[发明专利]基于SVM算法的无人船路径规划方法

权利要求书

1.一种基于SVM算法的无人船路径规划方法，其特征在于，包括以下步骤：

构建标准无人船，并将标准无人船放入典型海域中航行；

搜集标准无人船在典型海域中遇到障碍物时的标准相关数据，并将标准相关数据存入数据库；

根据数据库，利用最小二乘SVM算法，计算得到完整样本库；

当标准无人船在实际海域中航行时，搜集标准无人船遇到障碍物的实际相关数据；

将实际相关数据与完整样本库中数据进行对比，得到对应的实际样本类型；

根据所述实际样本类型规划标准无人船路径。

2.根据权利要求1所述的基于SVM算法的无人船路径规划方法，其特征在于，所述构建标准无人船，具体包括：

将光电/雷达系统安装在标准无人船上，所述光电/雷达系统用于识别所遇到障碍物与标准无人船的距离S和障碍物的体积D；

将北斗卫星导航系统安装在标准无人船上，所述北斗卫星导航系统用于识别标准无人船和障碍物的位置信息。

3.根据权利要求2所述的基于SVM算法的无人船路径规划方法，其特征在于，所述标准相关数据包括：无人船在典型海域中每次遇到障碍物时的位置信息、典型海域中所遇到的障碍物位置信息、对应的与典型海域中障碍物的距离Sa和典型海域中对应障碍物的体积Da；

所述实际相关数据包括：无人船在实际海域中每次遇到障碍物时的位置信息、实际海域中所遇到的障碍物位置信息、对应的与实际海域中障碍物的距离S1和实际海域中对应障碍物的体积D2。

4.根据权利要求3所述的基于SVM算法的无人船路径规划方法，其特征在于，所述根据数据库，利用最小二乘SVM算法，计算得到完整样本库， 具体包括：

反复的在标准相关数据中，随机取出部分标准相关数据；

将每次取出部分标准相关数据代入最小二乘SVM算法，从而形成对应样本空间；

从专用数据库中读取每个样本空间中对应的数据；

利用最小二乘SVM算法对每个样本空间中对应的数据进行决策分类，得到每个样本空间对应的样本库；

所有的样本库构成完整样本库。

5.根据权利要求4所述的基于SVM算法的无人船路径规划方法，其特征在于，所述当标准无人船在实际海域中航行时，搜集标准无人船遇到障碍物的实际相关数据，具体包括：

当标准无人船在实际海域中航行时，根据北斗卫星导航系统规划出最短路程；

在最短路程中，当标准无人船遇到障碍物时，通过卫星导航系统和光电/雷达系统搜集实际相关数据；

所述根据实际样本类型规划标准无人船路径，具体包括：

根据实际样本类型，在标准无人船前方规定范围内设置动态多边形避障区域；

计算出避障区域内的障碍物临界碰撞速度或临界碰撞航向；

根据临界碰撞速度或临界碰撞航向，驱动标准无人船的执行程序；

所述执行程序发送信号至标准无人船的机泵桨，从而改变标准无人船的航速或航向。

6.根据权利要求4所述的基于SVM算法的无人船路径规划方法，其特征在于，所述利用最小二乘SVM算法对每个样本空间中对应的数据进行决策分类，得到每个样本空间对应的样本库，具体包括：

形成最小二乘SVM的约束条件；

用拉格朗日方法将原始问题转化为无约束优化问题，得到样本模型；

由样本模型构成样本库。

7.根据权利要求6所述的基于SVM算法的无人船路径规划方法，其特征在于，设定样本库，i＝1,2,…,N，为输入数据，为输出数据；

所述形成最小二乘SVM的约束条件，通过以下计算公式实现：

（1）

（2）

其中：w为权系数向量，e_i为误差变量，γ为正规则化参数，将原始权空间的向量映射到高维特征空间，b∈R为偏差量。