近年来，智能船舶受到了国际海事组织、世界各国的广泛关注，船舶智能航行在提升航运效能、节能减排、减少船舶配员等方面具有重要作用。本书主要介绍船舶智能航行控制涉及的感知、路径规划、控制方法及其在不同场景的应用和验证效果，梳理智能船舶和船舶智能航行发展趋势，提出船载三维激光点云目标识别方法、复杂场景路径规划方法和不确定性环境的船舶运动控制方法，阐述感知-决策-控制一体化无人艇实验平台、船舶运动控制模型船平台和船闸水域船舶编队航行平台的构成、软硬件系统实现及算法应用过程。
样章试读
目录
- 目录
第1章 绪论 1
1.1 引言 1
1.2 智能船舶概念与发展 3
1.3 船舶智能航行控制发展 5
1.3.1 感知子系统 7
1.3.2 认知子系统 7
1.3.3 决策子系统 7
1.3.4 控制子系统 8
参考文献 8
第2章 船舶智能航行近距离目标感知 10
2.1 船舶智能航行近距离目标感知系统 10
2.2 基于毫米波雷达的船舶近距离障碍物识别方法 12
2.2.1 毫米波雷达简介 12
2.2.2 基于毫米波雷达的船舶感知方法 13
2.3 基于激光雷达的船舶目标感知方法 15
2.3.1 基于先验知识的三维点云目标识别方法 17
2.3.2 基于学习机制的三维点云目标识别方法 18
2.3.3 基于三维激光点云的目标识别方法 20
2.4 船载三维激光雷达目标识别软件 24
2.4.1 软件简介 24
2.4.2 软件功能 24
参考文献 26
第3章 船舶智能航行避碰路径规划 30
3.1 船舶避碰路径规划主要算法 30
3.2 基于A*算法的船舶全局路径规划方法 32
3.3 面向无人航道测量的船舶A*算法路径规划方法 33
3.3.1 无人航道测量船路径规划算法的提出 34
3.3.2 仿真对比 36
3.3.3 仿真结果分析 39
3.4 考虑多因素的船舶改进A*算法路径规划方法 41
3.4.1 风险建模 41
3.4.2 A*算法改进 45
3.4.3 仿真实例 52
参考文献 57
第4章 船舶智能航行运动控制模型 60
4.1 船舶运动控制概述 60
4.2 船舶路径跟踪控制 61
4.2.1 最优控制 61
4.2.2 变结构（滑模）控制 62
4.2.3 反馈线性化 62
4.2.4 智能控制 63
4.2.5 Backstepping算法 64
4.2.6 模型预测控制 64
4.2.7 各种方法的优缺点分析 65
4.3 船舶路径跟踪自适应控制 66
4.3.1 系统辨识方法 67
4.3.2 视距导航算法 69
4.3.3 船舶运动状态观测器 69
4.4 船舶运动建模 71
4.4.1 船舶运动模型 71
4.4.2 环境干扰 78
4.4.3 模型不确定性 80
参考文献 82
第5章 船舶智能航行轨迹跟踪控制 90
5.1 船舶轨迹跟踪控制原理 90
5.1.1 MPC基本原理 90
5.1.2 基于MPC的船舶轨迹跟踪基本原理 91
5.2 基于线性MPC的船舶轨迹跟踪控制 91
5.2.1 非线性状态空间模型建立 91
5.2.2 模型线性化和离散化 92
5.2.3 约束条件设置 93
5.2.4 最优化问题 95
5.2.5 仿真实验 96
5.3 基于非线性MPC的船舶轨迹跟踪控制 104
5.3.1 模型离散化 104
5.3.2 约束条件设置 105
5.3.3 最优化问题 106
5.3.4 仿真实验 106
5.4 基于MPC与基于滑模控制的船舶轨迹跟踪对比 108
5.4.1 基于滑模控制的轨迹跟踪控制方法 108
5.4.2 仿真实验对比 109
参考文献 110
第6章 船舶智能航行路径跟随控制 111
6.1 船舶路径跟随控制原理 111
6.2 船舶自适应LOS导航 112
6.2.1 LOS基本原理 112
6.2.2 自适应LOS导航算法 115
6.3 船舶路径跟随控制 116
6.3.1 响应型模型 116
6.3.2 船舶路径跟随控制模型 117
6.4 基于自适应LOS和MPC的船舶路径跟随控制 117
6.5 基于自适应LOS的船舶路径跟随仿真实验 119
6.5.1 仿真参数设计 119
6.5.2 自适应LOS参数整定 120
6.5.3 自适应LOS与传统LOS的路径跟随效果对比 121
6.5.4 无干扰情况下基于自适应LOS和MPC的路径跟随控制 122
6.5.5 基于MPC与基于Backstepping的路径跟随对比 123
6.5.6 干扰情况下基于自适应LOS和MPC的路径跟随控制 126
参考文献 130
第7章 考虑不确定性的船舶智能航行路径跟随控制 131
7.1 基于传统LS-SVM的运动模型参数辨识方法 131
7.1.1 基于传统LS-SVM的函数估计方法 132
7.1.2 基于传统LS-SVM的船舶路径跟随参数辨识方法 134
7.2 基于λ-LS-SVM的船舶运动模型在线参数辨识方法 136
7.2.1 基于滑动数据窗口的在线辨识方法 136
7.2.2 模型变化指数设计 137
7.2.3 输入持续激励方法 138
7.2.4 基于λ-LS-SVM的船舶运动模型在线辨识算法 138
7.3 基于λ-LS-SVM和MPC的船舶自适应路径跟随控制 139
7.4 仿真实验 141
7.4.1 场景1：机构老化引起的参数改变 141
7.4.2 场景2：水流等引起的参数改变 142
7.4.3 场景3：船舶操纵性的改变 144
7.4.4 仿真结果及分析 146
参考文献 147
第8章 基于扩张状态观测器的船舶智能航行路径跟随控制 148
8.1 通用ESO 148
8.1.1 ESO的提出 148
8.1.2 通用ESO观测器的提出 150
8.2 补偿ESO 152
8.2.1 连续补偿扩张状态观测器 152
8.2.2 离散补偿扩张状态观测器 154
8.3 基于离散补偿ESO的MPC控制方法 155
8.3.1 方法的提出 155
8.3.2 稳定性分析 156
8.3.3 实例验证 158
8.4 基于LEM控制方法的船舶路径跟随控制 165
8.4.1 基本原理 165
8.4.2 仿真实验验证 166
参考文献 169
第9章 船舶编队航行协同控制 170
9.1 船舶编队航行控制研究进展 170
9.1.1 船舶编队控制结构 170
9.1.2 船舶编队运动模型 176
9.1.3 船舶编队控制器 178
9.1.4 研究现状与关键问题 180
9.2 船舶纵向航速协同控制方法 181
9.2.1 船舶的纵向动力模型 183
9.2.2 船舶航速跟驰建模 185
9.2.3 模型预测控制 187
9.2.4 仿真验证 190
9.3 船舶编队过闸控制方法 197
9.3.1 船舶编队过闸控制研究背景 197
9.3.2 过闸船舶编队控制结构 199
9.3.3 过闸船舶编队控制方法 200
9.4 船舶编队控制研究展望 204
参考文献 205
第10章 船舶智能航行控制应用 212
10.1 感知-决策-控制一体化无人艇平台 212
10.1.1 实验平台设计 212
10.1.2 算法与软件实现 214
10.1.3 点云目标识别实验 215
10.1.4 路径规划实验 217
10.2 船舶运动控制模型船平台 218
10.2.1 模型船运动控制实验平台 219
10.2.2 平台算法实现 226
10.2.3 实验验证 230
10.3 船闸水域船舶编队航行平台 242
10.3.1 概述 242
10.3.2 多船编队过闸控制系统 242
参考文献 253
编后记 254
京公网安备 11010102004214号