基于动态窗口法的近海水域船舶避障算法研究.pdf

本文网址：http:/www.ship- J.中国舰船研究,2024,19(1):230237.LI G Z,YU W N,LIAO W Q,et al.Obstacle avoidance algorithm for ships in complex waters based on dynamic windowapproachJ.Chinese Journal of Ship Research,2024,19(1):230237(in Chinese).基于动态窗口法的近海水域船舶避障算法研究扫码阅读全文李光泽，俞万能，廖卫强*，吴川博集美大学 轮机工程学院，福建 厦门 361021摘 要:目的目的提出一种改进的动态窗口法，以解决近海水域智能船舶在面对夹击及动静混合会遇时无法有效避让的船舶避障问题。方法方法为得到在近海水域航行的船舶约束条件，针对近海水域对船舶避障的影响因素进行分析，同时提出近海水域船舶航行最低避障要求；然后对动态窗口法（DWA）的目标函数进行优化改进，并将其与船舶和障碍物的距离相关联，以提升船舶在航行图中的安全性，同时将目标函数中的航向权值引入船舶会遇态势判断，以使目标船舶可以有效判断船舶的避障责任；最后，通过仿真模拟验证改进算法的有效性。结果结果仿真结果表明，所提的改进算法在分别遭遇夹击以及复杂会遇的情况下，能够清晰地判断船舶的避障责任，降低航行过程中的速度变化陡峭度，且所规划的船舶航行路径可有效提升船舶航行的安全性。结论结论所提避障算法可为解决近海水域智能船舶遭遇复杂会遇情景的避碰失败问题提供参考。关键词：智能船舶；避障；动态窗口法；自适应权值；近海水域中图分类号:U664.82文献标志码:ADOI：10.19693/j.issn.1673-3185.03240 Obstacle avoidance algorithm for ships in complex watersbased on dynamic window approachLI Guangze,YU Wanneng,LIAO Weiqiang*,WU ChuanboSchool of Marine Engineering,Jimei University,Xiamen 361021,ChinaAbstract:ObjectiveAn improved dynamic window method is proposed to solve the obstacle avoidanceproblem of intelligent ships in offshore waters,which cannot be effectively avoided when facing pinch andmixed dynamic-static encounters.MethodsIn order to obtain the constraints of ships navigating in off-shore waters,the factors affecting ship obstacle avoidance in offshore waters are analyzed,and the minimumobstacle avoidance requirements for ship navigation in offshore waters are proposed.The objective function ofthe Dynamic Window Approach(DWA)is then optimized,improved and correlated with the distance betweenthe ship and obstacles to enhance the safety of the ship in the navigational chart,while the heading weights inthe objective function are introduced into the judgment of the ships encounter posture so as to enable the tar-get ship to effectively judge its obstacle-avoidance responsibility.Finally,the effectiveness of the improved al-gorithm is verified through simulation.ResultsThe simulation results show that the proposed improvedalgorithm can clearly judge the ships obstacle-avoidance responsibility and reduce the steepness of speedchange in the sailing process,and the planned ship sailing path can effectively improve the safety of ship oper-ation in case of encountering pincer attacks and complex encounters respectively.Conlusion The proposedobstacle avoidance algorithm can provide useful references for solving the collision avoidance failure problemof intelligent ships encountering complex encounter scenarios in offshore waters.Key words:intelligent ships；obstacle avoidance；dynamic window approach(DWA)；adaptive weight；offshore waters收稿日期:20230105 修回日期:20230711 网络首发时间:20230828 17:57基金项目:国家自然科学基金资助项目（52171308）；福建省科技厅重点项目资助（2021H0021）；福建省自然科学基金面上基金资助项目（2022J01333）作者简介:李光泽，男，1999 年生，硕士生。研究方向：智能全电船避障控制，船舶电力推进及控制。E-mail：俞万能，男，1970 年生，博士，教授。研究方向：船舶电力推进和控制，多能源船舶微网系统，船舶智能控制。E-mail：廖卫强，男，1976 年生，博士，副教授。研究方向：船舶微网能量优化技术，全电船自主航行技术。E-mail：wq_吴川博，男，1998 年生，博士生。研究方向：智能全电船避障控制，船舶电力推进和控制。E-mail：*通信作者:廖卫强 第 19 卷 第 1 期中 国 舰 船 研 究Vol.19 No.12024 年 2 月Chinese Journal of Ship ResearchFeb.2024 0 引言随着人工智能技术的发展，全球工业正朝着越来越智能化的方向前进，智能船舶的发展也随之迎来加速时期1-2。在船舶实际航行于近海水域的过程中，会遭遇诸多复杂的水域，如岸线、岛屿、暗礁等静态碍航物，同时，也存在其他船舶。因此，船舶在近海水域执行任务时，如何有效进行自动避障，成为近海智能船舶必须解决的关键技术瓶颈。在船舶自动避障算法方面，最初采用的算法是 Bug 算法3，这类算法可以使目标沿着障碍物的边缘进行跟随式移动。Yao 等4将多领域方法引入了 D*lite 算法，结果显示，改进后的算法可以分别在静、动、多动态障碍物的情况下进行路径规划并提供最优路径。Wang 等 5在传统遗传算法中引入了可操纵性约束以及双循环原理，结果表明，算法在导入实际海图数据的环境下可以进行路径规划并提供最优路径。Mousazadeh 等6结合运动学模型、卡尔曼滤波器（EKF）及人工势场法（potential fields，PF），提出了一种新的避障算法，并通过仿真验证了该算法的平滑性及鲁棒性。宁君等7将人工势场法与船舶碰撞危险度相结合，通过仿真验证了船舶在对遇、交叉、追越会遇情景下避障的有效性。基于动态窗口法（dynam-ic window approach，DWA）的 避 障 方 法 最 初 由Fox 等8于 1997 年提出，主要用于机器人的局部避障。詹京吴等9将 A*算法与 DWA 进行融合并引入安全距离，采用平面结构法实现了对算法规划路径的优化。李文刚等10以 A*算法为主并加入 DWA 对局部目标点进行了仿真优化，结果证明了文献 9 与文献 10 所提算法的有效性。上述文献探讨的均是船舶在遭遇单一会遇情景或是仅存在静态障碍物情况下的船舶避障问题，但实际船舶在运行时所遭遇的往往由静态障碍物与多个会遇情景复合而成（以下简称为“复杂水域环境”），且现有的避障算法研究仍存在对于智能避障决策算法的自适应能力不高，以及未能考虑障碍物繁多情况下的船舶准确避障等问题。因此，本文拟以船舶在近海水域遭遇复杂会遇情况下的避障算法为研究对象，通过加入自适应速度、航向权值以及船舶会遇态势判断对动态窗口算法进行优化和改进，使改进后的算法能够适应环境变化，提高船舶避障过程中与障碍物之间的距离，增加船舶安全性。1 船舶模型建立及近海水域船舶避障要求分析 1.1 船舶模型建立本文主要研究船舶在二维空间中的运动，故采用 Fossen 模型进行研究，其三自由度操纵模型如式（1）所示。=R()M+C()+D()=w+(1)其中，R()=cos()sin()0sin()cos()0001M=m11000m22000m33C()=00m22v00m11um22vm11u0D=d11000d22000d33=u0rT=x，y，T=u，v，rTR()rum11=mX um22=mY vm33=IZN rd11=Xud22=Yvd33=NrIZX uY vN rXuYvNr式中：，为地球坐标系中船舶的位置和航向角；，为船体坐标系中船舶的纵荡速度、横荡速度和航向角速度；w 为受风、浪以及洋流等环境干扰产生的力，本文取 w=0；为旋转变换矩阵；M 为系统惯性矩阵；C()为科里奥利向心力矩阵；D 为阻尼系数矩阵；为伺服系统提供的控制力和力矩；，分别表示船舶的纵向推进力和转向力矩；，其中 m 为船舶质量，为转动惯量，为水动力导数及参数。1.2 近海水域船舶避障要求分析当前，近海船舶的数量与日俱增，导致航行水道变得日益拥挤，这进一步增加了船舶碰撞的风险。在近海水域航行时，为降低船舶航行过程中的碰撞风险，提升所规划航线的安全性，设计的避障算法需要能自主完成航线规划、船舶避障等功能，在此过程中，航行需满足多种约束条件。1）水域环境约束。复杂水域中可能包含有多个动态障碍物及静态障碍物，船舶在复杂水域第 1 期李光泽等：基于动态窗口法的近海水域船舶避障算法研究231中航行时会导致目标船舶无法以过快的速度航行，短时间内航向不会产生过大的变化，因此本文设定最大航速为 5 m/s，最大航向角为 20 rad。2）船舶性能约束。由于船舶的动力性能不同，其航行性能也会有所不同，从而影响做避障决策时的船舶速度、加速度、角速度、最小转弯半径等参数指令，本文设定加速度为2 m/s2，角加速度为 5 rad/s2。3）实时性约束。在复杂的水域中，船舶的航行环境复杂多变，在这种情况下，要求船舶能实时对航行轨迹进行规划，以确保船舶能可靠规避障碍，因此船舶的反应时间应越小越好，本文设定延时反应时间为 0.2 s。在上述约束条件下，为达到船舶在近海水域更快、更安全、操作更简便的避障效果，提出近海水域航行船舶的最低避障要求如下：1）距离限制，即两船中线点相连后的距离，一般设定为为两船船长之和的 2 倍，本文设定最低安全距离为 0.3 km。2）速度限制，设定最高和最低速度限制，该限制与船舶载货量及船舶主机的状态相关，本文设定最大、最小航速分别为 10 和 0 m/s。3）加速度限制，以船舶的参数为准，本文设定加速度为 2 m/s2。4）航向角及转舵速度限制，该限制的设定需要根据每次预设的航线及目标船舶自身的参数进行，本文设定的左右航向角为2020 rad，最大转舵速度为 5 rad/s。以上避障要求分别在船舶与障碍物的最短距离、在近海水域航行的最高/最低速度、船舶在不影响自身内部机械结构状态下的最大加速度以及短期内船舶正常航行时的航向角这 4 个方面进行了限制，这些避障要求结合了在近海水域航行船舶的自身参数以及在水域航行时的限制，故能够最大程度地保护航行于近海水域的船舶。在分析得出船舶约束条件及避障要求后，便可进一步开展船舶在近海水域航行的避障算法研究。2 自适应权值的动态窗口法研究 2.1 动态窗口法（DWA）VsVaVdVr(u,)DWA 本质上是一种局部路径规划算法，其搜索空间如图 1 所示。图中，为在速度和角速度约束下的速度空间，为环境允许的速度集,为当前动态窗口，为下一时刻可取的速度集合，即加速度的限制条件。搜索空间是通过考虑实际的运动限制而形成速度空间（u 和分t(ubest，best)别为船舶航行朝向方向的合速度及角速度），并在预测时间内判断轨迹。最后，经评价速度空间内的速度及角速度，选取最优速度对作为船舶下一时刻的控制目标。目标函数为G(u,)=d(u,)+v(u,)+h(u,)(2)d(u,)v(u,)h(u,)式中：为距离评价权系数；为速度评价权系数；为航向评价权系数；为与障碍物的距离集合；为线速度集合；为航向角与目标方位角间的偏差集合。相应的集合如式（3）所示。VdVaVrVs真实速度动态窗口角速度速度图 1动态窗口法的搜索空间Fig.1 Search space of DWA method(ubest，best)式（2）的目的是在速度空间中选择最优速度对。d(u,)=(x,y)t(u1,1),(u2,2),(u3,3),)(x,y)t0(u1,1),(u2,2),(u3,3),)v(u,)=(u1,1),(u2,2),(u3,3),)h(u,)=ht(u1,1),(u2,2),(u3,3),)ht0(u1,1),(u2,2),(u3,3),)(3)(x,y)t0(u,)ht0(u,)(u1,1),(u2,2),(u3,3),.)式中：t 为当前时刻的运行时间，t1 指前一时刻的运行时间；为船舶障碍物所处位置；为由当前位置和目标位置所得出的期望航向角；为在动态窗口 Vd中得到的速度及角速度集合。通过对当前船舶位置信息、速度信息和航向信息的计算，得出带有速度及角速度的偏差集合，由于船舶在实际航行过程中会出现因动态障碍物所导致的反应时间，所以改变后的偏差集合如式（4）所示。d(u,)=(x,y)t+T(u1,1),(u2,2),(u3,3),)(x,y)t0(u1,1),(u2,2),(u3,3),)v(u,)=(u1,1),(u2,2),(u3,3),)h(u,)=ht+T(u1,1),(u2,2),(u3,3),)ht0(u1,1),(u2,2),(u3,3),)(4)式中，T 为反应时间。但采用 DWA 在复杂环境下进行避障规划无法达到预期的避障效果。目标函数的权系数是固定的，这会导致船舶在避障选择中无法很好地适应实时变化的环境。如图 2 所示，目标船舶从起232“无人船艇自主性技术”专辑第 19 卷点（图中红点）出发，遭遇到 TS1 所示的对遇会遇情景，同时还遭遇到 TS2 和 TS3 所示的夹击会遇情景，在这种情况下，目标船舶无法避开障碍物，其航行轨迹如蓝线所示；因此，就需要降低目标函数中的速度评价权系数，以使船舶能够安全地避开所有障碍物。为了提升 DWA 的稳定性，加强船舶避障的安全性，提出了基于自适应权值的 DWA。目标TS3TS1TS2图 2采用动态窗口法时遭遇夹击会遇场景避碰失败示意图Fig.2 Schematic diagram of encounter scenario avoidance failurewhen using the DWA method 2.2 动态窗口法的改进研究 2.2.1 自适应速度权值DminDxvDx在船舶航行中，可通过传感器来得知各个障碍物与本船的距离。为障碍物与本船的最短距离，当障碍物与本船的间距大于距离阈值时，速度项权值始终选取所定义的最大值，并根据船舶自身性能定义阈值，如式（5）所示。Dx=umax u(5)Dxumax u式中，为选取的系数值，其值与船舶体量及航速大小相关，在本文中，由于船舶航行于近海水域，导致速度及体量有所限制，因此将此系数取为 1。由式（5）可得出，与本船的最高线速度成正比，与线加速度 成反比。DxvDminv当本船与障碍物之间的距离小于时，此时速度权值会随的减小而逐渐增大，所设定的速度动态权值如式（6）所示。v=min+(maxmin)(Dmin/Dx),Dmin Dxmax,Dmin Dx(6)v综上分析，改进后的目标函数如式（7）所示，其中为速度动态评价权系数。G(u,)=d(u,)+vv(u,)+h(u,)(7)2.2.2 自适应航向权值自适应改变速度权值后，为了更好地提升算法的自适应性，提高船舶航行的安全性，需对航向进行自适应权值设计。为了实现更加精确的避障，需要对船舶会遇态势予以判断并设计船舶避障措施，然后再结合实时检测的障碍物运动信息，将船舶的会遇问题简化为目标船与障碍船的舷角位置，如图 3 所示。但在实验设计中，只能针对单艘船只进行航向设计，并不能使所有的船只都能根据实时会遇情况进行航向上的选择。为解决此问题，将船只在遭遇以上会遇情景进行选择的时刻划分为了本船向左舷航行和本船向右舷航行 2 种情景。355292.5247.5112.567.550GAFEBCD本船目标船90180270图 3船只会遇态势判断Fig.3 Judgment of ship encounter situation DxDxvDminv在船舶航行过程中，通过传感器信息可以得到各个障碍物与本船的实际距离，船舶距离阈值如式（5）所示。当本船与障碍物的实际距离小于时，此时动态权值随的减小而逐渐增大，定义航向的动态权值如式（8）所示。v=,Dmin Dxmax,Dmin Dx(8)=1(90)(9)=min+|0.5max/180|,90 90max|0.5max/180|,其他(10)vmaxmin式中：为航向动态评价权系数，其取值与本船跟障碍物的中心点相连所得航向信息相关；为通过航向角进行选择的航向动态评价系数；与当前时刻的航向相关，用于区分船舶的方位；为船舶在自身坐标系下所得到的航向角；，用于取极限状况下的船舶航向。综上分析，再次改进后的目标函数如式（11）第 1 期李光泽等：基于动态窗口法的近海水域船舶避障算法研究233所示，改进速度、航向权值的动态窗口算法流程如图 4 所示。G(u,)=y(u,)+vv(u,)+vh(u,)(11)开始获取障碍物运动状态信息与自身运动状态信息速度采样轨迹空间遍历最优轨迹选取生成轨迹空间结束执行动作是是否否得到最优速度组合(ubest,best)对轨迹进行评价计算动态权值 v完成？碰撞障碍物？将 v 代入评价函数接收传感器信息获取 Dmin 计算阈值 Dx图 4改进动态窗口算法流程图Fig.4 Flow chart of improved DWA method 3 仿真验证设计复杂的会遇情况并对所提改进算法进行验证。设定 6 个静态障碍物和 3 个动态障碍物，其中 3 个动态障碍物均为在水域内航行的船舶，分别以 4.12，5.66，9.26 m/s 的速度航行，通过这3 艘障碍船舶与目标船舶的会遇情景来模拟近海水域船舶复杂的会遇情景，如图 5 所示。在同一区域内，目标船舶分别遭遇对遇、追越及夹击等船舶会遇情景，且航行过程中还伴随有多个静态障碍物，如图 5（b）和图 5（c）所示。因水域内存在静态障碍物且水域面积不大，使得目标船舶在2 次会遇障碍船舶时都会陷入障碍船舶与静态障碍物这两方的夹击，导致船舶避障难度大幅提升。max仿真水域范围设定为 1，1；10，10，整个水域长度分为 11 格，每格代表 1.426 km（仿真水域整体实际范围约 1.74.2 km2）；将 3 艘障碍船舶的航速分别转化为仿真设定的 0.34 格/s、0.77 格/s和 0.47 格/s，将障碍物的膨化半径设置为 12 m（此距离为船舶安全距离），并设定此长度在仿真中的长度为 0.1 格。近海复杂水域限制所设定的初始参数及限定参数如表 1 所示。表中：T 为仿真实验中的反应时间；Dx为最低安全距离；vmax 和vmin分别为船舶航行时速度的上限及下限；和min v 分别为船舶航行时舵角的上限及下限；和分别为加速度和角加速度限制。表 1 初始参数设定Table 1 Initial parameter setting参数数值参数数值vmin/(ms1)0max/rad/6vmax/(ms1)10/(rads1)/36 v/(ms2)2T0.2min/rad/6Dx0.2 水域宽度/格10108866442200(a)障碍物分布图水域长度/格水域宽度/格10108866442200水域长度/格水域宽度/格10108866442200水域长度/格(b)船舶对遇会遇图(c)船舶复杂会遇图图 5仿真环境Fig.5 Simulation environment234“无人船艇自主性技术”专辑第 19 卷3.1 实验结果分析图 6 所示为采用原始 DWA 算法（算法）、自适应速度权值 DWA 算法（算法）以及自适应航向、速度权值 DWA 算法（算法）这 3 种仿真实验所得的船舶避障图像及速度图像。应用算法、算法和算法所得的船舶仿真航行轨迹分别如图 6（a）、图 6（b）和图 6（c）所示，目标船舶航行时遭遇障碍船舶的速度变化分别如图 6（d）、图 6（e）和图 6（f）所示。由图 6（a）可知，应用算法的船舶虽然可以避开障碍物，但会出现路径平滑性不足、避障轨迹安全性不足等问题；结合图 6（a）和图 6（d）可以看出，当目标船舶与障碍船舶遭遇时，船舶航速会产生跳跃，使得船舶在短时间内无限逼近停船，这将极大地损害船舶内部机械，降低船舶使用寿命。进一步结合图 6（c）和图 6（f）并与图 6（a）和图 6（d）进行对比可以看出，应用算法的航行轨迹相较于应用算法的更加平滑，且速度变化更少，更接近于船舶实际操作。3.2 应用 3 种算法的船舶仿真航行对比应用 3 种算法的船舶在航行过程中所花费的步长及时间如表 2 所示。(d)应用算法的船舶航行度变化图(e)应用算法船舶航行速度变化图(f)应用算法的船舶航行速度变化图(c)应用算法的船舶航行轨迹图(b)应用算法的船舶航行轨迹图(a)应用算法的船舶航行轨迹图航向运动轨迹目标点膨化后的障碍物搜索空间水域宽度/格10108866442200水域长度/格航向运动轨迹目标点膨化后障碍物范围搜索空间水域宽度/格速度/(ms1)10108866442200水域长度/格时间/s航向运动轨迹目标点膨化后的障碍物搜索空间水域宽度/格10108866442200水域长度/格654321006.46.26.05.816 17 18 19 205101520253530速度/(ms1)时间/s65432106.46.26.05.85.65.417 18 19 20 2151015202530速度/(ms1)时间/s675432106.46.26.05.8161517185101520253530图 6采用 3 种算法所得仿真结果Fig.6 Simulation results using the three algorithms第 1 期李光泽等：基于动态窗口法的近海水域船舶避障算法研究235表 2 3 种算法在仿真运行时的步长及耗时对比Table 2 Comparison of step sizes and time-consumption usingthe three algorithms in simulation算法步长/步运行耗时/s39734.734530.429222.6 由表 2 中数据可得，相比算法，应用算法的仿真航行在航行耗时与仿真步长上分别降低了约 25.7%和 15.4%，相比算法，仿真航行在航行耗时与仿真步长上分别降低了约 26.4%和 34.9%。由此可见，所提算法可以使船舶使用更少的操作指令和更快的运行时间完成航行目标。同时，本文还从采用 3 种算法的船舶在仿真航行过程中与障碍物的最短距离、仿真运行时间以及仿真过程中目标船舶的速度变化 3 个方面进行了对比分析，结果如图 7 和图 8 所示。由图 7 可以看出，应用算法的仿真航行相比算法在遭遇动、静态障碍物最短距离的时间上降低了 8%和 9.3%，在遭遇动、静态障碍物的最短距离上分别提升了 17.6%和 9.2%。综合仿真中目标船舶与障碍物遭遇时间及遭遇最短距离的结果可知，应用算法的仿真航行相比算法和算法在与动、静态障碍物遭遇时提高了与障碍物的遭遇距离、降低了与单个障碍物的遭遇时间，提升了目标船舶的安全性、船舶航行效率和航行轨迹的平滑性。随后，本文对比分析了 3 种算法在仿真航行中的运行速度及运行时间，如图 8 所示。图中，运行流程表示仿真中目标船舶遭遇会遇情景。结合图 6（d）图 6（f）和图 8 分析可得，算法的仿真航行相比算法在 2 次遭遇障碍船舶时速度变化更平缓，当目标船舶遭遇对遇情景时，最低航速 1.7 m/s 增加到了 4.5 m/s；遭遇复杂会遇情景时，最低航速由 3.2 m/s 变为 5.2 m/s。可见，算法的仿真航行相比算法速度分别改善了 165%和 62.5%，与各障碍物相遇时间分别 降 低 了 16.5%和 6%，整 体 仿 真 时 间 降 低 了12.4%。进一步对比应用算法与算法的仿真航行，可得目标船舶遭遇复杂会遇情景时的速度改善了 13.5%，与各障碍物相遇时间分别降低了1.3%和 4.7%，总体时间提升了 25.6%。为进一步得到船舶在轨迹平滑性上的直观指标，提出了速度陡峭程度这一概念。由于同一路径上速度的变化程度不同，船舶航行所形成的轨迹不同，故所形成的船舶路径平滑度也不同，因此速度陡峭程度越小，其路径平滑度越高。应用3 种算法的仿真航速陡峭程度如表 3 所示。由表 3 可知，算法的仿真航行相比算法在船舶速度的陡峭程度上综合提升了 59%。将表 3 与图 8 所得出的航速，可得改进后的算法相比原算法速度综合改善了 124.5%，这同样也解释(a)与静态障碍物遭遇最短距离对比(b)与静态障碍物遭遇时间对比(d)与动态障碍物遭遇时间对比(c)与动态障碍物遭遇最短距离对比算法算法算法算法算法算法算法算法算法算法算法算法123456障碍物个数障碍物个数障碍物个数障碍物个数遭遇各障碍物最短距离的时间/s遭遇各障碍物最短距离的时间/s3.02.52.01.50.51.025201510501.0 1.5 2.0 2.5 3.01.01.52.02.53.03.5 4.0 4.5 5.0 5.5 6.01.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6 2.8 3.02826242220181614121080遭遇各障碍物的最短距离/km遭遇各障碍物的最短距离/km1.61.41.21.00.80.60.40.2图 7各算法仿真运行过程中的遭遇距离及对应时间对比Fig.7 Comparison of distance encountering with obstacle and cor-responding time using the three algorithms in simulation236“无人船艇自主性技术”专辑第 19 卷了应用算法的仿真航行运行时产生的运行轨迹平滑性得以大幅提升、各阶段运行时间大幅减少的原因。4 结语本文针对近海水域智能船舶在遭遇复杂的会遇情景时无法有效避让的问题，分析了近海水域对船舶避障的影响因素，提出近海水域船舶航行的最低避障要求，随后在 DWA 的目标函数中加入自适应航向、速度权值和船舶会遇态势判断对算法进行了优化。由仿真结果可知：改进后的DWA相比原始 DWA 在运行时间和步长上分别提升了26.4%和 34.9%，在动、静态障碍物距离上分别提升了 17.6%和 9.2%，在速度大小及速度陡峭程度上分别提升了 124.5%和 84%；在航行过程中得到的船舶避障轨迹更加平滑，提升了船舶在运行过程中的安全性，目标船舶可有效判断船舶避障责任并在夹击等复杂会遇情景下完成避障动作。但在本文实验中，未考虑船舶自身的运动学模型以及海洋环境中风、浪、流等对船舶航行的干扰，并且也未考虑船舶动力不足的情况，未来将从这几个方面进一步开展船舶避障算法研究。参考文献：SEUWOU P,BANISSI E,UBAKANMA G,et al.Act-or-network theory as a framework to analyse techno-logy acceptance models external variables:the case ofautonomous vehiclesC/Proceedings of the 11th Inter-national Conference on Global Security,Safety and Sus-tainability.London:Springer,2017:305320.1ZHENG J,MENG F,LI Y.Design and experimentaltesting of a free-running ship motion control platformJ.IEEE Access,2018,6:46904696.2LUMELSKY V J,STEPANOV A A.Path-planningstrategies for a point mobile automaton moving amidstunknown obstacles of arbitrary shapeJ.Algorithmica,1987,2(1):403430.3YAO Y L,LIANG X F,LI M Z,et al.Path planningmethod based on D*lite algorithm for unmanned sur-face vehicles in complex environmentsJ.China OceanEngineering,2021,35(3):372383.4WANG L P,ZHANG Z,ZHU Q D,et al.Ship routeplanning based on double-cycling genetic algorithm con-sidering ship maneuverability constraintJ.IEEE Access,2020,8:190746190759.5MOUSAZADEH H,JAFARBIGLU H,ABDOLMALEKIH,et al.Developing a navigation,guidance and obstacleavoidance algorithm for an unmanned surface vehicle(USV)by algorithms fusionJ.Ocean Engineering,2018,159:5665.6宁君,李学健,李伟,等.基于改进人工势场法的船舶自动避碰研究 J.舰船科学技术,2021,43(23):5964,154.NING J,LI X J,LI W,et al.Research on ship automat-ic collision avoidance based on improved artificial po-tential field methodJ.Ship Science and Technology,2021,43(23):5964,154(in Chinese).7FOX D,BURGARD W,THRUN S.The dynamic win-dow approach to collision avoidanceJ.IEEE Robotics&Automation Magazine,1997,4(1):2333.8詹京吴,黄宜庆.融合安全 A*算法与动态窗口法的机器人路径规划 J.计算机工程,2022,48(9):105112,120.ZHAN J W,HUANG Y Q.Path planning of robot com-bing safety A*algorithm and dynamic window approachJ.Computer Engineering,2022,48(9):105112,120(in Chinese).9李文刚,汪流江,方德翔,等.联合 A*与动态窗口法的路径规划算法 J.系统工程与电子技术,2021,43(12):36943702.LI W G,WANG L J,FANG D X,et al.Path planningalgorithm combining A*with DWAJ.Systems Engin-eering and Electronics,2021,43(12):36943702 (inChinese).10 表 3 应用 3 种算法的仿真航速陡峭程度对比Table 3 Comparison of speed steepness using the three algori-thms in simulation算法1(tan(u1t1)陡峭程度2(tan(u2t2)陡峭程度0.003 750.001 940.001 850.000 920.001 970.000 58(a)运行速度对比图算法算法算法算法算法算法时间/s012345678910运行流程/个122530203455678910运行流程/个1510(b)运行时间对比图速度/(ms1)7654321图 8各算法仿真运行时的速度及运行时间对比Fig.8 Comparison of running speed and running time using thethree algorithms in simulation第 1 期李光泽等：基于动态窗口法的近海水域船舶避障算法研究237