开云优惠体育网页版入口

专利名称：一种无人船舶航行路线规划方法及系统

专利类型：发明专利

专利申请号：CN202411281272.3

专利申请（专利权）人：时代天海(厦门)智能开云优惠体育网页版入口有限公司
权利人地址：福建省厦门市火炬高新区荟智空间新丰路178号C区202室-1

专利发明（设计）人：赵剑青

专利摘要：本发明适用于无人船舶管理技术领域，提供了一种无人船舶航行路线规划方法及系统，包括以下具体步骤：获取需补给船的补给请求；获取所有补给船的状态参数；将每个补给船的状态参数编码为初始特征向量；基于所有初始特征向量构建种群矩阵；对所述种群矩阵中的个体向量进行进化处理，以得到最终第一种群矩阵；根据第一预设约束条件对第一种群矩阵的个体向量进行筛。缘玫降诙种群矩阵；根据适应度函数计算第二种群矩阵的个体向量的适应度值；重复上述步骤，直至达到预设的迭代次数，以得到最终种群矩阵；根据最终种群矩阵和第二预设约束条件，确定补给船组合，并生成补给方案；本发明能够智能快速的完成补给任务。

主权利要求：
1.一种无人船舶航行路线规划方法，其特征在于，所述方法包括以下步骤：S100、获取需补给船的补给请求，并根据补给请求生成补给任务，所述补给请求包括需补给船的优先级、当前位置、所需物资类型和数量；
S200、获取所有补给船的状态参数，所述状态参数包括补给船的剩余电量、航行速度、物资种类与数量、能耗和当前位置；
S300、将每个补给船的状态参数编码为初始特征向量；
S400、基于所有初始特征向量构建种群矩阵，所述种群矩阵由多个个体向量组成，每个个体向量由多个特征向量组成；
S500、对所述种群矩阵中的个体向量进行进化处理，以得到最终第一种群矩阵；
S600、根据第一预设约束条件对第一种群矩阵的个体向量进行筛。缘玫降诙种群矩阵；
S700、根据适应度函数计算第二种群矩阵的个体向量的适应度值；
S800、重复上述S500到S700的步骤，直至达到预设的迭代次数，以得到最终种群矩阵；
S900、根据最终种群矩阵和第二预设约束条件，确定补给船组合，并生成补给方案；
对所述种群矩阵中的个体向量进行进化处理，以得到最终第一种群矩阵，包括：S510、对所述种群矩阵中的个体向量进行交叉操作，所述交叉操作通过随机选择交叉点并交换个体向量的基因片段，以生成新的个体向量；
S520、对交叉后的个体向量进行变异操作，所述变异操作通过随机改变个体向量中的一个或多个基因片段的属性值；
S530、将变异后的个体向量添加至第一种群矩阵中，以生成第一种群矩阵；
根据第一预设约束条件对第一种群矩阵的个体向量进行筛。缘玫降诙种群矩阵，包括：S610、对第一种群矩阵中的每个个体向量进行属性检查，判断其是否满足第一预设约束条件；
S620、当个体向量的属性值未满足第一预设约束条件时，对其淘汰；
S630、将满足第一预设约束条件的个体向量保留，生成第二种群矩阵；
适应度函数的计算公式为：
，其
中， 为个体向量 的适应度值；n为个体向量中包含的补给船数量； 为个体向量中的第j个补给船的总能耗； 为个体向量 中的第j个补给船的航行速度； 为预设的最大航行速度； 为个体向量 中的第j个补给船的物资种类与数量； 为需补给船所需的物资种类与数量； 为个体向量 中的第j个补给船的距离； 为预设的最大距离； 为需补给船的优先级，其中， ； 和 是权重系数； 和 分别是任务的最长允许时间和剩余时间； 是货物的价值， 是最大货物价值； 为个体向量 中的第j个补给船的剩余任务资源； , , , , ,为权重系数；
根据最终种群矩阵和第二预设约束条件，确定补给船组合，并生成补给方案，包括：S910、从种群矩阵中提取每个补给船个体向量，通过第二预设约束条件检测每个补给船的个体向量是否满足所需补给任务的具体需求；
S920、评估每个个体向量基于第二预设约束条件的适应度，以确定最终的个体向量；
S930、根据最终的个体向量，确定对应的补给船组合，为每艘补给船分配具体任务，包括补给物资种类和数量；
S940、利用路径规划算法确定每艘补给船的航行路线，根据船只的载荷能力和任务需求确定每艘船的装载量；
所述方法还包括执行补给方案时，根据实时采集的补给船的状态参数，动态调整补给方案，具体包括：获取外部环境变化数据，外部环境变化数据包括天气变化数据和海况变化数据；
计算外部环境变化数据对补给船能耗的影响，以得到能耗变化量；能耗变化量的计算公式为：，其中，
为能耗变化量； 表示风阻系数； 表示空气密度； 表示迎风面积； 表示当前风速；
表示之前风速; 表示波浪影响系数; 表示当前波高; 表示当前波周期;表示之前波高; 表示之前波周期；
根据能耗变化量和预设的能耗变化量阈值 ，调整补给方案的步骤如下：如果 ＞ ,则能耗增加超过可接受范围，需延长或提前补给时间点，实时更新补给方案，并计算航行路线的调整量，并通过通信系统发送至补给船和无人船舶；
航行路线的调整量的公式为：
；
其中， 表示航行路线的调整量；表示补给船与需补给船之间的距离； 表示完成补给任务的调整时间； 表示补给任务完成的总时间； 表示航行路线修正所需的控制力；和 表示权重。
2.一种无人船舶航行路线规划系统，其特征在于，应用于如权利要求1所述的方法中，所述系统包括：数据获取模块，用于获取需补给船的补给请求，并根据补给请求生成补给任务，所述补给请求包括需补给船的优先级、当前位置、所需物资类型和数量；
状态采集模块，用于获取所有补给船的状态参数，所述状态参数包括补给船的剩余电量、航行速度、物资种类与数量、能耗和当前位置；
编码模块，用于将每个补给船的状态参数编码为初始特征向量；
种群构建模块，用于基于所有初始特征向量构建种群矩阵，所述种群矩阵由多个个体向量组成，每个个体向量由多个特征向量组成；
进化处理模块，用于对所述种群矩阵中的个体向量进行进化处理，以得到最终第一种群矩阵；
筛选模块，用于根据第一预设约束条件对第一种群矩阵的个体向量进行筛。缘玫降诙种群矩阵；
适应度计算模块，用于根据适应度函数计算第二种群矩阵的个体向量的适应度值；
迭代处理模块，用于重复进化处理模块和筛选模块的操作，直至满足预设终止条件，以得到最终种群矩阵；
补给方案生成模块，用于根据最终种群矩阵和第二预设约束条件，确定补给船组合，并生成补给方案。
3.一种计算设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1所述的方法。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现如权利要求1所述的方法。 说明书 : 一种无人船舶航行路线规划方法及系统技术领域[0001] 本发明属于无人船舶管理技术领域，尤其涉及一种无人船舶航行路线规划方法及系统。背景技术[0002] 在传统的补给路线规划中，通常依赖于人工经验和简单的规则进行决策，这种方法在处理复杂、多变的海洋环境和航行条件时，往往显得力不从心。此外，随着无人船舶数量的增加和航行任务的多样化，传统方法的效率和准确性也受到了严重挑战。[0003] 例如，传统方法在处理多源、多维度的数据时，往往难以有效地整合和分析。例如，需补给船的状态、补给船的状态、海洋环境数据等都需要被综合考虑，但传统方法在这方面表现不佳。在面对大量数据时，传统方法可能处理速度较慢，无法及时响应航行路线的快速调整需求。发明内容[0004] 本发明的目的在于提供一种无人船舶航行路线规划方法及系统，旨在解决背景技术中所提到的问题。[0005] 本发明是这样实现的，提供了一种无人船舶航行路线规划方法，所述方法包括以下步骤：[0006] S100、获取需补给船的补给请求，并根据补给请求生成补给任务，所述补给请求包括需补给船的优先级、当前位置、所需物资类型和数量；[0007] S200、获取所有补给船的状态参数，所述状态参数包括补给船的剩余电量、航行速度、物资种类与数量、能耗和当前位置；[0008] S300、将每个补给船的状态参数编码为初始特征向量；[0009] S400、基于所有初始特征向量构建种群矩阵，所述种群矩阵由多个个体向量组成，每个个体向量由多个特征向量组成；[0010] S500、对所述种群矩阵中的个体向量进行进化处理，以得到最终第一种群矩阵；[0011] S600、根据第一预设约束条件对第一种群矩阵的个体向量进行筛。缘玫降诙种群矩阵；[0012] S700、根据适应度函数计算第二种群矩阵的个体向量的适应度值；[0013] S800、重复上述S500到S700的步骤，直至达到预设的迭代次数，以得到最终种群矩阵；[0014] S900、根据最终种群矩阵和第二预设约束条件，确定补给船组合，并生成补给方案。[0015] 优选地，对所述种群矩阵中的个体向量进行进化处理，以得到最终第一种群矩阵，包括：[0016] S510、对所述种群矩阵中的个体向量进行交叉操作，所述交叉操作通过随机选择交叉点并交换个体向量的基因片段，以生成新的个体向量；[0017] S520、对交叉后的个体向量进行变异操作，所述变异操作通过随机改变个体向量中的一个或多个基因片段的属性值；[0018] S530、将变异后的个体向量添加至第一种群矩阵中，以生成第一种群矩阵。[0019] 优选地，根据第一预设约束条件对第一种群矩阵的个体向量进行筛。缘玫降诙种群矩阵，包括：[0020] S610、对第一种群矩阵中的每个个体向量进行属性检查，判断其是否满足第一预设约束条件；[0021] S620、当个体向量的属性值未满足第一预设约束条件时，对其淘汰；[0022] S630、将满足第一预设约束条件的个体向量保留，生成第二种群矩阵。[0023] 优选地，适应度函数的计算公式为：[0024]，其中， 为个体向量 的适应度值；n为个体向量中包含的补给船数量； 为个体向量中的第j个补给船的总能耗； 为个体向量 中的第j个补给船的航行速度； 为预设的最大航行速度； 为个体向量 中的第j个补给船的物资种类与数量； 为需补给船所需的物资种类与数量； 为个体向量 中的第j个补给船的距离； 为预设的最大距离； 为需补给船的优先级，其中， ； 和 是权重系数； 和 分别是任务的最长允许时间和剩余时间； 是货物的价值， 是最大货物价值； 为个体向量 中的第j个补给船的剩余任务资源； , , , , ,为权重系数。[0025] 优选地，根据最终种群矩阵和第二预设约束条件，确定补给船组合，并生成补给方案，包括：[0026] S910、从种群矩阵中提取每个补给船个体向量，通过第二预设约束条件检测每个补给船的个体向量是否满足所需补给任务的具体需求；[0027] S920、评估每个个体向量基于第二预设约束条件的适应度，以确定最终的个体向量；[0028] S930、根据最终的个体向量，确定对应的补给船组合，为每艘补给船分配具体任务，包括补给物资种类和数量；[0029] S940、利用路径规划算法确定每艘补给船的航行路线，根据船只的载荷能力和任务需求确定每艘船的装载量。[0030] 优选地，所述方法还包括执行补给方案时，根据实时采集的补给船的状态参数，动态调整补给方案，具体包括：[0031] 获取外部环境变化数据，外部环境变化数据包括天气变化数据和海况变化数据；[0032] 计算外部环境变化数据对补给船能耗的影响，以得到能耗变化量；能耗变化量的计算公式为：[0033] ，其 中 ，为能耗变化量； 表示风阻系数； 表示空气密度； 表示迎风面积； 表示当前风速； 表示之前风速; 表示波浪影响系数; 表示当前波高; 表示当前波周期;表示之前波高; 表示之前波周期；[0034] 根据能耗变化量和预设的能耗变化量阈值 ，调整补给方案的步骤如下：[0035] 如果 ＞ ,则能耗增加超过可接受范围，需延长或提前补给时间点，实时更新补给方案，并计算航行路线的调整量，并通过通信系统发送至补给船和无人船舶。[0036] 优选地，航行路线的调整量的公式为：[0037] ；[0038] 其中， 表示航行路线的调整量； 表示补给船与需补给船之间的距离；表示完成补给任务的调整时间； 表示补给任务完成的总时间； 表示航行路线修正所需的控制力；和 表示权重。[0039] 本发明还提供了一种无人船舶航行路线规划系统，所述系统包括：[0040] 数据获取模块，用于获取需补给船的补给请求，并根据补给请求生成补给任务，所述补给请求包括需补给船的优先级、当前位置、所需物资类型和数量；[0041] 状态采集模块，用于获取所有补给船的状态参数，所述状态参数包括补给船的剩余电量、航行速度、物资种类与数量、能耗和当前位置；[0042] 编码模块，用于将每个补给船的状态参数编码为初始特征向量；[0043] 种群构建模块，用于基于所有初始特征向量构建种群矩阵，所述种群矩阵由多个个体向量组成，每个个体向量由多个特征向量组成；[0044] 进化处理模块，用于对所述种群矩阵中的个体向量进行进化处理，以得到最终第一种群矩阵；[0045] 筛选模块，用于根据第一预设约束条件对第一种群矩阵的个体向量进行筛。缘玫降诙种群矩阵；[0046] 适应度计算模块，用于根据适应度函数计算第二种群矩阵的个体向量的适应度值；[0047] 迭代处理模块，用于重复进化处理模块和筛选模块的操作，直至满足预设终止条件，以得到最终种群矩阵；[0048] 补给方案生成模块，用于根据最终种群矩阵和第二预设约束条件，确定补给船组合，并生成补给方案。[0049] 与现有技术相比，本发明的有益效果是：[0050] 通过多源传感器实时采集补给船的状态数据，能够有效地监控补给船在执行任务过程中关键状态的实时变化，所述状态数据包括补给船的剩余电量、当前位置、物资种类与数量、航行速度和能耗等重要参数，这些状态数据的实时获取与更新使得系统能够准确掌握每艘补给船的实际情况，确保补给任务可以根据最新的状态信息进行有效执行；接收需补给船发出的补给请求并根据补给请求生成补给任务，使得系统能够根据需补给船的实际需求动态生成补给任务。[0051] 所述补给请求包括需补给船的优先级、当前位置、所需物资类型和数量，通过这一过程，能够确保优先处理紧急和高优先级的补给请求，从而提升补给任务的紧急响应能力；根据需补给船的优先级确定补给任务的完成顺序，使得补给任务的执行更具科学性和合理性，这样可以优先满足需补给船的紧急需求，确保高优先级的补给任务能够得到及时处理和执行，避免由于任务排序不合理而导致的延误。[0052] 基于所有补给船的状态数据和补给任务的优先级，筛选具备执行补给任务能力的补给船组合，并对补给船组合的完成能力进行评估，最终得到最优的补给船组合，这一过程确保了补给任务能够由具备足够资源和执行能力的补给船执行，从而提高了补给任务的成功率；最终通过动态调整的补给方案，使得补给任务能够实时适应环境和补给船状态的变化，确保补给任务的顺利执行，相较于现有技术，本发明通过实时数据采集、任务动态生成与排序、补给船组合的智能筛选和动态调整，显著提升了无人船舶补给任务的执行效率、准确性和成功率，这种高效、智能的无人船舶航行路线规划方法在实际应用中具有极大的优势。附图说明[0053] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。[0054] 图1为本发明实施例提供的一种无人船舶航行路线规划方法的流程框图。具体实施方式[0055] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。[0056] 以下结合具体实施例对本发明的具体实现进行详细描述。[0057] 如图1所示，为本发明一个实施例提供的一种无人船舶航行路线规划方法的流程框图，所述方法包括以下步骤：[0058] S100、获取需补给船的补给请求，并根据补给请求生成补给任务，所述补给请求包括需补给船的优先级、当前位置、所需物资类型和数量；[0059] S200、获取所有补给船的状态参数，所述状态参数包括补给船的剩余电量、航行速度、物资种类与数量、能耗和当前位置；[0060] S300、将每个补给船的状态参数编码为初始特征向量；[0061] S400、基于所有初始特征向量构建种群矩阵，所述种群矩阵由多个个体向量组成，每个个体向量由多个特征向量组成；[0062] S500、对所述种群矩阵中的个体向量进行进化处理，以得到最终第一种群矩阵；[0063] S600、根据第一预设约束条件对第一种群矩阵的个体向量进行筛。缘玫降诙种群矩阵；[0064] S700、根据适应度函数计算第二种群矩阵的个体向量的适应度值；[0065] S800、重复上述S500到S700的步骤，直至达到预设的迭代次数，以得到最终种群矩阵；[0066] S900、根据最终种群矩阵和第二预设约束条件，确定补给船组合，并生成补给方案。[0067] 在本发明实施例中，无人船舶航行路线规划方法通过获取需补给船的补给请求，并根据补给请求生成补给任务，该任务包括需补给船的优先级、当前位置、所需物资类型和数量，从而能够有效地组织和分配任务资源，使得补给过程更加有序和高效；获取所有补给船的状态参数，所述状态参数包括补给船的剩余电量、航行速度、物资种类与数量、能耗和当前位置。[0068] 通过将每个补给船的状态参数编码为初始特征向量，能够为后续的优化过程提供精确的数据支持，使得补给船组合能够更好地适应实际任务需求；基于所有初始特征向量构建种群矩阵，所述种群矩阵由多个个体向量组成，每个个体向量由多个特征向量组成，这一过程为后续的进化处理提供了丰富的候选组合，确保了最终方案的多样性和可选择性；对所述种群矩阵中的个体向量进行进化处理，以得到最终第一种群矩阵，通过进化处理，能够不断优化种群矩阵中的个体向量，使得最终的补给船组合在多个维度上都具备较高的适应性；根据第一预设约束条件对第一种群矩阵的个体向量进行筛。缘玫降诙种群矩阵，该步骤通过严格的约束条件筛选出符合任务要求的个体向量，从而提高了补给任务的安全性和可靠性。[0069] 根据适应度函数计算第二种群矩阵的个体向量的适应度值，通过适应度函数的计算，能够精确评估各个体向量的优劣，为最终选择最优补给船组合提供科学依据；重复进化处理和筛选步骤，直至达到预设的迭代次数，以得到最终种群矩阵，通过迭代优化，确保最终选择的补给船组合具有最优的适应性和执行效率；根据最终种群矩阵和第二预设约束条件，确定补给船组合，并生成补给方案，该方案能够确保任务的成功执行，并最大限度地优化资源的利用。[0070] 其中，在S100中，在无人船舶航行路线规划方法中，第一步是获取需补给船的补给请求；需补给船可以是正在执行任务但因资源不足需要补给的船只，也可以是在途中因紧急情况需要物资支援的船只；补给请求通常由需补给船通过通信系统发送至控制中心，包含了以下关键信息：[0071] 优先级：表示需补给任务的紧急程度，优先级的高低将影响任务的调度顺序，优先级高的任务会被优先处理。[0072] 当前位置：表示需补给船的当前地理坐标或位置，以便计算补给船的最佳路线。[0073] 所需物资类型和数量：需补给船所需的具体物资种类，如燃料、水、食物或特定设备，及其数量，这些数据将决定需要派遣的补给船类型和所需的物资装载量。[0074] 在获取到补给请求后，根据这些数据生成补给任务，生成补给任务的过程包括评估需补给船的实际需求、当前可用的补给船数量及其状态，并为每个任务分配适当的资源，这一过程确保补给任务的规划具有高效性和针对性，能够根据实际情况快速响应。[0075] 其中，在S200中，在生成补给任务后，需要获取所有可用补给船的状态参数，以便选择合适的补给船组合；补给船的状态参数是其当前操作状态的全面描述，包括以下几项重要信息：[0076] 剩余电量：表示补给船当前电池的剩余能量，这决定了补给船的最大航行距离和可执行任务的时长。[0077] 航行速度：补给船在当前海况下的航行速度，较高的航行速度意味着补给船能够更快到达需补给船的位置，从而更迅速地完成补给任务。[0078] 物资种类与数量：补给船当前携带的物资种类及其库存数量，这一参数直接影响补给船是否能够满足需补给船的需求。[0079] 能耗：补给船在航行和执行任务过程中的能耗情况，这决定了补给船是否能够在不需要中途补充能源的情况下完成任务。[0080] 当前位置：补给船当前的地理位置，这一参数用于计算补给船到达需补给船位置所需的时间和距离。[0081] 通过获取这些状态参数，可以全面评估每艘补给船的当前能力，并在后续步骤中进行补给船组合的选择。[0082] 其中，在S300中，在获取所有补给船的状态参数后，系统将这些参数编码为初始特征向量。特征向量是一种数据结构，用于表示补给船的多维属性，以便后续的计算和分析。[0083] 每个补给船的状态参数都会被映射到特征向量中的相应维度，例如：[0084] 剩余电量映射到特征向量的一个维度；[0085] 航行速度映射到另一个维度；[0086] 物资种类与数量、能耗、当前位置等参数也分别映射到不同的维度。[0087] 通过这种方式，系统能够将复杂的补给船状态数据转换为标准化的数值形式，以便进行数学运算和优化，特征向量的每个维度对应一个具体的属性，系统可以通过对这些向量的操作来对补给船的状态进行处理。[0088] 其中，在S300中，在编码为初始特征向量之后，基于这些特征向量构建种群矩阵；种群矩阵是一个由多个个体向量组成的矩阵结构，每个个体向量代表一个可能的补给船组合。[0089] 具体来说：[0090] 个体向量：由多个补给船的特征向量组成，表示一个具体的补给船组合；每个个体向量对应一种可能的补给方案，系统将根据这些个体向量进行优化处理。[0091] 种群矩阵：由多个个体向量构成，表示所有可能的补给方案的集合；种群矩阵提供了丰富的候选方案，以便后续的进化处理和筛选。[0092] 构建种群矩阵的过程包括将初始特征向量按照不同的组合方式进行排列，从而生成不同的个体向量。这些个体向量将被放入种群矩阵中，为后续的优化过程提供基础。[0093] 作为本发明的一种优选实施例，对所述种群矩阵中的个体向量进行进化处理，以得到最终第一种群矩阵，包括：[0094] S510、对所述种群矩阵中的个体向量进行交叉操作，所述交叉操作通过随机选择交叉点并交换个体向量的基因片段，以生成新的个体向量；[0095] S520、对交叉后的个体向量进行变异操作，所述变异操作通过随机改变个体向量中的一个或多个基因片段的属性值；[0096] S530、将变异后的个体向量添加至第一种群矩阵中，以生成第一种群矩阵。[0097] 在本发明实施例中，无人船舶航行路线规划方法中的进化处理步骤通过对种群矩阵中的个体向量进行交叉操作，随机选择交叉点并交换个体向量的基因片段，以生成新的个体向量，从而提高了种群的多样性，增强了优化算法的全局搜索能力；对交叉后的个体向量进行变异操作，通过随机改变个体向量中的一个或多个基因片段的属性值，使得种群矩阵中的个体向量能够突破初始局限性，生成更多潜在优化组合，为后续的进化提供了更多的可能性；将变异后的个体向量添加至第一种群矩阵中，以生成第一种群矩阵，通过这一步骤，确保了种群的多样性和搜索空间的广度，从而提高了算法的适应性和任务执行的可靠性。[0098] 作为本发明的另一种优选实施例，根据第一预设约束条件对第一种群矩阵的个体向量进行筛。缘玫降诙种群矩阵，包括：[0099] S610、对第一种群矩阵中的每个个体向量进行属性检查，判断其是否满足第一预设约束条件；[0100] S620、当个体向量的属性值未满足第一预设约束条件时，对其淘汰；[0101] S630、将满足第一预设约束条件的个体向量保留，生成第二种群矩阵。[0102] 在本发明实施例中，通过对第一种群矩阵的个体向量进行筛。繁Ｉ傻牡诙种群矩阵中的个体向量符合第一预设约束条件，通过对第一种群矩阵中的每个个体向量进行属性检查，判断其是否满足第一预设约束条件，从而过滤掉不符合任务需求的个体向量，提高了种群的质量和任务的执行成功率；当个体向量的属性值未满足第一预设约束条件时，立即对其淘汰，避免了不合格个体向量的参与，减少了不必要的计算负担；通过这一精细筛选过程，确保了后续进化处理和适应度计算的有效性和精确性，从而进一步优化了补给船组合的选择。[0103] 作为本发明的另一种优选实施例，适应度函数的计算公式为：[0104]，其中， 为个体向量 的适应度值；n为个体向量中包含的补给船数量； 为个体向量中的第j个补给船的总能耗； 为个体向量 中的第j个补给船的航行速度； 为预设的最大航行速度； 为个体向量 中的第j个补给船的物资种类与数量； 为需补给船所需的物资种类与数量； 为个体向量 中的第j个补给船的距离； 为预设的最大距离； 为需补给船的优先级，其中， ； 和 是权重系数； 和 分别是任务的最长允许时间和剩余时间； 是货物的价值， 是最大货物价值； 为个体向量 中的第j个补给船的剩余任务资源； , , , , ,为权重系数。[0105] 在本发明实施例中，通过优化适应度函数计算个体向量的适应度值，以准确评估补给船组合的优劣，通过适应度函数的复杂计算公式，考虑了补给船的总能耗、航行速度、物资种类与数量、需补给船的优先级和补给船之间的距离等多项因素，使得适应度计算更加全面，能够为进化处理提供明确的优化方向；通过对优先级的考虑，可以确保重要任务得到优先处理，从而在资源有限的情况下，最大化任务执行的效率和效果，这种复杂的适应度评估方法增强了算法的智能性和灵活性，确保补给任务的高效执行。[0106] 作为本发明的另一种优选实施例，根据最终种群矩阵和第二预设约束条件，确定补给船组合，并生成补给方案，包括：[0107] S910、从种群矩阵中提取每个补给船个体向量，通过第二预设约束条件检测每个补给船的个体向量是否满足所需补给任务的具体需求；[0108] S920、评估每个个体向量基于第二预设约束条件的适应度，以确定最终的个体向量；[0109] S930、根据最终的个体向量，确定对应的补给船组合，为每艘补给船分配具体任务，包括补给物资种类和数量；[0110] S940、利用路径规划算法确定每艘补给船的航行路线，根据船只的载荷能力和任务需求确定每艘船的装载量。[0111] 在本发明实施例中，在最终确定补给船组合并生成补给方案时，通过对种群矩阵中的每个补给船个体向量进行第二预设约束条件的检测，确保最终生成的补给船组合能够完全满足补给任务的具体需求，通过评估每个个体向量基于第二预设约束条件的适应度，以确定最终的个体向量，从而选择最优的补给船组合，并为每艘补给船分配具体任务，确保任务分配的精确性；通过路径规划算法确定每艘补给船的航行路线，并根据船只的载荷能力和任务需求确定每艘船的装载量，这一过程进一步优化了补给船的调度和资源利用，提高了补给任务的执行效率和成功率。[0112] 其中，在评估每个个体向量基于第二预设约束条件的适应度时，系统会首先根据补给任务的具体需求确定第二预设约束条件。[0113] 该第二预设约束条件通常包括以下几点：[0114] 每个补给船的物资种类与数量是否能满足需补给船的需求；[0115] 补给船的能耗是否在可接受范围内；[0116] 补给船之间的距离是否符合任务要求；[0117] 航行速度是否能够保证任务在规定时间内完成。[0118] 在每个个体向量中，包含若干个补给船的特征向量，系统会对这些特征向量进行逐一分析，以判断其是否满足第二预设约束条件。[0119] 例如，如果某个个体向量中的某一补给船在执行任务时，其能耗超出了预设阈值，或其提供的物资数量不足以满足需补给船的需求，则该个体向量的适应度将受到影响，从而可能不会被选为最终的补给船组合。[0120] 通过对所有个体向量进行类似的评估，系统最终筛选出适应度最高且满足第二预设约束条件的个体向量，从而确定最优的补给船组合，在确定了最终的补给船组合后，系统需要利用路径规划算法为每艘补给船规划最优航行路线。[0121] 其中，路径规划算法通常考虑以下因素：[0122] 海洋环境的实时数据，如风速、海浪高度和海流速度；[0123] 补给船的当前位置和目的地之间的最短距离；[0124] 避开恶劣天气或海况的安全路径；[0125] 补给船的能耗情况及航行速度。[0126] 具体来说，路径规划算法会首先获取当前的海洋环境数据，并分析这些数据对航行的影响，例如，如果某一区域存在强风或大浪，算法将避免将补给船的航行路线规划经过该区域。[0127] 其次，算法会计算补给船从当前位置到需补给船的最短路径，并考虑是否有可替代的、更安全的路径，在此过程中，算法会考虑补给船的能耗情况，以确保在完成任务的同时，能量消耗最。钪，算法生成每艘补给船的航行路线，并将该信息发送至补给船，确保补给任务按计划顺利执行。[0128] 作为本发明的另一种优选实施例，所述方法还包括执行补给方案时，根据实时采集的补给船的状态参数，动态调整补给方案，具体包括：[0129] 获取外部环境变化数据，外部环境变化数据包括天气变化数据和海况变化数据；[0130] 计算外部环境变化数据对补给船能耗的影响，以得到能耗变化量；能耗变化量的计算公式为：[0131] ，其 中 ，为能耗变化量； 表示风阻系数； 表示空气密度； 表示迎风面积； 表示当前风速； 表示之前风速; 表示波浪影响系数; 表示当前波高; 表示当前波周期;表示之前波高; 表示之前波周期；[0132] 根据能耗变化量和预设的能耗变化量阈值 ，调整补给方案的步骤如下：[0133] 如果 ＞ ,则能耗增加超过可接受范围，需延长或提前补给时间点，实时更新补给方案，并计算航行路线的调整量，并通过通信系统发送至补给船和无人船舶。[0134] 在本发明实施例中，在执行补给方案时，通过实时采集补给船的状态参数，动态调整补给方案，有效提高了补给任务的灵活性和适应性，通过获取外部环境变化数据，并计算这些变化对补给船能耗的影响，以得到能耗变化量，能够实时反映外部环境对航行过程的影响；通过能耗变化量的计算公式，准确量化了风速、波高等因素对能耗的影响，并根据能耗变化量和预设的能耗变化量阈值，动态调整补给时间点和航行路线，确保补给任务能够在复杂和多变的环境下顺利完成；在环境条件发生较大变化时，及时更新补给方案，确保任务的执行符合实际情况，显著提升了无人船舶在复杂海况下的任务执行能力。[0135] 其中，具体来说，在实施过程中，无人船舶可能会遇到不可预测的外部环境变化，如天气恶劣、海况波动等，这些变化将直接影响补给船的能耗及航行路线；为了确保任务的成功执行，系统需要能够实时监测这些外部环境的变化，并根据这些数据动态调整补给方案。[0136] 外部环境变化数据的来源包括天气预报系统、海洋监测系统等，这些系统能够提供实时的风速、海浪高度、海流速度等数据；系统通过传感器或通信系统获取这些数据，并将其输入能耗变化计算模块，以计算当前的能耗变化量。[0137] 在这种情况下，系统将根据能耗变化量和预设的能耗变化量阈值 ，实时调整补给方案，例如改变补给时间点、调整航行路线或改变任务优先级，以确保任务顺利完成。[0138] 例如，在一次补给任务中，原本计划在海上某个区域进行补给操作，但突然接收到气象预警，显示该区域将出现强风和大浪，系统通过能耗变化量公式计算得出，继续按照原计划执行任务将显著增加能耗，并可能导致任务失败。[0139] 此时，系统自动调整补给时间，将补给操作提前到风暴到达之前，并重新规划补给船的航行路线，使其避开恶劣天气区域，这种动态调整确保了任务的成功执行，同时降低了船只在恶劣环境中航行的风险。[0140] 作为本发明的另一种优选实施例，航行路线的调整量的公式为：[0141] ；[0142] 其中， 表示航行路线的调整量； 表示补给船与需补给船之间的距离；表示完成补给任务的调整时间； 表示补给任务完成的总时间； 表示航行路线修正所需的控制力；和 表示权重。[0143] 在本发明实施例中，在航行路线的调整过程中，通过计算航行路线的调整量，精确调整补给船的航行路线，以应对环境变化的影响，通过航行路线调整量的计算公式，考虑了能耗变化、补给船与需补给船之间的距离、完成补给任务的调整时间和航行路线修正所需的控制力等因素，这些多因素的加权计算确保了航行路线调整的合理性和精确性；通过对完成补给任务的调整时间的考虑，能够在任务时间紧迫的情况下，优先进行必要的路线调整，以确保任务的准时完成；引入控制力这一因素，能够根据实际海况和船舶性能，对航行路线修正的可行性进行评估，从而避免不必要的路线偏移，确保任务的顺利执行和航行过程的安全性。[0144] 本发明还提供了一种无人船舶航行路线规划系统，应用于上述方法中，所述系统包括：[0145] 数据获取模块，用于获取需补给船的补给请求，并根据补给请求生成补给任务，所述补给请求包括需补给船的优先级、当前位置、所需物资类型和数量；[0146] 状态采集模块，用于获取所有补给船的状态参数，所述状态参数包括补给船的剩余电量、航行速度、物资种类与数量、能耗和当前位置；[0147] 编码模块，用于将每个补给船的状态参数编码为初始特征向量；[0148] 种群构建模块，用于基于所有初始特征向量构建种群矩阵，所述种群矩阵由多个个体向量组成，每个个体向量由多个特征向量组成；[0149] 进化处理模块，用于对所述种群矩阵中的个体向量进行进化处理，以得到最终第一种群矩阵；[0150] 筛选模块，用于根据第一预设约束条件对第一种群矩阵的个体向量进行筛。缘玫降诙种群矩阵；[0151] 适应度计算模块，用于根据适应度函数计算第二种群矩阵的个体向量的适应度值；[0152] 迭代处理模块，用于重复进化处理模块和筛选模块的操作，直至满足预设终止条件，以得到最终种群矩阵；[0153] 补给方案生成模块，用于根据最终种群矩阵和第二预设约束条件，确定补给船组合，并生成补给方案。[0154] 本发明还提供了一种计算设备，包括：[0155] 一个或多个处理器；[0156] 存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述方法。[0157] 本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现上述方法。[0158] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

专利地区：福建

专利申请日期：2024-09-13

专利公开日期：2024-11-29

专利公告号：CN118795896B