【技术实现步骤摘要】
本专利技术涉及水域自主导航，具体涉及一种基于深度强化学习的港口水域船舶自主导航方法。
技术介绍
1、传统的船舶导航主要依赖于人工操作，但在港口水域，由于航道狭窄、障碍物众多、水流复杂等因素，人工操作不仅效率低下，还存在较高的安全风险。随着人工智能技术的快速发展，特别是深度强化学习算法的广泛应用，船舶自主导航技术得到了显著提升。基于深度强化学习的港口水域船舶自主导航方法应运而生，为船舶在复杂水域的自主航行提供了新的解决方案。
2、一般来说，船舶在港口水域行驶时，主要依靠引航员对海域情况进行经验判断，但这种导航操作只能适用于海面开阔的港口环境，在面对复杂多变的港口水域环境时，其适应性和灵活性相对较差，不利于行驶的安全性。
3、综上所述，如何解决由于港口水域环境复杂多变导致行驶安全性差的问题已经成为本领域技术人员亟需解决的技术难题。因此，有必要提出一种基于深度强化学习的港口水域船舶自主导航方法。
技术实现思路
1、为解决上述问题，本专利技术提供一种基于深度强化学习的港口水...
【技术保护点】
1.一种基于深度强化学习的港口水域船舶自主导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度强化学习的港口水域船舶自主导航方法，其特征在于，步骤一中，扫描组件包括电子海图和控制器，控制器用于接收电子海图的地图信息；
3.根据权利要求2所述的基于深度强化学习的港口水域船舶自主导航方法，其特征在于，步骤一中，环境信息包括静态环境信息和动态环境信息；
4.根据权利要求3所述的基于深度强化学习的港口水域船舶自主导航方法，其特征在于，步骤一中，栅格化网络分为基础层、动态层和预测层；其中基础层分辨率为0.05海里，基础层用于...
【技术特征摘要】
1.一种基于深度强化学习的港口水域船舶自主导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度强化学习的港口水域船舶自主导航方法，其特征在于，步骤一中，扫描组件包括电子海图和控制器，控制器用于接收电子海图的地图信息；
3.根据权利要求2所述的基于深度强化学习的港口水域船舶自主导航方法，其特征在于，步骤一中，环境信息包括静态环境信息和动态环境信息；
4.根据权利要求3所述的基于深度强化学习的港口水域船舶自主导航方法，其特征在于，步骤一中，栅格化网络分为基础层、动态层和预测层；其中基础层分辨率为0.05海里，基础层用于识别码头位置、航道位置和固定障碍物；动态层分辨率为0.01海里，动态层用于识别潮汐、海流、风速和障碍船舶；预测层分辨率为0.1海里，预测层用于预测栅格化网络内未来5min的环境信息。
5.根据权利要求4所述的基于深度强化学习的港口水域船舶自主导航方法，其特征在于，步骤三中，船舶的航行动作包括但不限于加速、减速、左转、右转和持续时间；航行状态包括正常航行状态和异常航行状态。
6...
【专利技术属性】
技术研发人员：王宏波，毛帅威，马名洲，付昭斌，秦晓勇，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。