System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及船舶交通管理控制领域,具体涉及一种基于模型预测控制的船舶交通流协调方法及系统。
技术介绍
1、随着全球航运业的快速发展,水上交通流的密度显著增加,船舶会遇事故频发,航行安全和交通效率面临极大的挑战。传统的船舶交通管理方法主要依靠人工指挥和基于固定航速的航行策略,难以应对复杂的动态水上交通环境。
2、目前,一些先进的船舶导航系统已经开始采用自动化技术来辅助航行决策。这些系统通常包括自动避碰系统(acas)、船舶交通管理系统(vtms)以及基于规则的航行优化算法。这些技术能够在一定程度上预测潜在的碰撞风险,并提供避碰建议。
3、尽管现有技术在船舶航行安全方面取得了一定的进展,但仍存在一些局限性。这些系统在处理复杂多变的海洋环境和交通状况时,往往缺乏足够的灵活性和适应性,难以实现实时动态调整,导致优化结果的安全性没有得到保障。因此,需要一种更为先进、综合的解决方案来克服这些问题,提高船舶航行的安全性和经济性。
技术实现思路
1、本专利技术提出了一种基于模型预测控制的船舶交通流协调方法及系统,解决了现有的船舶交通流规划方法的灵活性和适应性较差的问题。
2、为解决上述技术问题,本专利技术提供了一种基于模型预测控制的船舶交通流协调方法,包括以下步骤:
3、步骤s1:建立状态预测模型,获取本船和对向船舶的实时航行状态,根据所述实时航行状态预测未来多个时间步内本船和对向船舶的航行状态;
4、步骤s2:根据预测的航行状态计算本
5、步骤s3:设定所述优化函数的约束条件,使所述会遇点位于危险水域外、所述会遇时刻位于危险时间窗外,所述危险时间窗为对向船舶在危险水域内行驶的时间段;
6、步骤s4:对所述优化函数进行求解得到本船的最优控制参数,根据所述最优控制参数更新本船下一时间步的航行状态;
7、步骤s5:重复步骤s1至步骤s4,直到本船到达目的地。
8、优选地,步骤s1中所述状态预测模型的表达式为:
9、;
10、;
11、;
12、;
13、式中,为 t时刻未来个时间步内的船舶航行状态;为状态转移矩阵的 k次方;表示船舶的位置;为控制输入矩阵;为时刻船舶的控制参数;为 t时刻的船舶航行状态;表示船舶的速度;表示船舶的加速度;为一个时间步。
14、优选地,步骤s2中计算所述会遇时刻的表达式为:
15、;
16、式中,为本船与对向船舶的会遇时刻;、分别为本船和对向船舶的船速;为本船与对向船舶之间的距离。
17、优选地,步骤s2中通过计算所述会遇点距离本船起始点的距离确定会遇点的位置,计算所述会遇点距离本船起始点的距离的表达式为:
18、;
19、式中,为本船与对向船舶的会遇点距离本船起始点的距离为本船与对向船舶的会遇时刻;为本船的船速。
20、优选地,步骤s2中所述优化函数的表达式为:
21、;
22、;
23、;
24、上式中, f为优化函数;为本船的速度改变量;为本船的航行时间;是本船的燃油消耗;为加速度惩罚项;为会遇点的惩罚项;、、、、为权重系数;为常数;为本船的船速;为燃料消耗的调整因子;、为权重系数;为船舶的加速度;为当前时刻。
25、优选地,步骤s3中所述约束条件的表达式为:
26、;
27、;
28、;
29、上式中,为本船与对向船舶的会遇点的位置;为危险水域与本船起始点的距离区间;、分别为危险水域的起点和终点距离本船起始点的距离;为本船与对向船舶的会遇时刻;、分别为危险时间窗的开始时刻和结束时刻。
30、优选地,步骤s4中对所述优化函数进行求解包括以下步骤:
31、步骤s41:选择危险水域外的某个点作为新的会遇点,根据预设的会遇点计算新的会遇时刻:
32、;
33、式中,为预设的会遇点对应的会遇时刻;为预设的会遇点,,为一个极小值,为危险水域的起点距离本船起始点的距离,为当前水域的长度;为本船的航速;
34、步骤s42:计算当前会遇点下本船的加速度:
35、;
36、;
37、;
38、上式中,为当前会遇点下本船的船速;为本船与对向船舶之间的距离;为本船的速度增量;为对向船舶的船速;为本船的加速度;
39、步骤s43:计算当前加速度下本船的优化函数的值;
40、步骤s44:重复步骤s41至步骤s43,选择所述优化函数的值最小的加速度作为本船的最优控制参数。
41、本专利技术还提供了一种基于模型预测控制的船舶交通流协调系统,基于上述的一种基于模型预测控制的船舶交通流协调方法实现,包括数据采集模块、状态预测模块、参数优化模块和交通协调模块;
42、所述数据采集模块:采集水域内所有船舶的状态参数;
43、所述状态预测模块:根据数据采集模块采集的状态参数预测水域内所有船舶在未来多个时间步内的航行状态;
44、所述参数优化模块:根据状态预测模块预测的航行状态计算下一时间步所有船舶的控制参数,使水域内每两艘船舶的会遇点位于危险水域外;
45、所述交通协调模块:根据参数优化模块输出的参数调整所有船舶在下一时间步的状态。
46、本专利技术还提供了一种电子设备,包括:存储器、处理器和计算机程序,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现上述的一种基于模型预测控制的船舶交通流协调方法。
47、本专利技术另外提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行以实现上述的一种基于模型预测控制的船舶交通流协调方法。
48、本专利技术的有益之处至少包括:
49、1、通过预测本船和对向船舶的未来航行状态,可以提前识别潜在的碰撞风险,通过计算会遇点和会遇时刻,并确保它们位于危险水域外和危险时间窗外,可以避免在危险条件下与对向船舶相遇,从而提高航行安全;
50、2、以船舶的航行时间和燃油消耗最小化为目标建立优化函数,有助于提高航行效率,减少不必要的燃油消耗,通过实时获取和预测状态,使得航行决策能够根据最新的航行状态动态调整,提高了应对突发情况的能力。
本文档来自技高网...【技术保护点】
1.一种基于模型预测控制的船舶交通流协调方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于模型预测控制的船舶交通流协调方法,其特征在于:步骤S1中所述状态预测模型的表达式为:
3.根据权利要求1所述的一种基于模型预测控制的船舶交通流协调方法,其特征在于:步骤S2中计算所述会遇时刻的表达式为:
4.根据权利要求1所述的一种基于模型预测控制的船舶交通流协调方法,其特征在于:步骤S2中通过计算所述会遇点距离本船起始点的距离确定会遇点的位置,计算所述会遇点距离本船起始点的距离的表达式为:
5.根据权利要求1所述的一种基于模型预测控制的船舶交通流协调方法,其特征在于:步骤S2中所述优化函数的表达式为:
6.根据权利要求1所述的一种基于模型预测控制的船舶交通流协调方法,其特征在于:步骤S3中所述约束条件的表达式为:
7.根据权利要求1所述的一种基于模型预测控制的船舶交通流协调方法,其特征在于:步骤S4中对所述优化函数进行求解包括以下步骤:
8.一种基于模型预测控制的船舶交通流协调系统,基于如权
9.一种电子设备,包括:存储器、处理器和计算机程序,其特征在于:所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现权利要求1至7任一项所述的一种基于模型预测控制的船舶交通流协调方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行以实现权利要求1至7任一项所述的一种基于模型预测控制的船舶交通流协调方法。
...【技术特征摘要】
1.一种基于模型预测控制的船舶交通流协调方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于模型预测控制的船舶交通流协调方法,其特征在于:步骤s1中所述状态预测模型的表达式为:
3.根据权利要求1所述的一种基于模型预测控制的船舶交通流协调方法,其特征在于:步骤s2中计算所述会遇时刻的表达式为:
4.根据权利要求1所述的一种基于模型预测控制的船舶交通流协调方法,其特征在于:步骤s2中通过计算所述会遇点距离本船起始点的距离确定会遇点的位置,计算所述会遇点距离本船起始点的距离的表达式为:
5.根据权利要求1所述的一种基于模型预测控制的船舶交通流协调方法,其特征在于:步骤s2中所述优化函数的表达式为:
6.根据权利要求1所述的一种基于模型预测控制的船舶交通流协调方法,其特征在于:步骤s3中所述约束条...
【专利技术属性】
技术研发人员:张磊,秦皖庆,谷婷婷,朱宇轩,杜磊,杜哲,甘浪雄,李晓彬,
申请(专利权)人:武汉理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。