利用自适应神经模糊推理系统学习自主船舶的人为碰撞避免行为

《Applied Ocean Research》：Learning human collision avoidance behavior for autonomous ships using adaptive neuro-fuzzy inference system

　　

Hosna Namazi|Lokukaluge Prasad Perera

摘要

对于海上自主水面船（MASS）而言，碰撞避免仍然是一个具有挑战性的问题，因为在近距离相遇时需要做出安全且符合《国际海上避碰规则》（COLREGs）的决策。本研究提出了一种以人为中心的碰撞避免框架，该框架基于一种称为自适应神经模糊推理系统（ANFIS）的计算智能方法，并使用高保真度的驾驶台模拟数据对其进行训练，这些数据能够捕捉到真实的导航员行为。模糊推理结构是通过模糊C均值（FCM）聚类生成的，最优聚类数量则通过模糊划分系数（FPC）和Xie-Beni（XB）指数来确定。

针对交叉、正面相撞和超车三种情景分别开发了不同的ANFIS模型，并通过使用二阶Nomoto模型的闭环验证来验证所提出方法的有效性。对三个模拟案例的分析表明，ANFIS模型能够生成平稳且稳定的操纵动作，实现无碰撞的轨迹并保持安全的间距，同时符合《国际海上避碰规则》的要求。此外，预测的舵机指令与人类导航员的操作非常相似，这表明该方法能够捕捉到潜在的规律。

基于Sobol指数进行了全局敏感性分析，以量化输入变量对ANFIS模型输出的影响。结果表明，不同的相遇情景受不同主导因素的影响：交叉和超车主要受几何变量的影响，而正面相撞模型则表现出多个输入之间的更强交互效应。