科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]面向弯曲、狭窄、拥挤内河水道，提出一种船岸协同支持下基于CNN算法和知识模型的船舶远程驾控方法。[方法]在剖析船岸协同特点的基础上，以视觉模拟为核心实现环境自主感知，以深度强化学习为基础实现航行决策控制，构造由图像深度学习处理、航行态势认知、航线稳态控制等功能组成的人工智能系统。实现内河条件下运营船舶的远程控制与短时自主航行，开展内河集装箱船、渡船的远程驾控示范。[结果]示范航行中，系统可依据远程或船上指令替代人工控制船舶，控制循线误差小于20 m，并可自主避障。[结论]研究证实，通过卷积神经网络、强化学习、知识模型协作建立的人工智能系统，可自主提取关键航行信息、构造避障与控制意识，部分替代船员的工作，可为内河智能航运的进一步发展奠定基础。
- 单位
