钟碧良 1, 刘先杰1, 吴建生 2, 邱建宁2, 姜 华 2
( 1. 广州航海高等专科学校, 广东 广州 510725; 2. 广州海事局, 广东 广州 510700)
摘 要: 分析了现有船舶自动避碰系统的不足, 提出了基于人工势场法的船舶自动避碰系统. 根据
船舶的操纵特性, 建立了引力场和斥力场函数, 实现船舶自动避碰航行的合力和方向. 在电子海图
UÛatt ( qÛ( t ) ) =
1 2
NQm
(
qÛ(
t),
qÛgoal (
t+
1)
)
( 7)
式中, qÛ( t)是表示本船当前时刻的位置; qÛgoa l ( t+ 1)
是表示本船下一时刻要转向的位置.
障碍物产生的斥力场函数为
UÛrep ( qÛ( t) ) =
1 2
G(
Q(
qÛ(
t
),
1 qÛobs
所以该斥力场所对应的斥力为
UÛrep qÛ=
1 2
G
Q(
1 qÛ, qÛgoal
)
Q( qÛ, qÛobs ) [ Q0
( 4)
0
Q( qÛ, qÛobs ) > Q0
FÛrep ( qÛ) = - ¨UÛrep ( qÛ) =
1 2
G(
Q(
1 qÛ, qÛob
s
)
-
1 Q0
)
Q2
(
1 qÛ, qÛob
第 1期
钟碧良, 等: 基于人工势场法的船舶自动避碰系统研究
9
能的负梯度, 即
FÛatt ( qÛ) = - ¨UÛatt ( qÛ) = N( qÛgoal - qÛ)
( 3)
该力随移动物趋近于目标而呈线性趋近于零.
一个经常被使用的斥力场公式为 [ 2]
式中, G是正比例系数; Q( qÛ, qÛob s ) 是移动物到障碍 物的最小距离; qÛobs是 移动物到障碍物的最近点; Q0 是表示障碍物的影响范围的正常数.
第 1期
钟碧良, 等: 基于人工势场法的船舶自动避碰系统研究
11
图 5 局部极小现象
STUDY ON SH IP AUTO-COLL ISION AVO IDANCE SYSTEM BA SED ON ART IF IC IAL POTENT IAL F IELD
ZHONG B -i liang, L IU X ian- jie, WU Jian-sheng, Q IU Jian-n ing, JIANG H ua ( 1. Departm ent of M arine Eng ineer ing, Guangzhou M ar itim e Co llege, Guangzhou 510725, China; 2. Guangdong M arit im e Safety Adm in istration, Guangzhou 510700, China )
本文采用人工势场法来研究船舶自动无碰撞航 行, 探导人工势场法在船舶自动避碰中应用的可行 性, 为建立船舶自动避碰系统提供支持.
1 人工势场法的原理
人工势能场 APF ( Artificial P otentia l F ield) 对求 解移动物体路径规划的基本方法是: 移动物体在一个 力场中运动, 要达到的位置对移动物体来说是一个引 力极, 而障碍物是斥力极, 按各个障碍物和目标位姿 产生人工势能的总和, 取极小值决策运动路径 [ 7] . 人 工势场法在移动物的运 动空间中创建 了一个势场
s
)
¨Q(
qÛ,
qÛobs
)
Q( qÛ, qÛobs ) [ Q0
( 5)
0
Q( qÛ, qÛobs ) > Q0
移动物所受的合力为引力和斥力的和, 即
F total = Fatt + F rep
( 6)
移动物体就可以根据所受合力大小和方向, 确
定下一次运动.
2 基于人工势场的船舶避碰算法原理
利用人工势能场可将船舶的航行环境转换成一 个势能场. 所有的障碍物都被视为有最高势能的地 方. 如图 1所示, 几个凸起的柱状物体就代表障碍物, 红色区域表示高势能, 蓝色表示低势能. 而船舶就好 像一个球, 从高势能的地方滚向低势能的地方[ 8] .
所建立的仿真环境中, 验证了人工势场法可用于船舶自动避碰系统中.
关键词: 人工势场法; 船舶避碰; 自动导航
中图分类号: U 675
文献标识码: A
当前船舶避碰系统是由 / 船舶驾驭员 - 会遇船 舶 - 环境 0组成的一个复杂系 统, 随着船舶自动避 碰关键技术的解决和 应用, 该系统将会变为 / 自动 避碰决策系统 - 驾驭员 - 船舶 - 环境 0. 为了实现 这个转变, 很多学者从不同角度和不同方法进行了 研究, 并取得了一定的成果. 20世纪 80 年代, 随着 计算机技术和专家系统应用技术的发展, 日本东京 商船大学 [ 1] 和英国利物浦理工大学 应用专家系统 解决自动避碰问题. 随后, 德国、美国和英国西南理 工大学先后推出各自研制的专家系统 [ 2- 3 ] . 90 年代 起, 大连海事大学、海军大连水面舰艇学院等高等院 校及科研机构也逐步开始了该方面的研究, 并取得 了一定的成果 [ 4- 6] . 目前, 国内外航海界专家学者普 遍采用人工智能技术或专家系统技术建立船舶智能 避碰决策与控制系统. 然而可靠性高的船舶自动避 碰系统的开发仍然难度较大, 其主要原因是: 基于 专家系统的各项研究的基本思路都 是先建立知识 库, 在获取相遇船和本船的会遇态势和运动要素后, 通过查询知识库 ( 或经推理机学习 ) 得到避碰方案, 其中知识库是其核心, 而目前开发的一些系统, 基本 都存在知识库不完善的问题.
从仿真实验的结果来看. 人工势场在船舶自动 导航中具有以下优点: 一是算法执行速度快, 计算不 复杂; 二是能对局部地图信息作出实时的反应, 如果 遇到障碍物就有偏转; 三是由于不用预先载入全局 信息, 所以节省了空间.
但也存在一些问题需要在研究中加以解决, 一 是在障碍物前振荡, 如图 5所示; 二是会出现局部极 小的现象, 就是受力平衡, 合力为零, 吸引力与排斥 力相近; 三是只能循着向左或向右的规则前进, 不能 走一条比较近的路径, 由于障碍物环境不可预测, 路 径也是没有预测好的.
10
广州航海高等专科学校学报
第 16卷
图 4 双船避让
4 结论
以上的排斥源都是静态障碍物, 如果把排斥源 改为动态障碍物, 比如运动的船舶, 就要解决动态障 碍物的避碰. 人工势场的双船避让, 当两船相距一定 距离时, 就会产生一个排斥力, 使之产生偏移角, 按 规则向上的右偏移, 向下的左偏移, 如图 4所示.
[ 5] 杨 宝璋, 石 爱国 , 蔡 烽, 等. 舰 船避 碰 自 动 化系 统 [ J]. 海军工程大学学报, 2001, 13( 4): 57- 62.
[ 6] 李丽娜, 熊振 南, 高岩 松, 等. 单船 避碰 智能 决策 的生 成与优化方法 [ J]. 中国航海, 2002( 2): 49- 52.
[ 3] INA ISH M. Bas ic research on a co llision avoidance system using neura l ne tw orks[ R ]. P ro ceeding IA IN 91, 1991.
[ 4] INA ISH M. Build ing me thod and app lication o f neura l netw ork system for nav iga tion[ R ] . La teral Sym posium of S ino-Japanese N av igation Institute, 1992.
参考文献:
[ 1] 鹤田三郎, 松 村尚 志, 蹈石 正明, 等. 船 舶航 行专 家系 统的基础研究 [ C] / /日本航海学会论文 集. 东京: 日本 航海学会, 1987: 133- 139.
[ 2] COEN EN F P, SN EATON G P, BOLE A G. K now ledg e) based co llis ion avo idance[ J]. The Journa l o f N av igation, 1989, 42( 1) : 107- l16.
[ 7] 郑中义, 吴兆麟. 船舶 避碰 决策 论 [ M ]. 大连: 大 连海 事大学出版社, 2000: 130- 188.
[ 8] 钟碧良, 张 祺, 杨宜民. 基于 改进势场 法的足 球机器 人避障路径规 划 [ J]. 控制 理论与 应用, 2003, 20( 4): 623- 626.
由该引力场所生成的对移动物的引力为引力势
收稿日期: 2007- 12- 06 基金项目: 广东省自然科学基金项目 ( 04300614); 广东省科技计划项目 ( 2006B37202007). 作者简介: 钟碧良 ( 1963- ), 男, 教授, 主要从事计算机控制、多智能体系统和机电一 体化的研究.
FÛ( qÛ) = UÛatt ( qÛ) + UÛrep ( qÛ) = - $UÛ( qÛ) ( 1) 而在整个区域内所受的引力场被定义为 [ 1]
UÛatt ( qÛ) =
1 2
NQm
(
qÛ,
qÛgoal
)
( 2)
式中, N是正比例系数; Q( qÛ, qÛgoal )是移动物 qÛ到目标 qÛgoal的距离; 取 m = 2.
则本船所受的合力为
F to tal ( t ) = F att ( t ) + F rep ( t) =
- ¨UÛatt ( t) + ( - ¨UÛrep ( t) ) ( 9) 根据上面公式, 在电子海图上可应用获取的参 数有: 起点和终点的经纬 度、船舶和 障碍物的经纬 度、物体之间的距离等. 利用这些的环境信息, 去量 化吸引力、排斥力等这些虚拟的力. 算法流程如图 2 所示.