买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连海事大学申请的专利一种障碍船运动信息不定条件下的船舶避碰优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119207166B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411371876.7，技术领域涉及：G08G3/02；该发明授权一种障碍船运动信息不定条件下的船舶避碰优化方法是由郭沐壮;刘军坡;周孝敏;张闯;张文君;张敏;王葆源设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种障碍船运动信息不定条件下的船舶避碰优化方法在说明书摘要公布了：本发明公开了一种障碍船运动信息不定条件下的船舶避碰优化方法，通过构建用于衡量船舶碰撞危险度的隶属度函数，以构建船舶碰撞危险度数学模型获取当前船舶碰撞危险度；并基于国际海事避碰规则，根据预设船舶碰撞危险度范围划分并获取船舶避碰危险阶段及对应船舶避碰危险阶段的船舶会遇态势与让路关系，通过结合DWA避碰算法与VO避碰算法，为在不同避碰局面下为智能船自主避碰策略地制定提供支持；针对船舶航行状态存在不连续输出的情况，提出一种CNN‑GRU船舶航行状态预测网络，基于AIS历史数据对船舶航行状态及状态的不确定性进行预测，获得其位置的不确定分布，以便在移动碍航物不能被连续感知的情况下，仍能保证智能决策系统为智能船提供有效的避碰决策支持，充分考虑船舶位置的不确定性，对船舶领域进行优化。

本发明授权一种障碍船运动信息不定条件下的船舶避碰优化方法在权利要求书中公布了：1.一种障碍船运动信息不定条件下的船舶避碰优化方法，其特征在于，具体包括以下步骤： S1：检测并获取目标智能船可航行水域感知区域内的障碍船与目标智能船的状态信息； 所述状态信息至少包括船舶位置、船舶速度以及船舶姿态； S2：根据障碍船与目标智能船的状态信息，构建用于衡量船舶碰撞危险度的隶属度函数，并基于隶属度函数构建船舶碰撞危险度数学模型，以获取当前船舶碰撞危险度； S3：基于国际海事避碰规则，根据预设船舶碰撞危险度范围划分并获取船舶避碰危险阶段及对应船舶避碰危险阶段的船舶会遇态势与让路关系； 所述船舶避碰危险阶段包括安全阶段、碰撞危险阶段、紧迫局面阶段以及紧迫危险阶段； S4：基于船舶避碰危险阶段，根据当前船舶碰撞危险度确认目标智能船与障碍船是否处于安全阶段； 若是，则控制所述目标智能船按照原始设定航线航行； 否则，则执行步骤S5； S5：确认障碍船是否不能被稳定跟踪； 若是，则通过训练后的基于卷积神经网络CNN与门控循环神经网络GRU结合构建的CNN+GRU网络模型，获取由于因探测信号丢失，导致智能船难以实时获取障碍船的状态信息； 且根据实时获取的障碍船的状态信息，得到与目标智能船的实时船舶碰撞危险度，并继续执行步骤S6； 若否，则直接执行步骤S6； 基于卷积神经网络CNN与门控循环神经网络GRU结合构建的CNN+GRU网络模型，其训练过程为 S51：获取历史船舶时序轨迹序列数据，并对其进行归一化处理得到标准样本集，并将标准样本集输入至CNN+GRU网络模型进行训练； 且所述CNN+GRU网络模型包括编码器单元与解码器单元； 所述编码器单元包括依次连接的卷积神经网络层、双层GRU网络层以及位置Dropout网络层； 所述卷积神经网络层用于对标准样本集中的船舶时序轨迹序列数据进行数据特征提取； 所述数据特征包括船舶位置、船舶速度以及船舶姿态； 所述双层GRU网络层用于对卷积神经网络层的输出，进一步提取船舶时序轨迹序列的数据特征，并对其进行特征编码获取中间向量； 所述位置Dropout网络层用于在CNN+GRU网络模型训练过程中，按比例忽视部分隐藏神经元，以获取障碍船运动信息不确定性估计网络模型； 所述解码器单元具体为采用单层GRU与全连接层组成的循环网络结构； 所述单层GRU用于对所述中间向量进行特征解码操作； 所述全连接层用于提取单层GRU的输出，以获取下一时刻的障碍船状态预测信息； S52：将均方误差函数作为判断训练后的CNN+GRU网络模型的输出是否收敛的损失函数，并将输出收敛的训练后的CNN+GRU网络模型，作为最终的CNN+GRU网络模型； S6：基于实时船舶碰撞危险度当前船舶碰撞危险度,判断目标智能船与障碍船是否处于紧迫危险阶段； 若是，则基于DWA算法获取目标智能船的当前可达速度空间；并基于DWA算法的目标函数选取当前可达速度空间中的最优速度对； 若否，则基于VO算法改进DWA算法，以获取目标智能船的当前可达速度空间，构建智能船局部轨迹规划的目标函数，以选取当前可达速度空间中的最优速度对； 所述基于VO算法改进DWA算法，以获取目标智能船的当前可达速度空间，具体为 S61：定义障碍船当前时刻的位置为，其表达式为 式中：表示采集周期且；表示智能船控制周期时长；表示障碍船预测开始时间；表示障碍船预测开始位置； 并将目标智能船OS与障碍船TS发生碰撞的速度区间，表示为 式中：表示目标智能船与障碍船的领域叠加区域，表示Minkowski矢量运算符号；表示目标智能船与障碍船的船舶领域之和；表示时刻目标智能船的位置；表示时刻障碍船的位置； S62：由于CNN+GRU网络模型预测得到的障碍船下一时刻的船舶速度服从高斯分布，即； 则障碍船的位置分布为 其中，表示多个预测结果得到的航行速度均值；表示航行速度的标准差； 并根据障碍船的位置分布，确定时刻目标智能船位置与障碍船位置满足的约束条件为； S63：基于所述约束条件，根据目标智能船OS与障碍船TS发生碰撞的速度区间，获取考虑障碍船动态运动信息不确定性的速度可选区间，并将其作为目标智能船的当前可达速度空间，其表达式为 ； S7：根据选取的当前可达速度空间中的最优速度对，实现障碍船运动信息不定条件下的船舶避碰。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连海事大学，其通讯地址为：116000 辽宁省大连市甘井子区凌水街道凌海路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。