基于数据化最优效率的无人船路径规划系统及其方法与流程

1.本发明涉及船舶技术领域，更具体地涉及一种基于数据化最优效率的无人船路径规划系统及其方法。


背景技术：

2.现有的无人船航向控制系统可以用来接近或规避某些目标，相当于航迹规划或者是综合避障，控制技术就是无人船的运动姿态进行航线、航向的控制，使船舶在无人控制的情况下依旧可以照常行驶，现有的无人船航向控制系统可以在行驶区域识别和规避障碍物，并可以对障碍物进行提前预测，现阶段无人船航向控制系统在多方面领域均可应用，发展日趋成熟。
3.然而上述技术仍存在不足，具体如下；
4.现有的无人船航向控制系统大部分用来规避障碍物和进行自动航巡，运用的方向也在测绘或军事方面，民用方面并没有被大力度推广，现有的技术只能对规定的路线进行行驶和障碍物探测，不可以智能分析最优路线，以达到能源使用最大化的目的，客户在进行路径行驶时，只能提前规划路线，无人船按照提前规划好的路线进行行驶，至于提前规划好的路线是否是最优路线，以及规划好的路线是否可以节约能源和时间，现有技术无法判断，造成了能源和时间的损耗。


技术实现要素：

5.为了克服现有技术的上述缺陷，本发明提供了基于数据化最优效率的无人船路径规划系统及其方法，以解决上述背景技术中存在的问题。
6.本发明提供如下技术方案：基于数据化最优效率的无人船路径规划系统，包括：
7.云端管理模块：用于帮助用户选择合适的规划方案并利用网络确定目标定位点，用户利用平台在地图上进行选点操作，选出自己所需要的目标定位点，并根据自己的需求选择合适的规划方式；
8.数据采集模块：用于采集用户的出发点以及目标定位点之间的位置信息，并将其连接成一条连续的多线段或一个多边形区域；
9.船体计算模块：用于对采集的数据进行计算，得出运行最短路径路线或达到最少能源消耗的区域路线，所述船体计算模块包括路径规划方式单元以及区域规划方式单元；
10.其中，所述路径规划单元通过a类路线算法对选取路径规划方式的路径路线进行计算，得出最优路线方案a，所述区域规划单元通过b类路线算法对选取区域路线规划方案的路径路线进行计算，得出最优路线方案b，所述最优路线方案a即为运行最短路径路线，所述最优路线方案b即为最少能源消耗的区域路线；
11.航向控制模块：通过船体计算模块得出的最优路线方案，向船体发送电机脉冲与舵机信号指令使船体按路线方案运行，进行自动驾驶与航向转变；
12.反馈模块：用于将航向控制模块的信息实时反馈给云端管理模块，对船体运行情
况进行实时人机交互，根据路线颜色不同对已行驶路线和未行驶路线进行区分。
13.优选的，所述a类路线算法对选取路径规划方式的路径路线进行计算包括以下步骤：
14.步骤s01：通过数据采集模块对用户的出发点以及各目标定位点进行位置信息采集；
15.步骤s02：将各目标定位点按照顺序进行连接，找出两个定位点之间的直线ab、曲线ab以及折线ab三种不同路径，分别对其进行计算；
16.步骤s03：通过最短距离算法对每条最短路径的直线距离进行计算，通过折线距离算法对折线路径进行计算，通过曲线距离算法对曲线路径进行计算，比较过后得到多条两点之间的最短路径；
17.步骤s04：通过整体路径距离算法对各定位点连成的整体路径最短距离进行计算。
18.优选的，所述最短距离算法公式为：其中xn是定位坐标点的横坐标，x
n-1
是上一个定位坐标点的横坐标，yn是定位坐标点的纵坐标，y
n-1
是上一个定位坐标点的纵坐标，所述折线距离算法的公式为：其中，c点是两定位点内任取的一点，c点在两定位点区域内，且c点与两定位点不在同一条直线上，所述曲线距离算法的公式为：
19.优选的，所述整体路径距离算法公式为：
20.优选的，所述b类路线算法对选取区域路线规划方案的路径路线进行计算包括以下步骤：
21.步骤s11：采集船体在纵荡、横荡以及艏摇运动中消耗的能量数据、船体的位移和转角数据以及船体在x，y轴方向平动以及旋转这三个自由度运动中推进器提供的推力和力矩数据等相关数据；
22.步骤s12：基于主成分分析法计算出区域内的全部区域路径，并标记为s1、s2、s3……sp
，利用采集的数据建立船体能耗模型，对船体区域路线的能耗进行初步分析计算；
23.步骤s13：通过风险因素评估公式对区域路线进行安全评估，对搜索到的所有区域路径进行风险区域检测；
24.步骤s14：通过修正模型引入能量代价函数对能耗模型进行修正，同时结合风险因素评估公式的结果，得出最优区域路线。
25.优选的，所述基于主成分分析法计算出区域内的全部区域路径包括以下步骤：
26.步骤s21：设该区域内存在n个路径主体方向，采用向量形式将其记为n＝(n1,n2,n3…nn
)
t
，每个路径主体方向在区域内对应有m条间隔为d的平行线，采用向量形式将其记为ni＝(n
i1
,n
i2
,n
i3
…nim
)
t
；
27.步骤s22：将步骤s21中的n与ni构造样本阵，并利用标准化变换公式对其进行标准化变换得出矩阵z；
28.步骤s23：通过相关系数计算公式对矩阵z进行相关系数矩阵计算；
29.步骤s24：求出相关矩阵r的特征方程，得出p个特征根，确定主成分，并将标准化后的向量转换为主成分。
30.优选的，所述能耗模型的计算公式为：
31.其中：
[0032][0033][0034][0035]
优选的，所述能量代价函数的公式为：fe(p)＝ge(p)+he(p)，其中，fe(p)为从用户出发点至目标终点时估算的能量值，ge(p)为从用户出发点到区域内某中间节点p的能量值，he(p)为从中间节点p到目标终点的估算能量值。
[0036]
优选的，所述风险因素评估公式为：其中，k为风险系数，si为目标定位点到不同障碍物的距离，所述r的范围满足r∈(0,u)，u为区域内障碍物的数量。
[0037]
基于数据化最优效率的无人船路径规划方法，包括以下步骤：
[0038]
步骤s31：目标定位点及规划方案选取：用户在地图上进行目标点选择，并选择合适的规划方案，利用网络确定目标定位点与路径规划方式；
[0039]
步骤s32：根据目标定位点与选取的规划方案进行信息采集：采集用户的出发点以及目标定位点之间的位置信息，并将其连接成一条连续的多线段或一个多边形区域；
[0040]
步骤s33：对采集的数据进行计算：当用户选取的规划方案为路径规划方式时，执行步骤s24对运行最短路径路线进行计算，当用户选取的规划方案为区域规划方式时，执行步骤s25对达到最少能源消耗的区域路线进行计算；
[0041]
步骤s34：通过a类路线算法对选取路径规划方式的路径路线进行计算，得出最优路线方案a；
[0042]
步骤s35：通过b类路线算法对选取区域路线规划方案的路径路线进行计算，得出最优路线方案b；
[0043]
步骤s36：发送运行数据：根据最终得出的最优路线方案，向船体发送电机脉冲与舵机信号指令使船体按路线方案运行，进行自动驾驶与航向转变；
[0044]
步骤s37：将船体运行信息进行实时反馈：对船体运行情况进行实时人机交互，将已行驶路线和未行驶路线进行区分。
[0045]
本发明的技术效果和优点：
[0046]
本发明通过设有云端管理模块以及船体计算模块，，有利于通过云端管理模块增加选择功能，用户可以自主选择规划模式，区域规划或者是路径规划，并根据用户选择模式和定位点的不同，得出不同的最优行驶方案，船体计算模块分为了路径规划方式单元以及区域规划方式单元，针对路径规划，通过a类路线算法，针对路径划分阶段计算得出最优路径，针对区域规划，采用b类路线算法实现最少转弯次数，利用修正模型进行修正，保证最小能源消耗，同时结合风险因素评估公式，对区域路线中的风险因素进行评估，进而实现能源
使用率最大化。
附图说明
[0047]
图1为本发明的基于数据化最优效率的无人船路径规划系统结构图。
[0048]
图2为本发明的基于数据化最优效率的无人船路径规划系统流程图。
具体实施方式
[0049]
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，另外，在以下的实施方式中记载的各结构的形态只不过是例示，本发明所涉及的基于数据化最优效率的无人船路径规划系统及其方法并不限定于在以下的实施方式中记载的各结构，在本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式都属于本发明保护的范围。
[0050]
本发明提供了基于数据化最优效率的无人船路径规划系统，包括云端管理模块、数据采集模块、船体计算模块、航向控制模块以及反馈模块；
[0051]
所述云端管理模块用于帮助用户选择合适的规划方案并利用网络确定目标定位点，所述目标定位点包括目标定位点的距离以及定位点的具体位置坐标，用户利用平台在地图上进行选点操作，选出自己所需要的目标定位点，并根据自己的需求选择合适的规划方式，所述规划方式包括路径规划方式以及区域规划方式；
[0052]
所述数据采集模块用于采集用户的出发点以及目标定位点之间的位置信息，并将其连接成一条连续的多线段或一个多边形区域，当用户选取路径规划方式时，所述目标定位点必须满足i≥1，当用户选取区域规划方式时，所述目标定位点必须满足i≥3，其中，i为目标定位点个数，假设存在i个目标定位点，则p1为第一个目标定位点，pi为第一个目标定位点；
[0053]
所述船体计算模块用于对采集的数据进行计算，得出运行最短路径路线或达到最少能源消耗的区域路线；
[0054]
所述船体计算模块包括路径规划方式单元以及区域规划方式单元，所述路径规划单元通过a类路线算法对选取路径规划方式的路径路线进行计算，得出最优路线方案a，所述区域规划单元通过b类路线算法对选取区域路线规划方案的路径路线进行计算，得出最优路线方案b，所述最优路线方案a即为运行最短路径路线，所述最优路线方案b即为最少能源消耗的区域路线；
[0055]
所述航向控制模块通过船体计算模块得出的最优路线方案，向船体发送电机脉冲与舵机信号指令使船体按路线方案运行，进行自动驾驶与航向转变，根据数据的不同向船体动力控制盒传递指令，以保证船体按照预期方案前进，还可以进行实时定位，将定位信息传递给反馈模块；
[0056]
所述反馈模块将航向控制模块的信息实时反馈给云端管理模块，对船体运行情况进行实时人机交互，方便云端管理模块进行船只跟踪和路线行驶监测，根据路线颜色不同对已行驶路线和未行驶路线进行区分，走完最后一个点的任务时，显示线路消失，等待下一次规划，方便用户实时掌握行进状况，保证了行进的安全性和能源最高利用率；
[0057]
所述云端管理模块用于引导客户选择合适的规划方式并将数据传输至数据采集
模块，所述数据采集模块对用户的出发点位置信息以及目标点的位置信息进行采集，并传输至船体计算模块，所述船体计算模块对采集的数据进行计算，当用户选取的规划方式为路径规划方式时，所述船体计算模块将数据采集模块的数据信息传输至路径规划方式单元，当用户选取的规划方式为区域规划方式时，所述船体计算模块将数据采集模块的数据信息传输至区域方式规划单元，并将计算的结果传输至船向控制模块，所述航向控制模块依据船体计算模块的数据信息对船体进行控制，并实时将数据传输至反馈模块，所述反馈模块将航向控制模块的信息实时反馈给云端管理模块，云端管理模块依据实时定位改变显示平台路线的颜色，用以区分已走的路线与未走的路线。
[0058]
本实施例中，需要具体说明的是，所述云端管理模块中路径规划方式以及区域规划方式两种选择都能保证能源利用率最大化。
[0059]
本实施例中，需要具体说明的是，所述a类路线算法对选取路径规划方式的路径路线进行计算包括以下步骤：
[0060]
步骤s01：通过数据采集模块对用户的出发点以及各目标定位点进行位置信息采集；
[0061]
步骤s02：将各目标定位点按照顺序进行连接，由于两个定位点之间可以有无数条路径，路径可以为直线ab、曲线ab、折线ab，从而分别对其进行计算；
[0062]
步骤s03：通过最短距离算法对每条最短路径的直线距离进行计算，通过折线距离算法对折线路径进行计算，通过曲线距离算法对曲线路径进行计算，比较过后得到多条两点之间的最短路径；
[0063]
所述最短距离算法公式为：其中xn是定位坐标点的横坐标，x
n-1
是上一个定位坐标点的横坐标，yn是定位坐标点的纵坐标，y
n-1
是上一个定位坐标点的纵坐标；
[0064]
其中两个定位点之间可以有无数条路径，路径可以为直线ab、曲线ab、折线ab等；
[0065]
当两点之间路径为折线时，即在两点中间的区域取与两点不在一条直线上的另外一点，若两定位点分别为a,b，并另取一点c，a,b,c三点可以构成一三角形，计算两点间的折线距离：
[0066]
三角形内两边之和大于第三边，即ab《ac+cb，此时路径为折线的距离大于路径为直线的距离；
[0067]
当两点之间的路径为曲线ab时，弧长公式为：此时ab弧长的值与a、b两点的横坐标有关，弧长ab》ab；
[0068]
步骤s04：通过整体路径距离算法对各定位点连成的整体路径最短距离进行计算；
[0069]
所述整体路径距离算法公式为：
[0070]
本实施例中，需要具体说明的是，b类路线算法对选取区域路线规划方案的路径路线进行计算包括以下步骤：
[0071]
步骤s11：采集船体在纵荡、横荡以及艏摇运动中消耗的能量数据、船体的位移和转角数据以及船体在x，y轴方向平动以及旋转这三个自由度运动中推进器提供的推力和力
矩数据等相关数据；
[0072]
步骤s12：基于主成分分析法计算出区域内的全部区域路径，并标记为s1、s2、s3……sp
，利用采集的数据建立船体能耗模型，对船体区域路线的能耗进行初步分析计算；
[0073]
步骤s13：通过风险因素评估公式对区域路线进行安全评估，对搜索到的所有区域路径进行风险区域检测；
[0074]
步骤s14：通过修正模型引入能量代价函数对能耗模型进行修正，同时结合风险因素评估公式的结果，得出最优区域路线。
[0075]
本实施例中，需要具体说明的是，所述基于主成分分析法计算出区域内的全部区域路径包括以下步骤：
[0076]
步骤s21：设该区域内存在n个路径主体方向，采用向量形式将其记为n＝(n1,n2,n3…nn
)
t
，每个路径主体方向在区域内对应有m条间隔为d的平行线，采用向量形式将其记为ni＝(n
i1
,n
i2
,n
i3
…nim
)
t
，其中，m＞n，d可根据具体情况进行人为设定，本实施例不对具体数值做具体限定；
[0077]
步骤s22：将步骤s21中的n与ni构造样本阵，并利用标准化变换公式对其进行标准化变换得出矩阵z；
[0078]
所述标准化变换公式为：其中，i＝1、2、3
……
n，j＝1、2、3
……
m，
[0079]
步骤s23：通过相关系数计算公式对矩阵z进行相关系数矩阵计算；
[0080]
所述相关系数计算公式为：其中，其中，i，j＝1、2、3
……
m；
[0081]
步骤s24：求出相关矩阵r的特征方程，得出p个特征根，确定主成分；
[0082]
所述特征方程为：|r-λim|＝0，对每个λj解方程组：rb＝λ
jb
得出特征向量
[0083]
步骤s25：将标准化后的向量转换为主成分，则其中，u1为第一主成分，对应路径s1，u2为第二主成分，对应路径s2，u3为第三主成分，对应路径s3……up
为第p主成分，对应路径s
p
。
[0084]
本实施例中，需要具体说明的是，所述能耗模型的计算公式为：其中，e
x
为船体在纵荡运动中消耗的能量，ey为船体在横荡运动中消耗的能量，en为船体在艏摇运动中消耗的能量，xi为船体在x轴上的位移，yi为船体在y轴上的位移，ni为船体的转角，β
x
、βy、βn为船体在x，y轴方向平动以及旋转这三个自由度运动中推进器提供的推力和力矩；
[0085]
其中：
[0086]
[0087][0088]
其中，μ为船体纵荡线速度，v为船体横荡线速度，r为艏摇角速度，x为x轴的位置，y为y轴的位置，n为船体的航行角度，l为船体的长度，ρ
wi
为空气密度，v
rw
为相对风速，c为科氏向心力矩阵，d为阻力系数矩阵，γ
rw
为船体位移的相对角度，ζd为波幅，λ为波长，c
id
(λ)为海浪的力与力矩的系数，ci(γ
wi
)为海风的力与力矩的系数，a
fw
为船体的横截面面积，a
lw
为船体的纵截面面积。
[0089]
本实施例中，需要具体说明的是，所述风险因素评估公式为：其中，k为风险系数，si为目标定位点到不同障碍物的距离，所述r的范围满足r∈(0,u)，u为区域内障碍物的数量，障碍物越密集，其风险等级也越高，当u＝1时，r1＞d时，r＜1，d为障碍干扰值的覆盖宽度，即该区域内远离障碍物，风险等级较低，当u＞1，r＞1时，表示该区域为高风险区域，障碍物密集。
[0090]
本实施例中，需要具体说明的是，所述能量代价函数的公式为：fe(p)＝ge(p)+he(p)，其中，fe(p)为从用户出发点至目标终点时估算的能量值，ge(p)为从用户出发点到区域内某中间节点p的能量值，所述ge(p)为一个叠加值，he(p)为从中间节点p到目标终点的估算能量值，所述ge(p)的计算公式为：所述he(p)的计算公式为:其中，f
min
为船体在静水做直线运动时的阻力。
[0091]
本实施例中，需要具体说明的是，所述步骤s14中得出最优区域路线的评价公式为：当s的数值越大，则该路线的优先度越高。
[0092]
基于数据化最优效率的无人船路径规划方法，包括以下步骤：
[0093]
步骤s31：目标定位点及规划方案选取：用户在地图上进行目标点选择，并选择合适的规划方案，利用网络确定目标定位点与路径规划方式；
[0094]
步骤s32：根据目标定位点与选取的规划方案进行信息采集：采集用户的出发点以及目标定位点之间的位置信息，并将其连接成一条连续的多线段或一个多边形区域；
[0095]
步骤s33：对采集的数据进行计算：当用户选取的规划方案为路径规划方式时，执行步骤s24对运行最短路径路线进行计算，当用户选取的规划方案为区域规划方式时，执行步骤s25对达到最少能源消耗的区域路线进行计算；
[0096]
步骤s34：通过a类路线算法对选取路径规划方式的路径路线进行计算，得出最优路线方案a；
[0097]
步骤s35：通过b类路线算法对选取区域路线规划方案的路径路线进行计算，得出最优路线方案b；
[0098]
步骤s36：发送运行数据：根据最终得出的最优路线方案，向船体发送电机脉冲与舵机信号指令使船体按路线方案运行，进行自动驾驶与航向转变；
[0099]
步骤s37：将船体运行信息进行实时反馈：对船体运行情况进行实时人机交互，方便进行船只跟踪和路线行驶监测，将已行驶路线和未行驶路线进行区分，方便用户实时掌握行进状况。
[0100]
本实施例中，需要具体说明的是，本实施与现有技术的区别主要在于本实施例具备云端管理模块以及船体计算模块，具体为云端管理模块增加选择功能，用户可以自主选择规划模式，区域规划或者是路径规划，并根据用户选择模式和定位点的不同，得出不同的最优行驶方案，船体计算模块分为了路径规划方式单元以及区域规划方式单元，针对路径规划，通过a类路线算法，针对路径划分阶段计算得出最优路径，针对区域规划，采用b类路线算法实现最少转弯次数，利用修正模型进行修正，保证最小能源消耗，同时结合风险因素评估公式，对区域路线中的风险因素进行评估，进而实现能源使用率最大化。
[0101]
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0102]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.基于数据化最优效率的无人船路径规划系统，其特征在于：包括：云端管理模块：用于帮助用户选择合适的规划方案并利用网络确定目标定位点，用户利用平台在地图上进行选点操作，选出自己所需要的目标定位点，并根据自己的需求选择合适的规划方式；数据采集模块：用于采集用户的出发点以及目标定位点之间的位置信息，并将其连接成一条连续的多线段或一个多边形区域；船体计算模块：用于对采集的数据进行计算，得出运行最短路径路线或达到最少能源消耗的区域路线，所述船体计算模块包括路径规划方式单元以及区域规划方式单元；其中，所述路径规划单元通过a类路线算法对选取路径规划方式的路径路线进行计算，得出最优路线方案a，所述区域规划单元通过b类路线算法对选取区域路线规划方案的路径路线进行计算，得出最优路线方案b，所述最优路线方案a即为运行最短路径路线，所述最优路线方案b即为最少能源消耗的区域路线；航向控制模块：通过船体计算模块得出的最优路线方案，向船体发送电机脉冲与舵机信号指令使船体按路线方案运行，进行自动驾驶与航向转变；反馈模块：用于将航向控制模块的信息实时反馈给云端管理模块，对船体运行情况进行实时人机交互，根据路线颜色不同对已行驶路线和未行驶路线进行区分。2.根据权利要求1所述的基于数据化最优效率的无人船路径规划系统，其特征在于：所述a类路线算法对选取路径规划方式的路径路线进行计算包括以下步骤：步骤s01：通过数据采集模块对用户的出发点以及各目标定位点进行位置信息采集；步骤s02：将各目标定位点按照顺序进行连接，找出两个定位点之间的直线ab、曲线ab以及折线ab三种不同路径，分别对其进行计算；步骤s03：通过最短距离算法对每条最短路径的直线距离进行计算，通过折线距离算法对折线路径进行计算，通过曲线距离算法对曲线路径进行计算，比较过后得到多条两点之间的最短路径；步骤s04：通过整体路径距离算法对各定位点连成的整体路径最短距离进行计算。3.根据权利要求2所述的基于数据化最优效率的无人船路径规划系统，其特征在于：所述最短距离算法公式为：其中x
n
是定位坐标点的横坐标，x
n-1
是上一个定位坐标点的横坐标，y
n
是定位坐标点的纵坐标，y
n-1
是上一个定位坐标点的纵坐标，所述折线距离算法的公式为：其中，c点是两定位点内任取的一点，c点在两定位点区域内，且c点与两定位点不在同一条直线上，所述曲线距离算法的公式为：4.根据权利要求2所述的基于数据化最优效率的无人船路径规划系统，其特征在于：所述整体路径距离算法公式为：5.根据权利要求1所述的基于数据化最优效率的无人船路径规划系统，其特征在于：所述b类路线算法对选取区域路线规划方案的路径路线进行计算包括以下步骤：步骤s11：采集船体在纵荡、横荡以及艏摇运动中消耗的能量数据、船体的位移和转角
数据以及船体在x，y轴方向平动以及旋转这三个自由度运动中推进器提供的推力和力矩数据等相关数据；步骤s12：基于主成分分析法计算出区域内的全部区域路径，并标记为s1、s2、s3……
s
p
，利用采集的数据建立船体能耗模型，对船体区域路线的能耗进行初步分析计算；步骤s13：通过风险因素评估公式对区域路线进行安全评估，对搜索到的所有区域路径进行风险区域检测；步骤s14：通过修正模型引入能量代价函数对能耗模型进行修正，同时结合风险因素评估公式的结果，得出最优区域路线。6.根据权利要求5所述的基于数据化最优效率的无人船路径规划系统，其特征在于：所述基于主成分分析法计算出区域内的全部区域路径包括以下步骤：步骤s21：设该区域内存在n个路径主体方向，采用向量形式将其记为n＝(n1,n2,n3…
n
n
)
t
，每个路径主体方向在区域内对应有m条间隔为d的平行线，采用向量形式将其记为n
i
＝(n
i1
,n
i2
,n
i3
…
n
im
)
t
；步骤s22：将步骤s21中的n与n
i
构造样本阵，并利用标准化变换公式对其进行标准化变换得出矩阵z；步骤s23：通过相关系数计算公式对矩阵z进行相关系数矩阵计算；步骤s24：求出相关矩阵r的特征方程，得出p个特征根，确定主成分，并将标准化后的向量转换为主成分。7.根据权利要求5所述的基于数据化最优效率的无人船路径规划系统，其特征在于：所述能耗模型的计算公式为：其中：其中：其中：8.根据权利要求5所述的基于数据化最优效率的无人船路径规划系统，其特征在于：所述能量代价函数的公式为：f
e
(p)＝g
e
(p)+h
e
(p)，其中，f
e
(p)为从用户出发点至目标终点时估算的能量值，g
e
(p)为从用户出发点到区域内某中间节点p的能量值，h
e
(p)为从中间节点p到目标终点的估算能量值。9.根据权利要求5所述的基于数据化最优效率的无人船路径规划系统，其特征在于：所述风险因素评估公式为：其中，k为风险系数，s
i
为目标定位点到不同障碍物的距离，所述r的范围满足r∈(0,u)，u为区域内障碍物的数量。10.基于数据化最优效率的无人船路径规划方法，其特征在于：包括以下步骤：步骤s31：目标定位点及规划方案选取：用户在地图上进行目标点选择，并选择合适的规划方案，利用网络确定目标定位点与路径规划方式；步骤s32：根据目标定位点与选取的规划方案进行信息采集：采集用户的出发点以及目
标定位点之间的位置信息，并将其连接成一条连续的多线段或一个多边形区域；步骤s33：对采集的数据进行计算：当用户选取的规划方案为路径规划方式时，执行步骤s24对运行最短路径路线进行计算，当用户选取的规划方案为区域规划方式时，执行步骤s25对达到最少能源消耗的区域路线进行计算；步骤s34：通过a类路线算法对选取路径规划方式的路径路线进行计算，得出最优路线方案a；步骤s35：通过b类路线算法对选取区域路线规划方案的路径路线进行计算，得出最优路线方案b；步骤s36：发送运行数据：根据最终得出的最优路线方案，向船体发送电机脉冲与舵机信号指令使船体按路线方案运行，进行自动驾驶与航向转变；步骤s37：将船体运行信息进行实时反馈：对船体运行情况进行实时人机交互，将已行驶路线和未行驶路线进行区分。

技术总结
本发明涉及船舶技术领域，且公开了基于数据化最优效率的无人船路径规划系统及其方法，包括云端管理模块、数据采集模块、船体计算模块以及航向控制及反馈模块，通过设有云端管理模块，用户可以在平台上进行目标定位点和规划方案选择，规划方案分为路径规划和区域规划，选择完目标定位点和规划方案后，系统将会采集目标定位点之间的坐标和距离，再通过船体计算模块根据两点之间直线最短和算法实现最少转弯次数，实现在路径规划或区域规划中得到最优行进方案，并将方案传输至航向控制自动进行航向调整和行驶，最终达到能源消耗率最小的目标，云端管理平台可以根据船只的实时位置，区分已行驶路线和未行驶路线。分已行驶路线和未行驶路线。分已行驶路线和未行驶路线。


技术研发人员：崔佳炜 高晓华
受保护的技术使用者：苏州庄舟智能科技有限公司
技术研发日：2023.04.27
技术公布日：2023/8/1