随着航运业的蓬勃发展,船舶数量和吨位大幅度增加,船舶种类日趋多样化,通航密度进一步提高,操纵难度进一步加大。近年来,无人驾驶技术日趋成熟,经济、安全、可靠、环保、高效的智能船舶得到广泛的研究,也受到航运领域的关注和青睐。作为核心的自主航行决策系统,其有效性为船舶安全可靠的航行提供支持。本文通过基础技术研究、航行决策算法研究以及决策仿真系统搭建三部分内容,在融合前人相关研究成果的基础上,提出了基于改进深度Q网络的深度强化学习自主航行决策算法,并验证了决策算法的有效性与可行性,拓展了对智能船舶自主航行决策技术研究的深度与广度。一、将基础技术与决策算法融合。本文将包含会遇态势划分、船舶领域模型以及碰撞危险度评价在内的多项技术与航行决策算法融合,使得系统清晰准确重构两船所处的状态,准确划定两船航行安全区域,对碰撞危险进行量化,合理的判断是否需要避碰以及何时进行避碰。多项技术在整个避碰过程对应的阶段发挥作用,为决策算法的实现提供基础,从而构建安全有效的自主航行决策系统。二、提出基于改进深度Q网络的自主航行决策算法。本文从全局角度设计合理的状态空间、动作空间,并从航线跟随与避碰行动两方面设计不同的奖励函数,以约束算法在不同情况下能够满足既定规则。同时,采用改进ε贪婪策略搜索算法对传统DQN算法进行改进,提出基于改进深度Q网络的自主航行决策算法。三、模块化自主航行决策仿真系统搭建。本文通过模块化编程方式搭建自主航行决策仿真系统进行相关算法的验证,整个仿真系统通过信息整合与处理模块连接航行信息、基础运算、决策算法、航行信息仿真、数据可视等五大模块实现数据互通。本文依据两船会遇的不同场景在决策仿真系统进行试验,进一步验证决策算法的有效性与可行性,并与传统DQN算法和Q-Learning算法仿真结果进行对比。根据仿真结果可知,本文提出的算法安全、有效且具有应用价值。本文针对开阔水域智能船舶自主航行决策关键技术进行了较为深入的研究,融合会遇态势划分、船舶领域模型以及碰撞危险度评价等技术,提出了基于改进深度Q网络的自主航行决策算法,为自主航行决策系统的实船应用提供了有力的技术支撑。