始数据直接求解出碰撞危险度。同时提出了一种环境危险度的概念,以能见度、风、浪、流等作为基础参数,同理进行求解环境危险度。5、专家系统的构建和仿真。专家系统的核心在于模型库和规则库的建立,模型库包括上文提及的船舶领域模型、安全通过距离模型、会遇态势判断模型、碰撞危险度模型,而规则库利用《1972年国际海上避碰规则》（以下简称《规则》或《避碰规则》）、航行习惯、港口港章等资料进行梳理、构建。由此,专家系统能够根据实时的航行环境和航行情况,获取预设参数后,在模型库中对船舶领域、安全通过距离、会遇态势、碰撞危险度进行计算和判断,根据计算结果,在规则库中进行匹配,给出合理的航行提示和航行建议。利用MATLAB软件实现专家系统的构建,在对遇、追越、交叉相遇三种会遇态势下进行仿真验证,证明专家系统的有效性、合理性,能够在紧迫局势下,为驾驶员提供合理的航行提示和航行建议,协助驾驶员安全航行。6、结论。总结研究内容,概括取得的研究成果,同时指出研究的不足,提出未来进一步的研究方向。
杲飞[8]（2020）在《基于粒子群算法的多船避碰策略研究》文中指出由于海上交通环境越来越复杂以及船舶航行愈加密集,导致了船舶碰撞事故时有发生。因此加强对多船避碰策略的研究已经刻不容缓。当前对多船避碰策略的研究较少考虑航行规则的约束和实际的航海习惯,且避碰策略的避碰效率不高、安全性较低。因此,本文以宽海域多船会遇为背景,将航行规则融入到改进的粒子群路径规划算法中,设计了基于全局路径规划算法和确定性算法结合的多船避碰策略。主要解决了多船避碰策略存在的与实际航行规则和航行习惯不符、避碰效率低、安全性低等几个主要问题。本文的主要研究内容如下:首先,为了加深对多船避碰问题的理解,对多船避碰问题进行分析。研究了宽阔水域与复杂水域多船会遇复杂程度的不同,得到了在宽阔水域多船避碰分解为三船会遇的结论,进一步确定了研究的范围;对船舶碰撞危险度的表示方法、常用的船舶避碰安全领域进行了研究,确定了采用的安全领域和危险度模型;对粒子群算法、遗传算法的优缺点进行了分析比较,确定了粒子群算法为本次研究的根本算法。其次,本文针对粒子群路径规划算法本身存在的易陷入局部最优值和在多船避碰应用中存在的规划路径与实际航行习惯不符的问题,分析了粒子群算法的改进策略。采用自适应和启发式的方法对粒子群算法进行了改进;从粒子的进化速度和粒子的聚集度两个方面增强粒子的自适应能力,解决了算法易陷入局部最优值的问题;将航行规则、路径安全性、和经济性加入到粒子群路径规划算法的适应度函数中,设计了基于轨迹斜率变化的规则评价方法,解决了与实际航行不符的问题。最后,对多船避碰策略进行了研究。设计了粒子群全局路径规划算法与确定性算法结合的分步多船避碰策略,在避碰策略中设计了基于船舶航行历史的危险性判断方法,能够对不符合航行规则航行的障碍船进行判断。在MATLAB仿真环境中与实时在线路径规划的避碰策略进行了对比,结果证明将路径规划算法与确定性算法结合的避碰策略在一定程度上能提高避碰策略的避碰效率,且更符合航行规则和航海习惯的要求、航行安全性更高。
范宗宝[9]（2020）在《复杂会遇局面船舶智能避碰方法研究》文中研究说明船舶作为海上重要交通工具,一直以来发挥着不可替代的作用。随着商业的发展和贸易往来,水上交通愈加繁忙,这对船舶水上航行安全带来了巨大考验。与无人驾驶类似,船舶的无人驾驶及辅助驾驶成为一个研究热点。船舶避碰就是船舶“无人驾驶”的关键一步。对船舶避碰以及航线规划的研究,能在很大程度上降低水上交通事故的发生几率,保证人身财产安全,促进航运规范发展。本课题主要从航行环境和船舶控制出发,研究复杂会遇情况下的船舶避碰问题,降低船舶碰撞事故的发生,提高水上航行安全。首先,建立了船舶避碰系统框架。分析复杂会遇局面的特点,进而研究船舶避碰过程并划分会遇态势,建立了基于DCPA和TCPA的碰撞危险度模型;对《国际海上避碰规则》进行分析,将避碰规则定量化描述为操纵约束条件,在此基础上,结合船舶自身的操作性能建立了船舶操纵控制模型。其次,引入聚类的思想,使用CFSFDP算法对静态的障碍物进行簇划分,提出了自主选择聚类算法组合参数的方法,改进后的聚类效果准确率提高30%以上,自主化程度提高。对于动态的障碍物例如船队,利用船舶相似度进行分组聚类并通过仿真验证,能够实现航行船舶的动态分组。聚类后起到减少会遇态势,减少避碰船舶组数的效果,降低会遇局面复杂性。然后,研究了动态船舶位置预测方法。通过机器学习的方式对动态船只进行基于自身状态的轨迹预测,使用RBF神经网络推测动态障碍物轨迹,在网络训练阶段,应用K-Means算法和狼群算法对神经网络的参数寻优,并在这过程中,提出了狼群算法自适应步长改进方法。通过仿真,改进狼群算法优化的神经网络预测精度提高,预测误差波动减小,预测效果更加稳定。最后,进行海上会遇局面船舶智能避碰方法实验验证。根据复杂会遇局面,分别针对同种类多障碍物环境、多种类障碍物环境以及多船会遇局面等复杂局面进行了船舶避碰仿真。实验对比了基于栅格法避障的方法和基于以遗传算法为代表的智能算法的避障方法,结果表明本文研究方法在路径平滑度和算法高效性上占据优势,且在多船协调避碰方面发挥出色,具有一定的可行性。
李金鑫[10]（2020）在《基于四分数船舶领域危险判别模型的智能船舶避碰算法研究》文中指出随着海洋资源的开发与利用以及海上贸易的繁荣,海上碰撞所引发的船舶航行安全问题就更显得更加突出。船舶碰撞事故不仅造成了巨大的生命财产损失,而且对海洋生态环境造成了灾难性的破坏。虽然国际海事组织（IMO）制定了国际海上避碰规则（COLREGs）,以指导不同会遇环境下的避碰操作,但是在多目标的复杂海上环境中,操船人员很难快速地做出正确的判断并且未必能严格遵守COLREGs规则进行操作。针对上述问题,本文结合船舶领域和速度障碍法提出一种新的碰撞危险度计算方法,并针对复杂会遇环境,基于多目标遗传算法求解出无碰撞危险的避碰路线。本文主要的研究内容如下:（1）概述船舶避碰决策的相关知识,分析船舶基本避碰操作。结合避碰规则,分析各种会遇局面的船舶避碰责任,同时对于多船会遇的复杂环境,明确了船舶相应的避碰责任。（2）提出一种基于船舶领域和速度障碍法的危险判别模型。结合船舶领域考虑了船舶自身参数和操纵水平的特点以及速度障碍法处理非线性多目标问题的优势,判断复杂会遇环境下船舶的碰撞危险。同时基于该模型,提出一种新的计算危险度方法,使用碰撞危险度量化船舶之间的碰撞风险程度。（3）基于多目标改进遗传算法提出一种分步协同的避碰规划方法。考虑到多船会遇环境的复杂,采用结合帕累托进化和非帕累托进化的双标准多目标遗传算法求解船舶避碰路线。通过改进非帕累托进化种群的更新方式,加快种群的收敛速度并且增加种群的多样性。针对他船可能采取避让措施的情况,利用船舶的通讯设备,采用分步协同的方法不断确定各船舶的合理避碰路线。根据船舶当前路线信息以及规划出的避碰路线信息,提出一种衡量避碰路线优劣的改进度函数,以此选定各船的避碰路线。（4）在MATLAB环境下实现船舶避碰辅助决策平台的搭建,在设定的两船会遇、多船会遇以及意外情况的船舶紧急避碰场景下进行仿真实验与分析。通过GUI图形化界面展现算法的避碰规划结果,同时展示出船舶避碰航行过程中彼此间的距离。仿真结果表明:所设计的算法能够在设定的各种会遇场景下求解出既安全又经济的避碰路径。
二、多船会遇碰撞危险的模糊识别评价方法（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、多船会遇碰撞危险的模糊识别评价方法（论文提纲范文）
（1）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 |
（2）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 |
（4）基于Seq-CGAN与操纵行为基拼接的船舶智能避碰决策结构化学习（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 海上航行安全保障研究背景 |
| 1.1.2 智能/无人/自主船研究背景 |
| 1.1.3 大数据背景 |
| 1.2 国内外相关研究现状及进展 |
| 1.2.1 自动避碰 |
| 1.2.2 智能避碰 |
| 1.3 研究目的和研究意义 |
| 1.4 本文主要研究思路及技术路线 |
| 1.5 研究内容及方法 |
| 2 基于SVC的船舶会遇方位区域划分 |
| 2.1 基于AIS数据的船舶会遇数据提取 |
| 2.1.1 船舶会遇要素计算 |
| 2.1.2 对遇局面数据提取 |
| 2.1.3 追越局面数据提取 |
| 2.1.4 交叉相遇局面数据提取 |
| 2.2 基于SVC的船舶会遇方位区域划分 |
| 2.3 船舶避碰海上会遇方位图谱以及会遇模式识别 |
| 2.4 本章小结 |
| 3 基于改进的变尺度Sliding window算法的船舶时空特性关键特征点提取 |
| 3.1 原始Sliding window算法 |
| 3.2 时空距离偏移改进 |
| 3.3 角度偏移改进 |
| 3.4 改进的变尺度Sliding window算法提取关键特征点 |
| 3.5 算法阈值选定 |
| 3.6 关键特征点算法提取效率对比 |
| 3.7 本章小结 |
| 4 基于T-SNE和谱聚类的船舶操纵行为降维与识别 |
| 4.1 船舶操纵行为单元筛选 |
| 4.1.1 船舶AIS子轨迹段七元组 |
| 4.1.2 船舶AIS轨迹单元筛选 |
| 4.2 基于T-SNE的船舶轨迹单元降维与可视化 |
| 4.3 基于谱聚类算法识别船舶操纵行为基 |
| 4.3.1 谱聚类算法 |
| 4.3.2 聚类算法对比 |
| 4.4 船舶操纵行为基 |
| 4.5 本章小结 |
| 5 基于Bi-LSTM RNN的有人船航行行为预测 |
| 5.1 RNN网络结构 |
| 5.2 LSTM细胞结构 |
| 5.3 双向循环神经网络 |
| 5.4 Bi-LSTM RNN船舶航行行为预测模型 |
| 5.5 本章小结 |
| 6 基于Seq-CGAN的船舶智能避碰拟人化决策的结构化学习 |
| 6.1 训练数据准备 |
| 6.2 训练数据标准化 |
| 6.3 GAN网络及改进策略 |
| 6.3.1 GAN网络 |
| 6.3.2 GAN网络的缺点以及相应的改进策略 |
| 6.4 基于Encoder - Decoder的自动应答网络的结构化船舶避碰模式学习 |
| 6.4.1 结构化学习 |
| 6.4.2 seq2seq模型 |
| 6.4.3 基于Encoder-Decoder的船舶避碰模式结构化学习 |
| 6.4.4 迁移学习 |
| 6.5 船舶操纵行为基拼接规则 |
| 6.5.1 胶囊化结构拼接 |
| 6.5.2 拼接阈值选择 |
| 6.6 基于Seq-CGAN的船舶智能避碰拟人化决策的结构化学习模型 |
| 6.7 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
（5）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 |
（6）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 |
（7）施工水域船舶智能避碰专家系统研究（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 船舶智能避碰研究现状 |
| 1.2.2 专家系统研究现状 |
| 1.3 主要研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 基本理论 |
| 2.1 人工智能 |
| 2.2 专家系统 |
| 2.3 船舶避碰自动化 |
| 2.4 模糊神经网络 |
| 2.4.1 模糊理论 |
| 2.4.2 神经网络 |
| 2.4.3 模糊神经网络 |
| 2.5 船舶碰撞影响因素 |
| 3 施工水域船舶避碰机理 |
| 3.1 通航施工水域 |
| 3.2 船舶领域模型 |
| 3.2.1 常见的船舶领域模型 |
| 3.2.2 通航施工水域船舶领域模型 |
| 3.3 安全通过距离模型 |
| 3.4 会遇态势判断模型 |
| 3.4.1 本船周围区域划分 |
| 3.4.2 船舶会遇态势判断模型 |
| 4 船舶碰撞危险度计算模型 |
| 4.1 碰撞危险度参数处理 |
| 4.1.1 航行参数的选取 |
| 4.1.2 航行参数的模糊化 |
| 4.2 碰撞危险度计算 |
| 4.2.1 碰撞危险度计算 |
| 4.2.2 碰撞危险度神经网络模型构建 |
| 4.3 环境危险度计算 |
| 4.3.1 环境危险度的提出和计算 |
| 4.3.2 环境危险度神经网络模型构建 |
| 5 智能避碰专家系统的构建和仿真 |
| 5.1 智能避碰专家系统的构建 |
| 5.2 智能避碰专家系统的仿真 |
| 5.2.1 对遇局面 |
| 5.2.2 追越局面 |
| 5.2.3 交叉相遇局面 |
| 总结 |
| 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）基于粒子群算法的多船避碰策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 船舶避碰策略的研究 |
| 1.2.2 粒子群算法的研究 |
| 1.3 论文的研究内容及章节安排 |
| 2 船舶避碰的基本理论研究 |
| 2.1 船舶避碰参数计算 |
| 2.1.1 船舶碰撞危险度 |
| 2.1.2 船舶避碰安全领域 |
| 2.1.3 船舶相对运动位置参数 |
| 2.1.4 船舶避碰的一般过程 |
| 2.2 多船避碰问题 |
| 2.2.1 多船避碰局面的定义 |
| 2.2.2 宽海域多船避碰 |
| 2.3 船舶避碰规则的解读 |
| 2.3.1 航行规则的主要内容 |
| 2.3.2 航行规则对避碰的要求 |
| 2.4 船舶智能避碰算法 |
| 2.4.1 船舶智能避碰算法的分析 |
| 2.4.2 智能算法的选择 |
| 2.5 本章小结 |
| 3 基于改进粒子群算法的船舶避碰路径规划 |
| 3.1 环境建模 |
| 3.2 改进粒子群算法 |
| 3.2.1 粒子群算法的改进策略 |
| 3.2.2 自适应粒子群算法 |
| 3.2.3 启发式粒子群算法 |
| 3.2.4 对比验证 |
| 3.3 适应度函数 |
| 3.4 多船避碰路径规划流程 |
| 3.4.1 基本粒子群路径规划流程 |
| 3.4.2 改进粒子群算法路径规划流程 |
| 3.5 本章小结 |
| 4 基于粒子群路径规划算法的多船避碰策略 |
| 4.1 实时在线路径规划的多船避碰策略 |
| 4.1.1 避碰策略流程 |
| 4.1.2 模块功能实现 |
| 4.1.3 仿真及结果分析 |
| 4.2 全局分步路径规划的多船避碰策略 |
| 4.2.1 避碰策略流程 |
| 4.2.2 模块功能实现 |
| 4.3 本章小结 |
| 5 仿真及结果分析 |
| 5.1 仿真环境的搭建 |
| 5.2 障碍船保速保向约束下的避碰仿真 |
| 5.2.1 本船避让两障碍船的操纵形式相同 |
| 5.2.2 本船避让两障碍船的操纵形式不同 |
| 5.2.3 仿真分析 |
| 5.3 障碍船T2自主航行的避碰仿真 |
| 5.3.1 本船避让两障碍船的操纵形式相同 |
| 5.3.2 本船避让两障碍船的操纵形式不同 |
| 5.3.3 仿真分析 |
| 5.4 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 |
（9）复杂会遇局面船舶智能避碰方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 避碰决策系统研究现状 |
| 1.2.2 碰撞危险度研究现状 |
| 1.2.3 轨迹预测算法研究现状 |
| 1.3 课题主要研究内容及章节安排 |
| 1.3.1 论文研究内容 |
| 1.3.2 章节安排 |
| 第2章 智能避碰决策系统组成 |
| 2.1 总体系统构成 |
| 2.2 避碰基本原理 |
| 2.2.1 船舶复杂会遇局面特点分析 |
| 2.2.2 船舶避碰过程 |
| 2.2.3 船舶会遇态势划分 |
| 2.2.4 船舶避让责任 |
| 2.3 复杂会遇局面避碰规则建模研究 |
| 2.3.1 船舶运动参数计算 |
| 2.3.2 碰撞危险度数学模型 |
| 2.3.3 船舶操纵控制模型 |
| 2.3.4 其他船舶操纵约束 |
| 2.4 本章小结 |
| 第3章 海上障碍物聚类算法研究 |
| 3.1 基于密度峰值的静态障碍物聚类算法 |
| 3.1.1 CFSFDP算法 |
| 3.1.2 截断距离的改进 |
| 3.1.3 聚类中心选择的改进 |
| 3.2 动态船舶分组算法研究 |
| 3.3 算法仿真验证与分析 |
| 3.3.1 未改进密度峰值的仿真验证 |
| 3.3.2 改进后的密度峰值算法的仿真验证 |
| 3.3.3 动态船船舶聚类仿真验证 |
| 3.4 本章小结 |
| 第4章 基于神经网络的动态障碍物轨迹预测 |
| 4.1 径向基神经网络基本原理 |
| 4.2 船舶轨迹预测网络模型设计 |
| 4.3 神经网络参数确定 |
| 4.3.1 K-Means算法确定基函数参数 |
| 4.3.2 狼群算法基本原理 |
| 4.3.3 基于改进狼群算法确定网络权值 |
| 4.4 RBF轨迹预测算法实验对比 |
| 4.4.1 RBF神经网络学习过程 |
| 4.4.2 RBF神经网络预测过程 |
| 4.5 本章小结 |
| 第5章 复杂会遇局面船舶避碰仿真验证 |
| 5.1 对静态障碍物的避碰仿真 |
| 5.1.1 基础数据及仿真设置 |
| 5.1.2 仿真结果分析 |
| 5.2 多种类障碍物会遇局面避碰仿真 |
| 5.3 多船只会遇局面的避碰仿真 |
| 5.3.1 基础数据及仿真设置 |
| 5.3.2 仿真结果分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（10）基于四分数船舶领域危险判别模型的智能船舶避碰算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外进展状况 |
| 1.3 主要工作和研究内容 |
| 第二章 船舶避碰基本原理概述 |
| 2.1 船舶避碰的整体架构 |
| 2.2 船舶运动数学模型以及参数计算 |
| 2.2.1 船舶运动数学模型 |
| 2.2.2 船舶运动参数计算 |
| 2.3 船舶会遇局面和避让行为 |
| 2.3.1 船舶会遇局面分析 |
| 2.3.2 船舶避碰行为分析 |
| 2.4 多船避碰责任分析 |
| 2.5 本章小结 |
| 第三章 船舶碰撞危险度模型研究 |
| 3.1 船舶领域模型 |
| 3.1.1 船舶领域概述 |
| 3.1.2 四元数船舶领域 |
| 3.2 速度障碍法 |
| 3.3 基于改进速度障碍法的船舶碰撞危险度模型 |
| 3.4 船舶碰撞危险度模型的验证 |
| 3.5 本章小结 |
| 第四章 基于改进多目标遗传算法的船舶避碰路线规划 |
| 4.1 多目标遗传算法 |
| 4.1.1 快速非支配排序遗传算法 |
| 4.1.2 基于分解的多目标进化算法 |
| 4.2 双标准多目标遗传算法 |
| 4.3 多目标下的智能避碰算法实现 |
| 4.3.1 船舶避碰路线的量化 |
| 4.3.2 算法的避碰规划过程 |
| 4.3.3 目标函数 |
| 4.4 分步协同避碰策略 |
| 4.5 本章小结 |
| 第五章 避碰规划算法的仿真及结果分析 |
| 5.1 避碰规划仿真平台的设计 |
| 5.2 两船避碰仿真及结果分析 |
| 5.3 多船避碰仿真及结果分析 |
| 5.3.1 多船会遇局面仿真及分析 |
| 5.3.2 存在静态障碍物下的多船会遇局面仿真及分析 |
| 5.3.3 紧急状况仿真及分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
四、多船会遇碰撞危险的模糊识别评价方法（论文参考文献）
- [1]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)
- [2]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)
- [3]基于模糊集合理论的船舶碰撞危险度模型[J]. 徐言民,张云雷,沈杰,邹春明,关宏旭,赵威. 舰船科学技术, 2021(07)
- [4]基于Seq-CGAN与操纵行为基拼接的船舶智能避碰决策结构化学习[D]. 高邈. 大连海事大学, 2021(04)
- [5]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)
- [6]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)
- [7]施工水域船舶智能避碰专家系统研究[D]. 汤国瑞. 大连海事大学, 2020(01)
- [8]基于粒子群算法的多船避碰策略研究[D]. 杲飞. 大连海事大学, 2020(01)
- [9]复杂会遇局面船舶智能避碰方法研究[D]. 范宗宝. 哈尔滨工程大学, 2020(05)
- [10]基于四分数船舶领域危险判别模型的智能船舶避碰算法研究[D]. 李金鑫. 吉林大学, 2020(08)