船舶作为海上重要交通工具,一直以来发挥着不可替代的作用。随着商业的发展和贸易往来,水上交通愈加繁忙,这对船舶水上航行安全带来了巨大考验。与无人驾驶类似,船舶的无人驾驶及辅助驾驶成为一个研究热点。船舶避碰就是船舶“无人驾驶”的关键一步。对船舶避碰以及航线规划的研究,能在很大程度上降低水上交通事故的发生几率,保证人身财产安全,促进航运规范发展。本课题主要从航行环境和船舶控制出发,研究复杂会遇情况下的船舶避碰问题,降低船舶碰撞事故的发生,提高水上航行安全。首先,建立了船舶避碰系统框架。分析复杂会遇局面的特点,进而研究船舶避碰过程并划分会遇态势,建立了基于DCPA和TCPA的碰撞危险度模型;对《国际海上避碰规则》进行分析,将避碰规则定量化描述为操纵约束条件,在此基础上,结合船舶自身的操作性能建立了船舶操纵控制模型。其次,引入聚类的思想,使用CFSFDP算法对静态的障碍物进行簇划分,提出了自主选择聚类算法组合参数的方法,改进后的聚类效果准确率提高30%以上,自主化程度提高。对于动态的障碍物例如船队,利用船舶相似度进行分组聚类并通过仿真验证,能够实现航行船舶的动态分组。聚类后起到减少会遇态势,减少避碰船舶组数的效果,降低会遇局面复杂性。然后,研究了动态船舶位置预测方法。通过机器学习的方式对动态船只进行基于自身状态的轨迹预测,使用RBF神经网络推测动态障碍物轨迹,在网络训练阶段,应用K-Means算法和狼群算法对神经网络的参数寻优,并在这过程中,提出了狼群算法自适应步长改进方法。通过仿真,改进狼群算法优化的神经网络预测精度提高,预测误差波动减小,预测效果更加稳定。最后,进行海上会遇局面船舶智能避碰方法实验验证。根据复杂会遇局面,分别针对同种类多障碍物环境、多种类障碍物环境以及多船会遇局面等复杂局面进行了船舶避碰仿真。实验对比了基于栅格法避障的方法和基于以遗传算法为代表的智能算法的避障方法,结果表明本文研究方法在路径平滑度和算法高效性上占据优势,且在多船协调避碰方面发挥出色,具有一定的可行性。