船舶避碰系统智能化构建

本文综述了船舶避碰系统领域中智能化研究的现状，主要介绍了模糊控制、神经网络、专家系统等智能方法在避碰系统中的应用以及现有的避碰设施和系统的构成。     

狭水道追越局面下的船舶避碰建模

为了解决在狭窄水域船舶追越情况下的避碰问题,提出了一种狭水道追越局面下的船舶转向避碰模型.在航道规划设计规范的基础上对狭水道四元船舶领域进行重塑,构建符合航道内航行船舶最小船舶领域模型,进而确定船舶追越时的安全通过距离;其后,在船舶操纵运动数学模型的基础上,结合船舶转向避碰几何模型确定避碰行动目标,即最近会遇距离(DCPA)和最近会遇时间(TCPA),使得上述两个避碰行动指标满足避碰实际(DCPA值大于等于Ship Domain,TCPA值尽可能大).仿真实验表明采用该模型进行追越避碰时,追越船追越运动轨迹符合航行实际,与被追越船保持的最小横向距离为80 m,与浅水区保持的最小横向距离为55 m.     

基于航向控制系统的船舶动态避碰机理

为探索航速矢量变化与船舶避碰之间的动态变化规律（避碰机理），研究了结合船舶领域和速度障碍等方法的静态避碰机理，确定了不考虑船舶改向运动过程与周围环境变化前提下，本船可避让所有物标的航速矢量区间；建立了基于模糊自适应比例积分微分（PID）控制和船舶运动方程的航向控制系统，再现船舶改向过程中的航速矢量非线性变化；基于静态避碰机理和航向控制系统研究了船舶动态避碰机理，求解了符合船舶操纵运动过程的动态避碰改向区间. 研究结果表明，在开阔水域随机设置的多物标环境中，可得到符合航速矢量非线性变化的动态避碰改向区间集合 [?90°，?72°]、[31°，47°]、[62°，79°]，受动态船舶主要影响形成改向范围为（?72°，31°）、（79°，90°] 的碰撞航向区间，符合船舶操纵运动对改向避碰的影响规律，可为实现船舶避碰辅助决策、自动避碰和动态避碰路径规划提供基础理论和方法.      

内河水域船舶领域三维模型的研究

通过引入船舶领域的概念，以及借鉴船舶领域(二维)模型的思想，在结合内河船舶操纵与避碰以及航道特点的基础上，首次提出了狭窄水域船舶领域三维模型的思想．综合实船操纵性试验的结果，并通过实例计算，给出了一些特定船舶的桥区避碰的三维领域模型的尺度．     

三峡库区船舶避碰技术现状与发展思考

三峡库区船舶定线制的实施,标志三峡库区船舶避碰技术在海事管理上取得了重大突破,也预示着为未来三峡库区船舶避碰向智能化方向发展创造了条件.结合三峡库区船舶避碰技术的过去,论述了三峡库区船舶避碰技术现状和发展趋势.     

船舶避碰研究方法综述

在船舶避碰的研究过程中,人们采用的研究方法多种多样。文章把船舶避碰的研究方法概括为案例统计分析法、避碰技术研究法、交通流研究法、法律法规研究法四种,并对各种方法展开分析,为人们在船舶避碰的方法选择方面提供参考依据。     

浅谈AIS应用之现状及发展前景

船舶自动识别系统(AIS)在船舶避碰、海事管理、船舶交通管理(VTS)、航行信息管理等相关领域上具有广泛应用.针对其应用中的不足,提出了几点建议性对策.     

三峡库区船舶避碰技术现状与发展思考

三峡库区船舶定线制的实施，标志三峡库区船舶避碰技术在海事管理上取得了重大突破，也预示着为未来三峡库区船舶避碰向智能化方向发展创造了条件．结合三峡库区船舶避碰技术的过去。论述了三峡库区船舶避碰技术现状和发展趋势．     

船舶智能避碰专家系统研究

运用专家系统理论和海上交通工程学的研究成果，对船舶避碰领域相关知识进行了处理，并建立一种船舶智能避碰专家系统，可用于指导船舶海上避碰航行。     

基于船舶操纵对船舶领域的量化研究

每条船舶周围应该都存在一个区域,驾驶员会把其他船舶及危险目标保持在该区域之外,该区域称为船舶领域,我们可以理解成每条船舶的安全距离。因为操纵特点及国际海上避碰规则,船舶在不同方向上的领域长度不一样。本文根据避碰规则要求及驾驶员习惯采用的避碰方式,对船舶不同方向的领域长度进行量化分析。     

大型地下埋设管道智能施工机械手的路径规划研究

针对机械手的动态不均匀性和运动学冗余性特点,基于人工势场理论与模糊理论,利用模糊系统逼近调和函数的梯度的方法进行路径规划,通过仿真来检验该方法的可行性。结果表明:该方法具有明显的柔性和自适应性。表现出某种智能特征,实现了路径的寻优规化。     

基于模糊神经网络的Horn集上的输入归结

关于定理机器证明的归结原理已应用到人工智能的很多领域，同时提出了各种改进方法，其中，输入归结是一种非常好的推理方法，它对于Horn集是完备的，模糊神经网络是模糊逻辑与神经网络的融合，文中利用模糊神经网络的知识表示及学习的特点，结合输入归结的优点，进行Horn集上的输入归结。     

计算智能理论及其在RITS中的应用

从分析生物智能、人工智能和计算智能的发展过程及研究本质出发,给出了目前计算智 能的概念综述了主要研究方法和研究现状,特别指出了计算智能理论技术面临的挑战,并进行 了展望,最后分析了计算智能理论应用技术以及在铁路智能运输系统中的应用.     

人工智能在镇江公交成本控制中的应用研究

近年来,人工智能技术发展迅速,并被广泛应用于不同行业。在公交行业运用人工智能技术进行成本控制,可以使得成本数据核算和分析更加准确,从而提升企业成本管控水平,提高乘客的服务满意度,提升企业的市场竞争力。作为公交企业,镇江公交承担着一定的社会责任,导致其无法通过提高客票收入来缓解经营成本压力。本文以镇江公交为研究对象,从该公司成本控制入手,利用人工智能分析镇江公交成本控制的现状及优化措施,制定成本控制目标,改进成本控制措施,提出了运用人工智能有效缓解镇江公交经营成本压力的建议,对我国公交行业成本控制提供了新的思路和方法。     

基于模糊推理的高速公路软基处理技术决策专家系统研究

针对高速公路软基处理技术的方案决策问题,结合人工智能原理和软基处理的知识特点,建立了基于模糊推理的高速公路软基处理技术决策专家系统推理模型,重点阐述了系统参数的确定方法,并运用实例进行了推理验证。     

基于拓扑变换的一种不确定性推理方法

不确定性推理的研究是人工智能研究领域的核心问题之一,也是近年来一个很活跃的研究方向.关于解决和处理不确定性推理问题的方法有很多.但从数学本质上来看,它们都是在推埋的前提和结论之间建立一种变换关系,并利用该变换关系去处理该推理问题.本文用模糊拓扑和模糊数学的方法给出了一种基于拓扑变换的不确定性推理方法.这为处理不性推理问题提供了一种合适的方法.     

Knowledge Representation and Fuzzy Reasoning of an Agricultural Expert System

The design scheme of an agricultural expert system based on longan and cauliflower planting techniques is presented. Using an object-oriented design and a combination of the techniques in multimedia, database, expert system and artificial intelligence, an in-depth analysis and summary are made of the knowledge features of the agricultural multimedia expert system and data models involved. According to the practical problems in agricultural field, the architectures and functions of the system are designed, and some design ideas about the hybrid knowledge representation and fuzzy reasoning are proposed.     

基于RBF神经网络模型的板料成形变压边力优化

为了解决变压边力优化过程中RBF(radial basis function )神经网络隐层节点训练难的问题,利用人工智能算法的优越性,建立了基于人工免疫算法的RBF神经网络,并将其用于非线性函数的逼近中.结合分块压边圈与改变压边力控制技术,通过Dynaform软件进行数值模拟获得成形数据,建立了变压边力与成形质量之间的RBF神经网络近似模型.利用人工免疫智能算法对该近似模型进行优化,获得最优压边力参数.将该方法应用于S形梁冲压成形中,与优化前的结果进行比较,采用优化后最优变压边力可以抑制起皱,最大起皱量减少了89.53%.      

未来城市交通技术发展与创新 ——“交通7+1论坛”第五十二次会议

随着移动互联网、大数据和人工智能等技术发展,城市交通系统中涌现出“共享交通”“需求响应式出行服务”“无人驾驶”“城市交通大脑”等新兴的交通工具、服务模式和管理手段,未来交通系统将面临创新发展的机遇,并对传统交通行业带来巨大挑战.本次论坛以“未来城市交通技术发展与创新”为主题,分析了预约交通系统的发展前景,探讨了超级交通仿真系统的相关核心技术,分析了无人驾驶的发展、挑战及仿真技术,说明了大数据和人工智能技术在城市智慧发展中的作用与运用要点.     

人工智能算法在铁道车辆动力学仿真中的应用进展

梳理了人工智能算法在铁道车辆系统动力学仿真中的应用实例和国内外相关文献，概述了铁道车辆动力学仿真中常用的机器学习和深度学习算法，归纳和评述了2种学习算法在铁道车辆系统动力学建模与仿真中的应用分类；从铁道车辆系统动力学建模、动力学性能预测与动力学性能优化等方面入手，详细讨论了人工智能算法应用在力元建模和仿真、轨道不平顺预测、运行平稳性预测、噪声预测、侧风安全性预测、运行安全性预测、悬挂优化、轮轨匹配优化、结构优化以及主动与半主动控制等领域的优势和局限性，指出了现阶段人工智能算法在动力学仿真应用中主要面临的训练样本缺乏、泛化能力不够、可解释性欠缺等问题；展望了今后人工智能算法和车辆系统动力学交叉研究的发展方向和重点研究内容。研究结果表明:融合经典力学和人工智能算法结合的混合建模理论可作为之后的重点研究方向；人工智能算法对解决随机动力学中的随机不确定性，提高随机动力学的性能具有较大的应用潜力；通过人工智能算法与优化算法相结合来实现动力学性能优化，可充分发挥人工智能算法的优势。