CN110595473A - 一种最短时气象航线的获取方法及其*** - Google Patents
一种最短时气象航线的获取方法及其*** Download PDFInfo
- Publication number
- CN110595473A CN110595473A CN201910750058.0A CN201910750058A CN110595473A CN 110595473 A CN110595473 A CN 110595473A CN 201910750058 A CN201910750058 A CN 201910750058A CN 110595473 A CN110595473 A CN 110595473A
- Authority
- CN
- China
- Prior art keywords
- route
- target position
- ship
- current position
- water drop
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 172
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000002689 soil Substances 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 16
- 239000013049 sediment Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 4
- 230000002706 hydrostatic effect Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 230000008713 feedback mechanism Effects 0.000 abstract description 3
- 230000002123 temporal effect Effects 0.000 abstract description 3
- 241000251468 Actinopterygii Species 0.000 description 10
- 238000013461 design Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009991 scouring Methods 0.000 description 1
- 238000004800 variational method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/203—Specially adapted for sailing ships
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明涉及船舶航行领域，尤其涉及一种最短时气象航线的获取方法及其***，该方法包括以下步骤：建立大圆航线，对大圆航线进行离散化处理得到多个初始航路点，对每个初始航路点进行处理得到多个对应的次航路点，单个水滴从起点出发依次经过与初始航路点相对应的多个次航路点到达终点，得到与水滴对应的航线，水滴以节点选择概率选择次航路点作为航线上的点，且水滴对运动过的路径上的泥沙量进行更新，路径上的泥沙量对下一个水滴在相应的次航路点的选择上形成正反馈，利用水滴算法反馈机制准确高效的搜索更佳次航路点序列，提升算法运行效率；所有水滴都从起点到达终点后得到多条航线，其中用时最小的水滴所走的航线就为最短时气象航线。
Description
技术领域
本发明涉及船舶航行领域，尤其涉及一种最短时气象航线的获取方法及其***。
背景技术
随着船运业的快速发展，全局气象航线设计成为保障船舶，尤其是智能无人船舶安全高效航行的重要研究内容。安全性和经济性是衡量航线优劣的两个指标，航行时间是影响航线经济性的主要因素之一。最短时气象航线设计充分考虑海洋气象信息，在避离灾害性风浪区的同时，使无人船航行时间最短、经济效益最高，有利于提升船舶使用效率，降低营运成本，对指导气象航线设计具有很强的现实意义。
现有的最短时气象航线设计多采用等时线法、变分法和建立网格模型等方法设计最短时气象航线模型。等时线法是一种递归算法，当气象数据较多时，易引起存储空间的消耗和复杂度的增加，因此，该方法只能用于设计航程较短的航线，且难以利用计算机程序实现。变分法则是构建一个航行时间的函数，采用欧拉方程进行极值求解。由于方程构建有较多的约束条件，求解难度高，当需要二阶微分时，方程求解将产生不准确的情况。建立网格模型求解气象航线是将船舶航线优化问题转化为网络路径问题，计算航程较长的航线时，该方法需要读取和处理数据量较大，导致算法运行效率较低。而且，现有的最短时气象航线设计方法在考虑气象对船舶航行影响时，一般采用优化船体性能或制定速度计划来设计气象航线。该方法没有充分考虑多种航线方案，在设计航线过程中容易产生片面性，陷入局部最优。
发明内容
(一)要解决的技术问题
本发明提供一种最短时气象航线的获取方法及其***，用以解决现有的最短时气象航线设计方法存在无法设计航程较长的航线、计算时间长、难度大，而且容易陷入局部最优的问题。
(二)技术方案
为了达到上述目的，本发明提供一种最短时气象航线的获取方法包括以下步骤：
S1：生成船舶的起点和待驶向的终点之间的大圆航线，对所述大圆航线做离散化处理，得到多个初始航路点；
S2：根据所述多个初始航路点分别获取与每一个所述初始航路点对应的多个次航路点；
S3：从所述起点出发依次经过与所述初始航路点相对应的所述多个次航路点到达所述终点，得到多条航线，并通过水滴算法得到最短时气象航线；
所述步骤S3包括：
S31：设定水滴数量的初始值、水滴的初始速度；
S32：取一个水滴，当水滴的当前位置为所述起点时，以节点选择概率在与所述当前位置相邻的下一个所述初始航路点相对应的多个所述次航路点中选择一个所述次航路点作为目标位置，所述当前位置至所述目标位置的路径上的泥沙含量为船舶航行经过对应所述路径所用的时间；
S33：当水滴从所述当前位置运动到所述目标位置后，对所述当前位置到所述目标位置这一路径上的泥沙含量进行更新，且更新该水滴的所述初始速度；
S34：若所述目标位置为所述终点，则所述水滴数量的初始值减1处理，并对处理后的水滴数量进行判断，如果所述处理后的水滴数量为0，则根据从所述起点至所述终点的所用时间最小水滴所走的路线作为所述最短时气象航线；
S35：若所述目标位置不是所述终点，则水滴舍弃所述当前位置，并将所述目标位置作为下一次的所述当前位置，并重新确定目标位置，并返回所述步骤S33。
优选地，所述步骤S34还包括：如果所述处理后的水滴数量不为0，则返回所述步骤S32。
优选地，在所述步骤S2中；
所述初始航路点与所述多个次航路点中任一个所述次航路点之间的距离在预设范围内。
优选地，所述步骤S32具体为：
随机取一个水滴，当水滴在与所述当前位置相邻的下一个所述初始航路点相对应的多个所述次航路点中选择一个所述次航路点作为目标位置，所述次航路点被选中作为所述目标位置的概率为所述节点选择概率；
所述节点选择概率与所述当前位置至所述目标位置的路径上的所述泥沙量成反比；
水滴以各个所述次航路点对应的所述节点选择概率在多个所述次航路点中取一个所述次航路点作为所述目标位置。
优选地，所述步骤S33中，
所述对上一个所述当前位置到上一个所述目标位置这一路径上的泥沙含量进行更新具体为：
S331：计算水滴从所述当前位置运动到目标位置的时间其中，length(i,j)为所述当前位置至所述目标位置的路径的距离；
S332：所述当前位置至所述目标位置的路径上的泥沙减少量Δsoil(i,j)非线性反比于所述T；
S333：利用公式(1-ρ)*soil(i,j)-ρ*Δsoil(i,j)计算水滴从所述当前位置运动到所述目标位置后，所述当前位置至所述目标位置的路径上的泥沙含量；
其中，ρ是0到1之间的系数；
soil(i,j)为水滴未运动至所述目标位置时，所述当前位置至所述目标位置这一路径上的所述泥沙含量；
所述更新该水滴的所述初始速度具体为：
当水滴从所述当前位置运动到所述目标位置后，水滴的速度增量Δvel与soil(i,j)成反比，水滴在下一次从所述当前位置至所述目标位置的过程中速度为vel+Δvel；
其中，i为所述当前位置；j为所述目标位置；vel为水滴在所述当前位置i处的所述初始速度。
优选地，所述泥沙含量soil(i,j)的初始值为船舶从所述当前位置航行至所述目标位置的时间。
优选地，所述最短时气象航线的获取方法还包括：
在航行过程中实时采集船舶的运行参数和船舶所处环境的气象数据；
根据所述船舶的运行参数和所述船舶所处环境的气象数据计算船舶沿所述最短时气象航线到达所述终点的航行时间。
优选地，所述根据所述船舶的运行参数和所述船舶所处环境的气象数据计算船舶沿所述最短时气象航线到达目标点的所述航行时间的步骤包括：
获取风向角度，计算船舶的迎风角；
获取波浪的高度，计算船舶的航速，计算公式为：
v＝v0-(1.08h-0.126qh+2.77vwind cosβ)(1-2.33Dv0)，
其中，v0为船舶的静水航速，vwind为风速，h为波浪的高度，β为船体迎风角，D为船舶的排水量，q为相对波向；
计算船舶沿该最短时气象航线到达终点的航行时间：
其中，最短时气象航线上所述起点和所述终点之间的所述初始航路点的个数为N-1，最短时气象航线由所述起点与第一个所述次航路点的首尾连接、相邻的两个所述次航路点的首尾连接以及最后一个所述次航路点与所述终点的首尾连接形成的N个路径组成，Sk为船舶沿最短时气象航线航行经过的第k段路径的长度，vk为船舶在第k段路径的航速。
优选地，本发明还提供一种最短时气象航线的获取***包括有初始化模块、扰动模块和水滴算法模块；
所述初始化模块用于生成船舶的起点和待驶向的终点之间的大圆航线，对所述大圆航线做离散化处理，得到多个初始航路点；
所述扰动模块用于根据所述多个初始航路点分别获取与每一个所述初始航路点对应的多个次航路点；
所述水滴算法模块用于从所述起点出发依次经过与所述初始航路点相对应的所述多个次航路点到达所述终点，得到多条航线，并通过水滴算法得到最短时气象航线；
所述水滴算法模块包括赋值模块、运动子模块、更新子模块、终点判断子模块和循环子模块；
所述赋值模块用于设定水滴数量的初始值、水滴的初始速度；
所述运动子模块用于取一个水滴，当水滴的当前位置为所述起点时，以节点选择概率在与所述当前位置相邻的下一个所述初始航路点相对应的多个所述次航路点中选择一个所述次航路点作为目标位置，所述当前位置至所述目标位置的路径上的泥沙含量为船舶航行经过对应所述路径所用的时间；
所述更新子模块用于当水滴从所述当前位置运动到所述目标位置后，对所述当前位置到所述目标位置这一路径上的泥沙含量进行更新，且更新该水滴的所述初始速度；
所述终点判断子模块用于判断所述目标位置是否为所述终点，若所述目标位置为所述终点，则所述水滴数量的初始值减1处理，并对处理后的水滴数量进行判断，如果所述处理后的水滴数量为0，则根据水滴从所述起点至所述终点的时间最小的路线作为所述最短时气象航线；
所述循环子模块用于使水滴运动至所述终点，若所述目标位置不是所述终点，则水滴舍弃的所述当前位置，并将的所述目标位置作为下一次的所述当前位置，并重新确定目标位置，并返回所述更新子模块。
(三)有益效果
本发明的有益效果是：大圆航线是地球上两点之间的最短航线，通过对大圆航线进行离散化处理获得多个初始航路点，对每个初始航路点进行扰动处理产生多个对应的次航路点，利用水滴算法中水滴的节点选择概率来选择航线上的次航路点，更加贴合实际航行，并对经过的路径上的泥沙量更新，对下个水滴运动时形成正反馈，使得水滴算法的运算时间得到减低，当所有水滴都到达终点后，用时最小的水滴所走的路线就为最短气象航线，整个算法简单。
附图说明
图1为最短时气象航线的获取方法的流程图；
图2为水滴在土壤中运动示意图；
图3为水滴在另一种含量的土壤中运动示意图；
图4为对初始航路点进行扰动后的示意图；
图5为船舶迎风角计算示意图；
图6为最短时气象航线的获取***的结构图；
图7为水滴算法模块的结构图。
【附图标记说明】
1：初始化模块；2：扰动模块；3：水滴算法模块；31：赋值模块；32：运动子模块；33：更新子模块；33：终点判断子模块；34：循环子模块。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
本发明提供一种最短时气象航线的获取方法，图1为最短时气象航线的获取方法的流程图如图1所示，包括以下步骤：
S1：生成船舶的起点和待驶向的终点之间的大圆航线，对大圆航线做离散化处理，得到多个初始航路点。
大圆航线是地球上两点之间的最短航线，基于大圆航线进行最短时气象航线设计，可以保证在总航程变化不大的基础上实现航线最短时，降低航行时间的同时，使航程相对较短，当气象条件发生变化时，以大圆航线作为参照，能够更快生成新航线。通过调整大圆航线航路点的方式对原大圆航线进行优化，可保证在路径长度相对较短的情况下实现航线最短时。
S2：根据多个初始航路点分别获取与每一个初始航路点对应的多个次航路点，其中初始航路点与对应的多个次航路点中任一个次航路点之间的距离在预设范围内。
优选地实施方案中，对初始航路点的调整规则为，固定初始航路点的经度值，只对其纬度值在规定的某个范围内随机扰动。
S3：从起点出发依次经过与初始航路点相对应的多个次航路点到达终点，得到多条航线，并通过水滴算法得到最短时气象航线。
水滴算法是模拟自然界中水流冲刷泥沙从而形成水渠的原理，应用于求解复杂问题的计算领域。水流对土壤的冲刷作用会在土壤表面形成一条能够绕开障碍物并成功到达某低势地点的沟壑。
图2为为水滴在土壤中运动示意图；
图3为水滴在另一种含量的土壤中运动示意图；
如图2和图3所示：
土壤A的含泥沙量高于土壤B，当两个属性完全相同的水滴在t时刻分别流经上述土壤时，水滴更可能选择含泥沙量少的土壤B通行。当水滴运行至t+1时刻，由于土壤会阻碍水滴获得更大的速度增量，土壤B上的水滴将获得更大的速度增量，冲刷并带走更多的泥沙，从而获得更快的速度和更大的体积。每次迭代完成时，土壤中的含泥沙量都被更新，提升下次迭代时水滴选择最优路径的概率。算法迭代结束后，含泥沙量最小的路径即为最短时航线即水滴从起点运动至终点用时最小。
步骤S3包括：
S31：设定水滴数量的初始值、水滴的初始速度。
S32：取一个水滴，当水滴的当前位置为起点时，以节点选择概率在与当前位置相邻的下一个初始航路点相对应的多个次航路点中选择一个次航路点作为目标位置，所述当前位置至所述目标位置的路径上的泥沙含量为船舶航行经过对应所述路径所用的时间。
步骤S32具体为：
首先，随机取一个水滴，当水滴在与当前位置相邻的下一个初始航路点相对应的多个次航路点中选择一个次航路点作为目标位置，次航路点被选中作为目标位置的概率为节点选择概率。
其次，节点选择概率与当前位置至目标位置的路径上的泥沙量成反比。
最后，水滴以各个次航路点对应的节点选择概率在多个次航路点中取一个次航路点作为目标位置。
在优选的实施方案中，图4为对初始航路点扰动后的示意图，如图4所示：
水滴从当前位置i出发，原航线上的下一个相邻的次航路点为j，扰动后产生n个新航路点，水滴在选择路径时会倾向于选择泥沙含量更少的路径，以p(i,jk)表示水滴在当前位置i处选择jk作为目标位置的概率，它与从当前位置i处至目标位置j处的路径(i,jk)上的泥沙含量soil(i,jk)成反比例关系，节点选择概率公式为：
本实施例将水滴算法中水滴运动过程与次航路点搜索过程相结合，将水滴算法中的节点选择概率与次航路点选择概率结合，更加贴合航线生成的实际过程。
S33：当水滴从当前位置运动到目标位置后，对当前位置到目标位置这一路径上的泥沙含量进行更新，且更新该水滴的初始速度。
其中，对当前位置到目标位置这一路径上的泥沙含量进行更新具体为：
S331：计算水滴从当前位置运动到目标位置的时间其中，length(i,j)为当前位置至目标位置的路径的距离。
S332：当前位置至目标位置的路径上的泥沙减少量Δsoil(i,j)非线性反比于T。
水滴冲甩掉的泥沙量Δsoil等于当前位置至目标位置的路径上的泥沙减少量Δsoil(i,j)，即Δsoil(i,j)＝Δsoil。
S333：利用公式(1-ρ)*soil(i,j)-ρ*Δsoil(i,j)计算水滴从当前位置i运动到目标位置j后，当前位置至目标位置的路径(i,j)上的泥沙含量。路径(i,j)上所含泥沙量被更新后，以对其他水滴的运动形成反馈机制，本专利利用水滴算法反馈机制准确高效的搜索更佳次航路点序列，提升算法运行效率。
其中，ρ是0到1之间的系数；
soil(i,j)为水滴未运动至目标位置时，当前位置至目标位置这一路径上的泥沙含量。
其中，更新该水滴的初始速度具体为：
当水滴从当前位置运动到目标位置后，水滴的速度增量Δvel与soil(i,j)成反比，水滴在下一次从当前位置至目标位置的过程中速度为vel+Δvel。
其中，i为当前位置；j为目标位置；
vel为水滴在当前位置i处的初始速度。
泥沙含量soil(i,j)的初始值为船舶从当前位置航行至目标位置的时间。
S34：若目标位置为终点，则水滴数量的初始值减1处理，并对处理后的水滴数量进行判断，如果处理后的水滴数量为0，水滴从起点运动至终点的时间M为水滴所走航线上所有T之和，从起点至终点用时最小即M最小的水滴所走的路线作为最短时气象航线；如果处理后的水滴数量不为0，则返回步骤S32。
S35：若目标位置不是终点，则水滴舍弃上一次的当前位置，并将上一次的目标位置作为下一次的当前位置，并重新确定目标位置，以节点选择概率在与当前位置相邻的下一个初始航路点相对应的多个所述次航路点中选择一个所述次航路点作为目标位置，若当前位置为最后一个次航路点，则选择终点为目标位置，并返回步骤S33。
最短时气象航线的获取方法还包括：
首先，在航行过程中实时采集船舶的运行参数和船舶所处环境的气象数据。
其次，根据船舶的运行参数和船舶所处环境的气象数据计算船舶沿最短时气象航线到达终点的航行时间。
上述步骤中根据船舶的运行参数和船舶所处环境的气象数据计算船舶沿最短时气象航线到达目标点的航行时间的步骤包括：
获取风向角度α，计算船舶的迎风角β。
图5为船舶迎风角计算示意图，如图5所示：
在优选的实施方案中，以经度增大的方向作为横轴(x轴)的正方向，以纬度增大的方向作为纵轴(y轴)的正方向，在风场数据中，某一点上的风向角度通过经度和纬度分量上的风向数据来计算，风向角度计算的公式为：
其中Lon为经向风的风向值，Lat为纬向风的风向值。
风向度量基准为x轴的正方向，航向c的度量基准为y轴正方向。因此，需要将风向与航向采取统一的度量基准和方式。首先，改变风向角α的，若以y轴为基准，新风向角从而新风向角的基准变为y轴。
船体迎风角β是指船舶航向c与新风向角α1之间的夹角。迎风角β的计算公式为：
在实际的海洋气象环境中，风、浪数据都可分别获取，但由于数据时效性不同，不能准确获取同一时刻的风、浪数据，为保证浪数据的精确，采用下式推算获取波高h：
其中，g为重力加速度，取9.8m/s；F为风区长度，风区长度是指状态相同的风作用的海域范围；vwind为风速。
船在航行过程中，会受到气象和水文因素的影响，进而产生失速现象，在其中各种因素中，受到风、浪的影响尤为严重。船舶在航行中由于受到风、浪带来的影响，其受到的航行阻力会远远大于其在静水中所受到的阻力，而这一现象被称为船舶的自然失速。采用下式计算船舶在航行中的实际航速：
v＝v0-(1.08h-0.126qh+2.77vwind cosβ)(1-2.33Dv0)
其中，v0为船舶的静水航速，vwind为风速，h为波浪的高度，β为船体迎风角，D为船舶的排水量，q为相对波向，为简化计算难度，假设波浪方向与风向一致，因此相对波向q与船体迎风角β一致。
设起点到目标点间有N-1个航路点，即整条航线由N条线构成，在航线上，船舶主机的输出功率恒定不变，则整条航线上航行时间为：
计算船舶沿该最短时气象航线到达终点的航行时间：
其中，最短时气象航线上起点和终点之间的初始航路点的个数为N-1，最短时气象航线由起点与第一个次航路点的首尾连接、相邻的两个次航路点的首尾连接以及最后一个次航路点与终点的首尾连接形成的N个路径组成，Sk为船舶沿最短时气象航线航行经过的第k段路径的长度，vk为船舶在第k段路径的实际航速。
因此，无人船最短时的优化目标函数为：
图6为最短时气象航线的获取***的结构图，如图6所示：
本发明还提供了一种最短时气象航线的获取***包括有初始化模块1、扰动模块2和水滴算法模块3。
初始化模块1用于生成船舶的起点和待驶向的终点之间的大圆航线，对大圆航线做离散化处理，得到多个初始航路点。
扰动模块2用于根据多个初始航路点分别获取与每一个初始航路点对应的多个次航路点。
水滴算法模块3用于从起点出发依次经过与初始航路点相对应的多个次航路点到达终点，得到多条航线，并通过水滴算法得到最短时气象航线。
图7为水滴算法模块的结构图，如图7所示：
水滴算法模块包括赋值模块31、运动子模块32、更新子模块33、终点判断子模块34和循环子模块35。
赋值模块31用于设定水滴数量的初始值、水滴的初始速度。
运动子模块32用于取一个水滴，当水滴的当前位置为起点时，以节点选择概率在与当前位置相邻的下一个初始航路点相对应的多个次航路点中选择一个次航路点作为目标位置，所述当前位置至所述目标位置的路径上的泥沙含量为船舶航行经过对应所述路径所用的时间。
更新子模块33用于当水滴从当前位置运动到目标位置后，对当前位置到目标位置这一路径上的泥沙含量进行更新，且更新该水滴的初始速度。
终点判断子模块34用于判断目标位置是否为终点，若目标位置为终点，则水滴数量的初始值减1处理，并对处理后的水滴数量进行判断，如果处理后的水滴数量为0，则根据从所述起点至所述终点的所用时间最小水滴所走的路线作为所述最短时气象航线。
循环子模块35用于使水滴运动至终点，若目标位置不是终点，则水滴舍弃的当前位置，并将的目标位置作为的当前位置，并重新确定目标位置，并返回更新子模块33。
本专利将大圆航线、基于随机迭代法(Random iterative algorithm，简称RIA)和基于人工鱼群算法(Artificial fish swarm algorithm，简称AFSA)设计的最短时航线模型在相同环境中运行，运行结果与基于水滴算法的最短时航线模型进行比较。下文用随机迭代航线RIA表示基于随机迭代法的最短时航线，人工鱼航线AFSA表示基于人工鱼群算法设计的最短时航线。设置人工鱼群算法参数如表1所示。
表1
| 名称 | 符号 | 值 |
| 人工鱼群数量 | N | 50 |
| 拥挤度因子 | Delta | 10 |
| 人工鱼感知范围 | R | 1 |
| 移动步长 | step | 0.5 |
| 迭代次数 | Itermax | 100 |
模型采用的水滴算法初始参数见表2，其中，t为两航路点之间的航行时间。
表2
| 名称 | 符号 | 值 |
| 水滴数量 | A | 50 |
| 迭代次数 | Itermax | 100 |
| 泥沙量初值 | initsoil | t |
| 水滴初速度 | initvel | 100 |
对大圆航线、随机迭代航线、人工鱼航线和智能水滴航线分别仿真100次，计算算法平均用时，并将结果展示在表3中。
表3
| 航线名称 | 总航程(km) | 总航时(h) | 算法平均用时(s) |
| 智能水滴航线 | 8735.8216 | 260.58 | 66.43 |
| 大圆航线 | 8698.7359 | 273.62 | 4.21 |
| 随机迭代航线 | 8766.3267 | 270.53 | 56.85 |
| 人工鱼群航线 | 8711.2147 | 265.21 | 68.16 |
由表3中的结果可以看出，对于大圆航线，其求取时间仅为4.21s，且总航程比智能水滴航线少37.0857km，但航行时间多13.04h，说明基于水滴算法的无人船最短时航线模型结合海洋环境信息和优化准则对原航路点序列的调整有明显的改进，对大圆航线的航行时间有显著的优化效果；对于随机迭代航线，水滴算法平均用时较随机迭代算法高9.58s，但航程和航时分别减少了30.5051km和9.95h，说明水滴算法较随机迭代算法对最短时航线模型求解具有更高的优越性；对于人工鱼航线，水滴算法平均用时较人工鱼算法低1.73s，优势不显著。该航线航程较短，但其航时比智能水滴航线高4.63h，说明水滴算法对最短时航线问题的解决效果更佳。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。
Claims (9)
1.一种最短时气象航线的获取方法，其特征在于，包括以下步骤：
S1：生成船舶的起点和待驶向的终点之间的大圆航线，对所述大圆航线做离散化处理，得到多个初始航路点；
S2：根据所述多个初始航路点分别获取与每一个所述初始航路点对应的多个次航路点；
S3：从所述起点出发依次经过与所述初始航路点相对应的所述多个次航路点到达所述终点，得到多条航线，并通过水滴算法得到最短时气象航线；
所述步骤S3包括：
S31：设定水滴数量的初始值、水滴的初始速度；
S32：取一个水滴，当水滴的当前位置为所述起点时，以节点选择概率在与所述当前位置相邻的下一个所述初始航路点相对应的多个所述次航路点中选择一个所述次航路点作为目标位置，所述当前位置至所述目标位置的路径上的泥沙含量为船舶航行经过对应所述路径所用的时间；
S33：当水滴从所述当前位置运动到所述目标位置后，对所述当前位置到所述目标位置这一路径上的泥沙含量进行更新，且更新该水滴的所述初始速度；
S34：若所述目标位置为所述终点，则所述水滴数量的初始值减1处理，并对处理后的水滴数量进行判断，如果所述处理后的水滴数量为0，则根据从所述起点至所述终点的所用时间最小水滴所走的路线作为所述最短时气象航线；
S35：若所述目标位置不是所述终点，则水滴舍弃所述当前位置，并将所述目标位置作为下一次的所述当前位置，并重新确定目标位置，并返回所述步骤S33。
2.如权利要求1所述的最短时气象航线的获取方法，其特征在于，所述步骤S34还包括：如果所述处理后的水滴数量不为0，则返回所述步骤S32。
3.如权利要求1所述的最短时气象航线的获取方法，其特征在于，在所述步骤S2中；
所述初始航路点与所述多个次航路点中任一个所述次航路点之间的距离在预设范围内。
4.如权利要求1所述的最短时气象航线的获取方法，其特征在于，所述步骤S32具体为：
随机取一个水滴，当水滴在与所述当前位置相邻的下一个所述初始航路点相对应的多个所述次航路点中选择一个所述次航路点作为目标位置，所述次航路点被选中作为所述目标位置的概率为所述节点选择概率；
所述节点选择概率与所述当前位置至所述目标位置的路径上的所述泥沙量成反比；
水滴以各个所述次航路点对应的所述节点选择概率在多个所述次航路点中取一个所述次航路点作为所述目标位置。
5.如权利要求4所述的最短时气象航线的获取方法，其特征在于，所述步骤S33中，
所述对所述当前位置到所述目标位置这一路径上的泥沙含量进行更新具体为：
S331：计算水滴从所述当前位置运动到目标位置的时间其中，length(i,j)为所述当前位置至所述目标位置的路径的距离；
S332：所述当前位置至所述目标位置的路径上的泥沙减少量Δsoil(i,j)非线性反比于所述T；
S333：利用公式(1-ρ)*soil(i,j)-ρ*Δsoil(i,j)计算水滴从所述当前位置运动到所述目标位置后，所述当前位置至所述目标位置的路径上的泥沙含量；
其中，ρ是0到1之间的系数；
soil(i,j)为水滴未运动至所述目标位置时，所述当前位置至所述目标位置这一路径上的所述泥沙含量；
所述更新该水滴的所述初始速度具体为：
当水滴从所述当前位置运动到所述目标位置后，水滴的速度增量Δvel与soil(i,j)成反比，水滴在下一次从所述当前位置至所述目标位置的过程中速度为vel+Δvel；
其中，i为所述当前位置；j为所述目标位置；vel为水滴在所述当前位置i处的所述初始速度。
6.如权利要求5所述的最短时气象航线的获取方法，其特征在于，所述泥沙含量soil(i,j)的初始值为船舶从所述当前位置航行至所述目标位置的时间。
7.如权利要求1-6中任意一项所述的最短时气象航线的获取方法，其特征在于，所述最短时气象航线的获取方法还包括：
在航行过程中实时采集船舶的运行参数和船舶所处环境的气象数据；
根据所述船舶的运行参数和所述船舶所处环境的气象数据计算船舶沿所述最短时气象航线到达所述终点的航行时间。
8.如权利要求7所述的最短时气象航线的获取方法，其特征在于，所述根据所述船舶的运行参数和所述船舶所处环境的气象数据计算船舶沿所述最短时气象航线到达目标点的所述航行时间的步骤包括：
获取风向角度，计算船舶的迎风角；
获取波浪的高度，计算船舶的航速，计算公式为：
v＝v0-(1.08h-0.126qh+2.77vwind cosβ)(1-2.33Dv0)，
其中，v0为船舶的静水航速，vwind为风速，h为波浪的高度，β为船体迎风角，D为船舶的排水量，q为相对波向；
计算船舶沿该最短时气象航线到达终点的航行时间：
其中，最短时气象航线上所述起点和所述终点之间的所述初始航路点的个数为N-1，最短时气象航线由所述起点与第一个所述次航路点的首尾连接、相邻的两个所述次航路点的首尾连接以及最后一个所述次航路点与所述终点的首尾连接形成的N个路径组成，Sk为船舶沿最短时气象航线航行经过的第k段路径的长度，vk为船舶在第k段路径的航速。
9.一种最短时气象航线的获取***，其特征在于，所述最短时气象航线的获取***包括有初始化模块、扰动模块和水滴算法模块；
所述初始化模块用于生成船舶的起点和待驶向的终点之间的大圆航线，对所述大圆航线做离散化处理，得到多个初始航路点；
所述扰动模块用于根据所述多个初始航路点分别获取与每一个所述初始航路点对应的多个次航路点；
所述水滴算法模块用于从所述起点出发依次经过与所述初始航路点相对应的所述多个次航路点到达所述终点，得到多条航线，并通过水滴算法得到最短时气象航线；
所述水滴算法模块包括赋值模块、运动子模块、更新子模块、终点判断子模块和循环子模块；
所述赋值模块用于设定水滴数量的初始值、水滴的初始速度；
所述运动子模块用于取一个水滴，当水滴的当前位置为所述起点时，以节点选择概率在与所述当前位置相邻的下一个所述初始航路点相对应的多个所述次航路点中选择一个所述次航路点作为目标位置，所述当前位置至所述目标位置的路径上的泥沙含量为船舶航行经过对应所述路径所用的时间；
所述更新子模块用于当水滴从所述当前位置运动到所述目标位置后，对上一个所述当前位置到上一个所述目标位置这一路径上的泥沙含量进行更新，且更新该水滴的所述初始速度；
所述终点判断子模块用于判断所述目标位置是否为所述终点，若所述目标位置为所述终点，则所述水滴数量的初始值减1处理，并对处理后的水滴数量进行判断，如果所述处理后的水滴数量为0，则根据水滴从所述起点至所述终点的时间最小的路线作为所述最短时气象航线；
所述循环子模块用于使水滴运动至所述终点，若所述目标位置不是所述终点，则水滴舍弃上一次的所述当前位置，并将上一次的所述目标位置作为下一次的所述当前位置，并重新确定目标位置，并返回所述更新子模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910750058.0A CN110595473A (zh) | 2019-08-14 | 2019-08-14 | 一种最短时气象航线的获取方法及其*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910750058.0A CN110595473A (zh) | 2019-08-14 | 2019-08-14 | 一种最短时气象航线的获取方法及其*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110595473A true CN110595473A (zh) | 2019-12-20 |
Family
ID=68854425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910750058.0A Pending CN110595473A (zh) | 2019-08-14 | 2019-08-14 | 一种最短时气象航线的获取方法及其*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110595473A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111307137A (zh) * | 2020-02-24 | 2020-06-19 | 山东交通学院 | 一种游艇设计航线优化设备 |
| CN115545289A (zh) * | 2022-09-26 | 2022-12-30 | 上海鼎衡航运科技有限公司 | 一种航线规划方法、装置以及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833699A (zh) * | 2009-03-12 | 2010-09-15 | 北京博懋易通科技有限公司 | 一种用于船舶航线设计的启发式航段寻径方法 |
| CN105539797A (zh) * | 2015-12-21 | 2016-05-04 | 大连海事大学 | 一种基于ecdis的风力助航船舶的航行方法及*** |
| CN107563541A (zh) * | 2017-07-28 | 2018-01-09 | 广东华风海洋信息***服务有限公司 | 一种节省时间的船舶航线规划算法 |
| CN107798185A (zh) * | 2017-10-20 | 2018-03-13 | 山东交通学院 | 一种基于ecdis的航线自动设计***及其构建方法 |
| CN109470247A (zh) * | 2018-10-11 | 2019-03-15 | 中国人民解放军海军工程大学 | 一种基于电子海图的复杂海域航行安全辅助信息指示*** |
-
2019
- 2019-08-14 CN CN201910750058.0A patent/CN110595473A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101833699A (zh) * | 2009-03-12 | 2010-09-15 | 北京博懋易通科技有限公司 | 一种用于船舶航线设计的启发式航段寻径方法 |
| CN105539797A (zh) * | 2015-12-21 | 2016-05-04 | 大连海事大学 | 一种基于ecdis的风力助航船舶的航行方法及*** |
| CN107563541A (zh) * | 2017-07-28 | 2018-01-09 | 广东华风海洋信息***服务有限公司 | 一种节省时间的船舶航线规划算法 |
| CN107798185A (zh) * | 2017-10-20 | 2018-03-13 | 山东交通学院 | 一种基于ecdis的航线自动设计***及其构建方法 |
| CN109470247A (zh) * | 2018-10-11 | 2019-03-15 | 中国人民解放军海军工程大学 | 一种基于电子海图的复杂海域航行安全辅助信息指示*** |
Non-Patent Citations (2)
| Title |
|---|
| 李旺: "水面无人艇航迹规划与跟踪技术研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
| 赵化川: "基于实况气象的动态航线规划方法设计", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111307137A (zh) * | 2020-02-24 | 2020-06-19 | 山东交通学院 | 一种游艇设计航线优化设备 |
| CN115545289A (zh) * | 2022-09-26 | 2022-12-30 | 上海鼎衡航运科技有限公司 | 一种航线规划方法、装置以及电子设备 |
| CN115545289B (zh) * | 2022-09-26 | 2023-04-25 | 上海鼎衡航运科技有限公司 | 一种航线规划方法、装置以及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110608738B (zh) | 一种无人船全局气象航线动态规划方法和*** | |
| CN110595472B (zh) | 一种无人船双目标气象航线优化方法和*** | |
| CN110849371B (zh) | 一种无人船气象航线动态优化方法和*** | |
| CN110160526B (zh) | 基于遗传算法的航线规划方法 | |
| CN108564202B (zh) | 一种基于环境预报信息的无人艇航线优化方法 | |
| CN102645931B (zh) | 用于选择气象数据以用于更新飞行器轨迹的方法 | |
| CN103744428A (zh) | 一种基于邻域智能水滴算法的水面无人艇路径规划方法 | |
| CN102541062B (zh) | 一种水下自主式航行器的局部路径规划方法 | |
| CN113433974B (zh) | 一种强对流天气下飞机安全航迹规划方法 | |
| CN110906935B (zh) | 一种无人艇路径规划方法 | |
| CN106546244A (zh) | 一种针对凸形障航物确定船舶航行局部最优路径的方法 | |
| CN110595473A (zh) | 一种最短时气象航线的获取方法及其*** | |
| CN113238232B (zh) | 面向海洋静态目标的自主水下航行器***目标搜索方法 | |
| CN109724592A (zh) | 一种基于进化梯度搜索的auv地磁仿生导航方法 | |
| CN110969289B (zh) | 一种无人船气象航线连续动态优化方法和*** | |
| CN113610312A (zh) | 基于改进遗传算法的船舶航行实时最优航线规划方法 | |
| CN110440804A (zh) | 适用于极地冰区航行的智能导航方法 | |
| CN110220510A (zh) | 一种考虑地图准确性的水下机器人海底地形匹配导航路径规划方法 | |
| CN113048981A (zh) | 一种面向dem的无道路区域路径规划算法的方法 | |
| CN111307160A (zh) | 一种自主水下航行器长航时航迹的修正方法及装置 | |
| CN116518982B (zh) | 一种低空林业监测遥感无人机路径多目标规划方法 | |
| CN114088098A (zh) | 一种用于极区水下航行器数据库辅助导航路径规划方法 | |
| CN114139437A (zh) | 一种使用卫星测高数据反演海底地形的方法及*** | |
| CN112833882A (zh) | 一种动态加权航线自动推荐方法 | |
| CN110160525B (zh) | 一种基于离散势能场的危险天气下大量航班改航路径并行化计算方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191220 |
|
| RJ01 | Rejection of invention patent application after publication |