船用指北平台式惯导模拟器中轨迹发生器设计

针对船用指北方位平台式惯导模拟器的需要,设计了一种贴合于舰船实际情况的轨迹发生器。根据舰船常见的运动状态给出了轨迹发生器的解析式方程,以及需要输入软件系统的运动参量,并在实验部分对设计的轨迹发生器进行了仿真实验。通过将轨迹发生器生成轨迹以及惯导在轨迹发生器生成的IMU参数下,自主、组合工作模式生成的轨迹进行比较,证明了算法的有效性。本文研究结果可为下一步船用指北平台式惯导模拟器的设计提供软件支持。     

船用指北平台式惯导模拟器中轨迹发生器设计

针对船用指北方位平台式惯导模拟器的需要,设计了一种贴合于舰船实际情况的轨迹发生器。根据舰船常见的运动状态给出了轨迹发生器的解析式方程,以及需要输入软件系统的运动参量,并在实验部分对设计的轨迹发生器进行了仿真实验。通过将轨迹发生器生成轨迹以及惯导在轨迹发生器生成的IMU参数下,自主、组合工作模式生成的轨迹进行比较,证明了算法的有效性。本文研究结果可为下一步船用指北平台式惯导模拟器的设计提供软件支持。     

基于TODA信息的多基地声呐系统定位算法

建立T-Rⁿ型多基地声呐定位几何模型,在基于TDOA时间信息进行定位时,分析模型中存在的3种误差计算公式;根据模型分别推导出在未知误差和已知误差条件下的最优线性算法以及定位误差表达式。通过仿真分析模型中3种误差对线性算法的影响,仿真结果表明,观测时间误差对定位误差影响最大;分析模型中观测时间误差的不均匀度对3种算法的影响,其对最小二乘法的影响最大,同时两步最小二乘法随误差不均匀的增加而减少。研究成果可为T-Rⁿ型多基地声呐系统的总体设计、站址配置和误差分析提供理论支撑,为T-Rⁿ型多基地声呐系统基于方位角、时延等信息进行定位时提供分析思路,同时可为后续的Tⁿ-Rⁿ型多基地声呐系统研究奠定基础。     

基于自动识别系统大数据的船舶施工轨迹识别与预测

针对疏浚监控管理工作很难全天覆盖所有船舶、无法做到实时监控的问题,分析某绞吸挖泥船的AIS(自动识别系统)高频数据,包括疏浚船舶动态的航行轨迹、速度、航向等数据。对船舶施工轨迹辨识和预测进行研究,提出利用DBSCAN聚类算法粗略识别出施工区域,利用LOF(局部异常因子)算法去除航行轨迹中非施工状态下的轨迹,并利用时间序列ARIMA模型对船舶施工轨迹进行预测。结果表明,DBSCAN聚类算法结合LOF算法进行施工轨迹辨识方法合理可行,ARIMA模型进行施工轨迹预测的方法具有精确度高、实时性、易实现的特点。     

基于大数据分析的水下航行器运行轨迹规划模型研究

传统水下航行器轨迹规划计算处理过程中,受到自身算法逻辑参数影响,建模数据计算涵盖不够严谨,无法对小概率误差轨迹进行引入分析,从而导致航行器预判轨迹出现偏离。针对问题产生原因,提出基于大数据分析的水下航行器运行轨迹规划模型研究。首先,对传统模型计算算法进行修正,引入MFT样条差值规划算法对构建模型轨迹数据进行优选规划计算;接着引入迭代多项轨迹构造算法,对规划模型数据进行轨迹模型构建计算;最后,通过对构建模型进行仿真数据测试。通过与传统模型的对比证明提出构建的轨迹模型能够解决传统模型存在的问题与不足。     

基于轨迹段DBSCAN的船舶轨迹聚类算法

船舶自动识别系统(Automatic Identification System, AIS)数据中蕴藏着大量的海上交通特征,为挖掘AIS数据中有关船舶运动规律有效的、潜在的信息,提出一种改进型轨迹段DBSCAN(Density-Based Spatitcal Clustering of Applications with Noise)的聚类算法。船位转向角和航速变化量作为信息度量对船舶轨迹进行分段,采用离散Frechet距离作为轨迹相似度度量,利用类似DBSCAN算法对轨迹段进行聚类,得出船舶运动典型轨迹。以天津港为例,采用改进的轨迹段DBSCAN算法对船舶轨迹进行聚类,能从一定程度上提高聚类的效果和准确率,为进一步研究船舶异常行为打下基础。     

航行轨迹稳定性预测数学建模与分析

航行轨迹稳定性建模与预测十分重要,当前航行轨迹稳定性预测效果欠佳,为了解决当前航行轨迹稳定性预测过程中存在的一些难题,设计一种小波去噪和混沌分析算法的航行轨迹稳定性预测模型。首先研究航行轨迹稳定性预测建模的现状,采集航行轨迹稳定性预测的数据,然后对航行轨迹稳定性预测数据进行小波去噪,并采用混沌分析算法对航行轨迹稳定性预测数据进行变换,最后通过现代统计学理论建立航行轨迹稳定性预测模型,并与其他航行轨迹稳定性预测模型进行对比实验,相对于航行轨迹稳定性对比模型,本文模型的航行轨迹稳定性预测准确性更优,可以描述航行轨迹稳定性变化特点,航行轨迹稳定性建模时间短,为航行轨迹稳定性建模与预测提供了一种新的研究思路。     

基于人工智能技术的舰船轨迹规划算法

轨迹规划是保证舰船安全航行的关键技术,针对当前舰船轨迹规划算法存在规划精度低、速度慢等不足,为了获得更优的舰船轨迹规划方案,设计了基于人工智能技术的舰船轨迹规划算法。首先分析了当前舰船轨迹规划的研究现状,并构建了舰船轨迹规划的数学模型,然后采用人工智能技术对舰船轨迹规划的数学模型进行求解,搜索到最优的舰船轨迹规划方案,最后采用具体仿真模拟实验验证舰船轨迹规划算法的性能。结果表明,人工智能技术的舰船轨迹规划精度高,舰船轨迹规划速度快,获得了比其他算法更优的舰船轨迹规划方案,可以应用于实际舰船安全航行管理中。     

改进PID控制优化算法的航行轨迹研究

航行轨迹是一个时变性非常强的问题,当前航行轨迹控制优化算法存在控制误差大,无法对航行轨迹进行实时跟踪和控制,为了提高航行轨迹控制精度,改善航行轨迹跟踪和控制的实时性,设计了一种基于改进PID算法的航行轨迹控制优化方法。首先对航行轨迹控制原理进行分析,采用PID控制器对航行轨迹进行优化和控制,然后针对PID控制器的参数优化问题,引入蚁群算法进行参数在线调整,满足航行轨迹时变性特点,最后在Simulink环境下对航行轨迹控制进行仿真模拟实验。结果表明,本文方法的航行轨迹控制精度完全满足船舶实际工作要求,大幅度改善了航行轨迹的实时控制效果,是一种精度高、速度快的航行轨迹控制优化方法。     

改进QuickBundles算法在船舶轨迹聚类中的应用

对船舶AIS数据聚类进行研究，可以挖掘出船舶航行过程中有效或潜在的信息，对于提高船舶海事交通管理和水路交通运输的智能化水平具有重要意义。传统的聚类算法在面对大量的AIS数据样本时通常表现出很低的执行效率。因而，提出一种改进QuickBundles算法，并对船舶轨迹采样方法和距离度量方式进行改进，选取长江南京航段板桥汽渡水域的船舶AIS数据作为试验依据，最终实现船舶轨迹的有效聚类。试验结果表明，与原QuickBundles算法和DBSCAN算法相比，改进QuickBundles算法在算法执行效率和算法准确性方面优于前两种算法，证明改进QuickBundles算法可有效应用于船舶轨迹聚类。     

固-膏体燃气发生器内弹道仿真计算

分析了固-膏体燃气发生器的工作过程及工作原理,推导了固-膏体燃气发生器内弹道方程,建立了固-膏体燃气发生器内弹道仿真计算模型,并对仿真结果进行了分析,为固-膏体燃气发生器的进一步研究提供了理论依据。     

核的K-均值聚类水下目标识别

首先分析核的K-均值聚类算法的实现过程,然后针对算法中的关键性问题——选择核函数进行阐述,最后对拍摄到的球体、椭球体、三棱柱和四棱柱4类水下目标进行识别,在识别过程中分别进行了不同核函数和不同聚类算法的仿真。仿真结果表明,本文采用的核的K-均值聚类算法在水下目标识别的过程中识别率高、计算性能优越。     

船舶导航轨迹识别中智能算法研究

以船舶导航作为研究对象,对船舶导航航行轨迹识别方法进行研究,给出一种智能航迹识别算法。在该算法中,首先通过聚类算法进行航迹图谱的挖掘,得到历史航迹图谱,然后根据航迹图谱,利用卡尔曼滤波方法对航迹异常行为进行识别与预测。实验结果表明,本文给出的船舶导航轨迹智能识别方法具有较好的识别效果。     

反鱼雷鱼雷自导导引弹道方法研究

论文根据反鱼雷鱼雷的作战需求,在基于反鱼雷鱼雷传统的比例导引法上,对比例导引法进行修正,降低比例导引算法的误差。并通过对反鱼雷鱼雷作战模式的研究,提出新的预测弹道方法。同时通过仿真分析,得出此两种导引方法用于反鱼雷鱼雷的弹道轨迹,偏航角以及脱靶量,为反鱼雷鱼雷拦截弹道的设计提供了一定的思路。     

基于Spark的船舶航行轨迹聚类方法

依托船舶自动识别系统(Automatic Identification System,AIS)数据,利用云计算并结合聚类算法,对船舶历史数据进行轨迹聚类分析,构建船舶航行正常轨迹模型,为实时检测船舶异常轨迹奠定基础,进而为提高水上交通监管智能化水平提供新方法。针对目前轨迹聚类算法效率低等问题,基于Spark内存计算技术及数据分区思想,提出一种改进的并行子轨迹聚类算法SPDBSCANST(Parallel DBSCAN of Sub Trajectory Based on Spark)。以长江航道武汉段船舶航行数据为例进行试验验证,并通过可视化方式呈现。结果表明,改进后的算法的聚类效率和效果都有明显提升。     

气力推进艇航迹跟踪控制建模及仿真分析

在对气力推进艇的运行阻力进行分析的基础上,给出气力推进艇在惯性坐标系x Oy中的受力状态,并建立航迹跟踪的动力学和运动学控制模型。基于控制模型建立应用PID控制器的Simulink仿真模型;结合研究对象的特征选择相应的仿真参数,在多次调试优化的基础上确定PID控制器的设计参数,并对圆形封闭轨迹、直线轨迹和阶跃轨迹的航迹跟踪效果进行仿真分析。结果表明:对于圆形封闭轨迹跟踪,在初始的1/4周期内跟踪误差较大,此后的持续跟踪效果良好;对于直线开放型轨迹跟踪,跟踪误差较小,可控制在1 m以内;对于阶跃轨迹跟踪,过渡过程响应时间为10 s,稳态误差为1 m。     

大雾天气海上船舶交通异常挖掘识别方法

传统船舶交通异常识别方法在大雾天气环境下,存在挖掘算法对船舶轨迹异常状态辨识度降低的问题。通过分析发现,原因在于传统方法中没有引入大雾天气对船舶轨迹检测信号的扰动变量,导致轨迹检测数据与挖掘算法之间出现数据断链,降低了数据挖掘的识别效果。因此,提出大雾天气海上船舶交通异常挖掘识别方法分析。首先通过LSTM算法,将大雾天气扰动特征代入挖掘神经网络,获得带有大雾扰动特征神经网络;接着,根据大雾扰动特征建立混合高斯船舶轨迹模型,为交通异常识别提供基础数据;然后,通过Spark分布式挖掘算法,完成对船舶交通异常数据的挖掘识别。通过仿真实验,对传统挖掘识别方法与提出方法效果进行多组数据对比,证明提出挖掘识别方法的有效性。     

基于DBSCAN算法的船舶轨迹自适应层次聚类

为更好地从船舶自动识别系统(Automatic Indentification System,AIS)数据中挖掘信息,科学地感知水上交通态势,针对聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)在水上交通情景中的参数选取问题,提出一种基于DBSCAN的船舶轨迹自适应层次聚类方法。通过分析DBSCAN算法的特性,根据数据集内在分布规律及拟聚类效果的变化规律来确定参数;结合统计学理论进行层次聚类,来适应密度分布不均的船舶轨迹数据。以琼州海峡船舶轨迹数据为例,运用VC软件和MATLAB软件进行验证。验证结果表明:该方法能够在大量复杂的船舶轨迹中发现具有相似性的轨迹群,且结果与实际交通流相符,可为航道建设及海事监管等提供辅助决策。     

采用混合算法分析舰船雷达间电磁干扰耦合

为解决传统数值算法分析舰载雷达电磁兼容带来的计算机资源占用大、运算时间长和收敛性问题,对复杂环境下雷达电磁计算方法提出了改进思路,论述了舰上典型形状金属障碍物对舰载雷达波传播的影响,研究了矩量法和几何绕射理论混合算法在电磁干扰耦合分析中的应用方法,并在舰船电磁仿真模型上进行了计算,分析结果表明,相对于精确数值算法,该混合算法大幅提高了计算速度,计算误差优于3 dB,具有良好的工程适用性.     

潜航器轨迹跟踪与航向预测算法

海况条件较差时,基于水下单点GPS定位系统的潜航器实时定位有较大测量误差,不利于潜航器的轨迹跟踪与航向预测。针对误差服从高斯分布的水下单点GPS定位系统,提出基于改进型扩展卡尔曼滤波算法的GPS跟踪方法和基于回归分析算法的航向预测方法。通过测试与仿真,对定位设备采集到的数据进行对比分析,试验结果表明,上述算法显著提高了轨迹测量精度与航向跟踪能力,准确绘制出了潜航器的实时航行轨迹与航向预测线,可应用于潜航器的轨迹跟踪项目中。