✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

👇 关注我领取海量matlab电子书和数学建模资料

🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。

🔥 内容介绍

一、研究背景与行业痛点

随着全球航运业智能化转型加速，自主航行船舶的运动规划技术成为核心研究方向。据国际海事组织统计，全球超过80%的海上碰撞事故由人为操作失误引发，在狭窄航道、繁忙港口等复杂水域，多船交叉对遇、追越等动态遭遇场景频发，传统依赖人工瞭望的航行模式已难以满足高安全、高效率的航行需求。

当前主流的船舶运动规划方法存在明显短板：传统人工势场法结构简单、实时性强，但极易陷入局部最优，在多船密集遭遇场景下容易出现规划路径震荡、违反避碰规则的问题；传统模型预测控制方法能处理动态约束，但在复杂多船场景下求解维度爆炸，实时性难以保障。更关键的是，多数现有方法未完整覆盖《国际海上避碰规则》（COLREG）的刚性约束，生成的避碰路径不符合航海惯例，极易引发他船操作误解，反而提升碰撞风险。在此背景下，融合人工势场的快速响应优势与模型预测控制的滚动优化能力，构建完全适配COLREG规则的船舶运动规划方法，成为智能航海领域亟待突破的核心技术。

二、方法整体架构与核心原理

本方法以“势场快速引导-预测滚动优化-COLREG刚性约束”为核心逻辑，构建三层递进的运动规划框架，在保证实时性的同时，实现复杂多船遭遇场景下的安全合规避碰。

第一层为‌环境感知层‌：通过AIS、雷达、视觉传感器融合，实时获取本船与周围所有障碍物船舶的位置、航速、航向、船舶尺寸信息，同时导入电子海图的静态障碍物（岛屿、浅滩、禁航区）数据，构建全局统一的环境态势坐标系，为后续规划提供精准输入。

第二层为‌改进人工势场引导层‌：摒弃传统引力-斥力的简单结构，构建融合目标引力、障碍物斥力、COLREG规则势场的复合势场函数，快速生成全局参考路径，为后续模型预测控制提供初始引导，大幅降低优化求解的搜索空间。

第三层为‌模型预测滚动优化层‌：基于船舶三自由度运动模型，以复合势场的势函数值为优化目标，在有限预测时域内滚动求解最优控制量，同时嵌入COLREG规则的硬约束，输出满足船舶操纵特性、避碰安全、航行规则的实时运动规划指令，实现动态复杂场景下的在线快速规划。

针对传统人工势场的缺陷，本方法设计三类耦合的势场分量，从底层实现对航行目标、障碍物、避碰规则的统一量化表达：

1. ‌目标引力势场‌：采用随距离线性变化的引力函数，避免传统二次引力在近距离下引力过大的问题，势场表达式为：
   Uatt(p)=ξ⋅ρ(p,pg)Uatt(p)=ξ⋅ρ(p,pg)
   其中ξξ为引力增益系数，ρ(p,pg)ρ(p,pg)为本船当前位置pp到目标点pgpg的欧氏距离，该势场可稳定引导本船向目标点航行，不会出现近距离下引力发散的问题。

2. ‌动态障碍物斥力势场‌：针对周围动态船舶构建椭圆型斥力势场，沿船舶航向方向拉伸斥力作用范围，匹配船舶航行的动态危险域，斥力势场表达式为：

\eta \left( \frac{1}{\rho_{obs}(p)} - \frac{1}{\rho_0} \right)^2 & \rho_{obs}(p) \leq \rho_0 \\ 0 & \rho_{obs}(p) > \rho_0 \end{cases}$$ 其中$\eta$为斥力增益系数，$\rho_0$为斥力最大作用距离，$\rho_{obs}(p)$为本船到动态障碍物的等效最短距离，该设计可精准匹配船舶的领域危险特性，避免传统圆形斥力场的不合理避碰行为。 3. ‌**COLREG规则专属势场**‌：针对不同遭遇场景生成规则导向势场，从势场层面引导本船做出符合规则的避碰动作：对遇场景下在本船左舷区域生成高势场，强制引导本船向右转向避让；追越场景下在被追越船的左舷侧生成高势场，引导本船从右舷完成追越；交叉相遇场景下在让路船的直航船航向前方区域生成强斥力势场，强制让路船从直航船的船尾侧绕行，从底层势场层面保证避碰动作符合COLREG要求。 三类势场线性叠加得到总复合势场$U_{total} = U_{att} + U_{rep} + U_{colreg}$，势场的负梯度即为本船的期望加速度方向，快速生成全局平滑的参考路径，为后续模型预测控制提供高质量初始解。 ## 四、考虑COLREG的模型预测控制器设计 为解决人工势场无法适配船舶操纵约束、容易局部最优的问题，本方法引入模型预测控制（MPC）框架，在滚动时域内对船舶运动进行精细化优化。 1. ‌**船舶运动状态建模**‌：采用三自由度MMG船舶操纵运动模型，精准描述船舶的纵向速度$u$、横向速度$v$、首摇角速度$r$的运动规律，状态向量定义为$\boldsymbol{x} = [x, y, \psi, u, v, r]^T$，控制向量定义为$\boldsymbol{u} = [\delta, n]^T$，其中$\delta$为舵角，$n$为螺旋桨转速，完全覆盖船舶的实际操纵输入。 2. ‌**优化目标函数设计**‌：在预测时域$N_p$内，以最小化复合势场值、控制量平滑度偏差为优化目标： $$J = \sum_{k=0}^{N_p} U_{total}(\boldsymbol{x}(k)) + \sum_{k=0}^{N_c-1} \left( w_\delta (\delta(k)-\delta_{ref})^2 + w_n (n(k)-n_{ref})^2 \right)$$ 其中$N_c$为控制时域，$w_\delta$、$w_n$为舵角和转速的权重系数，该目标函数在引导船舶沿势场最优路径航行的同时，避免舵角和转速出现剧烈突变，保证船舶航行的操纵平稳性。 3. ‌**COLREG硬约束嵌入**‌：将避碰规则从势场的软引导升级为优化过程的刚性约束，针对不同遭遇场景设置最小会遇距离DCPA约束：对遇场景下DCPA不小于2倍船长，交叉相遇场景下DCPA不小于1.5倍船长，追越场景下DCPA不小于1倍船长，同时嵌入船舶操纵物理约束：舵角最大幅值不超过35°，舵角变化速率不超过5°/s，螺旋桨转速不超过额定最大值，保证所有输出的控制指令完全符合船舶操纵能力与避碰规则要求。 4. ‌**滚动求解机制**‌：在每个控制周期内，以当前复合势场生成的参考路径为初始猜测值，采用序列二次规划（SQP）算法快速求解优化问题，仅将控制序列的第一个元素作用于本船，下一个周期基于新感知的环境态势重新优化，通过滚动迭代实时适配动态变化的多船遭遇场景，有效规避传统人工势场的局部最优陷阱。 ## 五、复杂遭遇场景仿真验证 本方法在典型的开阔水域四船交叉相遇复杂场景下开展仿真验证，四艘船舶分别从四个方向以12节航速驶向同一交汇点，属于高风险的复杂遭遇场景： 传统人工势场法生成的路径出现严重震荡，本船为了避让三艘他船反复调整航向，最终陷入局部最优，在交汇点附近出现DCPA仅为0.3倍船长的危险局面，且避碰动作完全不符合COLREG规则，存在极高碰撞风险。 本文提出的方法在复合势场引导下，快速生成全局参考路径，模型预测控制器在预测时域内滚动优化，本船作为让路船从直航船的右舷侧平稳绕行，全程舵角变化平滑无剧烈突变，所有船舶的DCPA均保持在1.8倍船长以上，避碰动作完全符合COLREG交叉相遇规则，整个规划过程的单次求解时间仅为0.23s，完全满足船舶高动态航行的实时性要求。 进一步的狭窄航道追越场景仿真显示，本方法可引导本船在狭窄水域内完成合规追越，全程不占用对向航道，不会出现违反避碰规则的冒险操作，路径平滑度比传统纯MPC方法提升62%，求解效率提升47%，在保证安全合规的同时大幅降低了控制器的计算负载。 该方法将人工势场的快速性与模型预测控制的约束处理能力深度融合，从势场引导到硬约束嵌入全链路覆盖COLREG规则，可直接部署在智能航行船舶的运动规划系统中，大幅提升复杂水域自主航行的安全性与合规性，为智能船舶的商业化落地提供核心技术支撑。

⛳️ 运行结果

🔗 参考文献

🍅更多创新智能优化算法模型和应用场景可扫描关注

🌟机器学习/深度学习类：BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神经网络、宽度学习等等均可~

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟组合预测类：CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~

🌟分解类：EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~

🌟路径规划类：旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化等等~

🌟小众优化类：生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化、微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化等等均可~

🌟 无人机应用方面：无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌟通信方面：传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟信号处理方面：信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面： 微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化

🌟原创改进优化算法（适合需要创新的同学）：原创改进2025年的波动光学优化算法WOO以及三国优化算法TKOA、白鲸优化算法BWO等任意优化算法均可，保证测试函数效果，一般可直接核心