[发明专利]一种无人艇的无人驾驶方法及系统

说明书

本发明公开了一种无人艇的无人驾驶方法，装置和存储介质，该方法通过获取无人艇的航行路线、航行过程中产生的航行数据，根据采集时间的不同，用时间戳加以区分，根据获取到的数据，使用预设的模型生成不同两种以上的操控建议数据，选择一项建议参数，用于辅助无人艇的自主航行，在设定时间内再次采集数据，判断是否符合需求，如符合，继续执行；如不符合，由模型再次生成建议数据，并存储所有数据用于模型训练，本设计降低了远程操控/无人驾驶过程中的碰撞风险。

技术领域

本发明涉及船舶操纵控制技术领域，具体为一种无人艇的无人驾驶方法及系统。

背景技术

为了对水上环境进行探测或监视，通常需要利用船舶搭载相应的探测设备航行至相应的目的地点以便进行探测，而至于搭载探测设备的船舶，包括载人艇和不搭载人员的无人艇，至于载人艇来说，为了提供足够的搭载能力以便搭载人员和设备，需要足够排水体积和其他支持能力，从而使得载人艇体积大，这样不利于携带，而且这样的载人艇的建造和使用成本高，同时，搭载人员还要保证载无人艇搭载的人员安全，不能进入恶劣环境下人员的安全，从而带来诸多缺陷，而无人艇，由于不搭载人员，则一方面可以降低无人艇的安全性要求，同时减少搭载容量，这可使得无人艇的体积减小，从而可以便于携带，另一方面不搭载人员可以支持能力，也利于节省成本，尤其是，无人艇是一种可移动的无人水面平台，和载人艇相比，无人艇特别适用于执行危险和不适合人工作业的任务，尤其是如恶劣环境下的数据采集、危险工况的数据监测等，这些都需要无人艇执行不同的任务。

作为无人艇来说，由于不搭载操纵人员，则需要通过远程控制无人艇操纵的方式进行操纵或者通过设于无人艇上的传感设备和自动控制设备进行自动操纵，使用自动控制设备进行自动操纵是现有技术中很常见的一种操纵方式，而在利用自动控制设备自动操纵的无人艇中，通常包括传感设备、路径规划设备和动力设备，而其中，无人艇的路径规划和无人艇的动力装置是无人艇最核心的组件，路径规划算法的优劣决定了无人艇执行任务的效率，动力装置决定了无人艇的可操控性。

在无人艇的操纵驾驶方面，现有技术中也有些相应的自动化控制技术，如：专利申请CN113672832A公开了一种基于端边云及深度强化学习的无人机械协作方法包括如下步骤：根据无人艇和/或无人机的不同任务的作业要求，设计一个适合该任务的自主导航边缘智能模型；在核心云端基于无人艇和无人机协作的作业要求，进行基于深度强化学习的仿真训练；在核心云端的第一DRL训练模块中基于真实场景采用sim2real部署仿真训练获取的自主导航边缘智能模型；通过第一通讯模块将第一DRL训练模块中的自主导航边缘智能模型下发至边侧端的第二DRL训练模块，该申请采取端边云计算方案，通过增加节点的方式，使得数据传输的速度更快，处理更及时，而且在无人机和无人艇在执行任务之前，通过测试时延，选择合适的深度强化学习通信架构，可以选择最合适的通信线路，降低通信时延。

专利申请CN113503878A公开了一种无人船路径规划方法及系统，涉及智能船舶自主航行技术领域，用以解决智能船舶在复杂航行环境下的路径求解优化问题和收敛速度问题。所述无人船路径规划方法包括利用加权双重机制持续更新两个独立的Q表。所述无人船路径规划系统包括六个相互关联的系统单元，本发明提供的无人船路径规划方法及系统用于提升智能船舶航行时的自主行为决策能力。

专利申请CN113176776A公开了一种基于深度强化学习的无人艇天气自适应避障方法，包括：基于PPO算法构建深度强化网络；构建无人艇避障的仿真环境与无人艇模型，定义无人艇模型的状态空间包括：无人艇模型上的图像传感器采集的环境图像与预设目标点的三维坐标信息；动作空间包括：无人艇模型的转向角度与推力；设计基于时序距离的奖励函数作为优化依据；利用深度强化网络采样不同天气下无人艇模型在与仿真环境交互时产生的样本数据；基于PPO算法，利用样本数据对深度强化网络进行训练得到不同天气下无人艇的自动避障模型。该避障方法能够实时感知天气变化，动态选取预训练避障模型，使无人艇模型适应不同的天气。