一种基于深度强化学习的港口水域的船舶自主导航方法

    公开(公告)号:CN117928548A

    公开(公告)日:2024-04-26

    申请号:CN202410041138.X

    申请日:2024-01-11

    Abstract: 本发明涉及水域自主导航技术领域,特别涉及一种基于深度强化学习的港口水域的船舶自主导航方法,初始化船舶入港地理节点,按照港口海图生成0.1海里*0.1海里的栅格化网格,构建地图节点信息矩阵M;将船舶位置从纬度坐标系转换为通用横轴墨卡托坐标系;根据电子海图统计该港口区域的浮标数量、类型、和相对位置;根据禁航区域、他船信息和浮标信息,得到更新后的地图信息矩阵G;使用深度强化学习算法进行导航,直至生成最安全的可航路线;本发明将数据触发器作为控制输出中心的方法,解决了船舶在航行过程中通讯故障或仪器失灵条件下,自主系统的控制中心缺少信号输入的问题,为自主船舶导航提供了新的解决方案,保障了港口和船舶的生命财产安全。

    一种基于分布式软动作和评论家算法的船舶自主避碰方法

    公开(公告)号:CN118034323A

    公开(公告)日:2024-05-14

    申请号:CN202410324672.1

    申请日:2024-03-20

    Abstract: 本发明提出基于分布式软动作‑评论家算法的船舶自主避碰方法,生成以本船为中心的北‑东‑下(NED)惯性坐标系,获取本船和他船的运动信息;计算每艘危险船与本船之间的接近程度映射p(d);确保自主船的新航向落在安全的速度区间内。本发明能够在确定危险船后对船舶自身操纵性、运动学和国际海上避碰规则进行三方面的多线程交叉验证,给出最优安全矢量;并能够在碰撞无法避免时,及时调整船舶自身位姿,将碰撞损失降到最小;针对任务随机性和系统噪声产生的预测高估问题,使用新的分布式网络训练系统模型,并在训练达到指标后可被搭载在自主船上实现近海或渔区的自主航行。

Patent Agency Ranking