基于航迹推演的船舶动态智能避碰方法

针对受限水域船舶动态智能避碰问题,将航迹预测与改进速度障碍相结合,提出一种船舶动态智能避碰方法。建立两船相对运动模型并实时计算船舶避碰运动参数,基于三自由度船舶操纵运动数学(MMG)模型和Kalman滤波算法分别预测本船(OS)和目标船(TS)下一时刻运动状态;然后结合《国际海上避碰规则》(简称《规则》)、良好船艺、航迹预测模型、速度障碍算法和航向控制系统等分析设计船舶动态智能避碰决策模型;通过仿真试验验证动态智能避碰决策模型的可行性和有效性。结果表明：该算法可满足受限水域两船和多船复杂会遇局面下船舶智能避碰,实现动态避碰条件下的船舶安全航行。     

海上高速航行船舶触礁距离实时计算方法

为了提高船舶航行安全性,并应对航行过程潜在碰撞风险,提出海上高速航行船舶触礁距离实时计算方法。通过航海雷达探测船舶航行环境中的礁石目标,确定极坐标系下的位置坐标后,将其转换地心垂直坐标系下,构建基于PLSTM-FCN的船舶航迹预测模型,从船舶自动识别系统中获取高速航行船舶历史位置、航速、航向、船舶长度、宽度以及吃水深度等AIS数据,将其作为模型输入,模型输出为船舶航行实时位置预测结果,结合礁石目标位置,完成触礁距离的实时计算。实验结果表明,该方法可预测船舶航行航迹,预测MSE值仅为0.002 2;可实现船舶触礁距离的实时计算,计算结果与实际距离误差介于0.77～1.55之间。     

基于PID算法的船舶航迹自动控制方法

由于当前船舶航行环境日益复杂易造成船舶航迹偏离等问题,一旦船舶偏离航行易造成严重的安全问题,因此对船舶航迹进行精准控制的要求也越来越困高。由于传统方法缺失自动校正航线等功能,对船舶航迹进行控制仍存在延时、误差等问题,不利于船舶进行准确航行。为了实现船舶航迹自动控制的功能,结合PID神经网络算法对船舶航迹控系统进行优化,基于模糊算法对船舶航行参数进行控制和调整,以便提高船舶沿航线进行准确航行,同时在船舶偏离航线时及时进行检测和校正保持船舶沿标准航迹航行。为检验该方法的有效性,进行了仿真实验,实验结果证明基于PID算法的传播航迹自动控制方法有利于准确保障航迹,自动对船舶航行数据进行分析和矫正,保持船舶控制系统的良好性能。对我国航海战舰控制航迹有一定的指导意义。     

船舶航行轨迹自动化控制中PLC技术研究

为有效发现水域中那些偏离正常航行轨迹的船舶,从而提高船舶航行安全性,设计基于PLC技术的船舶航行轨迹自动化控制方案。通过提取船舶航线轨迹数据的方式,弥补缺失信息的插补空隙,完成PLC数据的采集及预处理。在此基础上,度量轨迹内航行节点间的相似性,按照正常轨迹点的建模需求,实现对时间复杂度的精准分析,完成船舶航行轨迹自动化控制中的PLC技术研究。对比实验结果表明,与GMM航迹分析算法相比,应用PLC自动化控制方案后,QIE水域避障系数提高至6.32,不仅提高船舶的航行安全性,也可有效发现偏离正常航行轨迹船舶的实时所处位置。     

基于数据挖掘的船舶航迹点生成算法

随着船舶航运事业的发展,对船舶航线生成控制精度要求也越来越高,传统船舶航迹生成方法受航行环境影响较大,船舶航迹经常发生偏移等状况,难以保障船舶航行的精准和安全度,不能满足当前船舶航运事业的发展的要求。基于以上背景对船舶航迹点生成算法进行深入研究,结合数据挖掘法对船舶航行稳定性、安全性和经济性的角度出对船舶海量数据进行挖掘,对船舶轨迹点生成方法进行创新和优化。以便精准对船舶航迹点进行规划和决策,增强船舶航行过程中的抗干扰能力,提高船舶航行效率和安全,优化船舶通航避免船舶航迹点错误等问题。为了检验该方法的可行性,对船舶航迹点生成控制算法进行测试,通过对测试结果进行分析证实,基于数据挖掘的船舶航迹点生成算法可更加精准有效的对船舶航行位置进行控制。由此证实,该方法具有较高的仿真精度,适用于船舶航迹点生成控制算法的仿真研究工作。     

基于AIS大数据的南京长江大桥水域规律航迹研究

南京长江大桥水域通航环境复杂,安全风险高。掌握船舶航行规律,对桥区水运安全监管及航道优化具有重要意义。利用船舶自动识别系统（AIS）大数据,采用自动化并行航迹密度计算方法,识别出不同大小的船舶在不同水期的规律航迹分布,并结合多源数据分析其时空变化特征。通过研究发现大桥水域船舶航行总体符合航行规则;相比小型船舶,大型船舶航行更加规范,通过桥孔时位置更居中,和桥轴法向夹角更小,主航迹带与航道重叠度更高;洪季受水流作用影响,船舶航迹较枯季整体偏北,随水位降低呈逐步向南演变的趋势。     

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。     

复杂动态环境下船舶操纵系统避障自适应控制方法

为使船舶方向舵角与航向角之间物理夹角与航迹转向角数值变化趋势保持一致,实现船舶精准避障,提出复杂动态环境下的船舶操纵系统避障自适应控制方法。根据船舶避障过程,规划待通过的船体安全行进路线,完成复杂动态环境下的船舶操纵系统避障轨迹建模。建立船舶操纵运动方程式,根据运动坐标值的自适应转换原理,实现对船舶避障轨迹的精准控制。实验结果表明,自适应避障方法可将方向舵角和航向角的夹角与航迹转向角间的最大差值控制在10°以内,符合准确避障的船舶航行需求。     

数据挖掘技术在船舶航迹拟合中的应用

近年来,针对船舶航迹拟合的研究日益增加。但原有船舶航迹拟合方法在使用中,常出现拟合结果与实际航迹相差较大的问题。因而采用数据挖掘技术展开优化,设计基于数据挖掘技术的船舶航迹拟合方法。在船舶中引用AIS系统,获取船舶行驶数据。采用数据挖掘技术中的模式挖掘算法对采集到的数据进行预处理。使用上述处理后的数据,构建船舶航迹拟合模型。至此,基于数据挖掘技术的船舶航迹拟合方法设计完成。构建实例测试分析环节,将此方法拟合结果与原有方法拟合结果和实际航迹进行对比,获取航迹相似度。通过对比可知,此方法相似度高于原有方法。由此可知,基于数据挖掘技术的船舶航迹拟合方法拟合效果更佳。     

基于网络感知信息的船舶航迹规划智能避障方法

为实现智能避障,确保船舶航行安全,设计基于网络感知信息的船舶航迹规划智能避障方法.高效感知船舶本身及附近环境信息,精准获取船舶本身及附近船舶位置信息.依据位置信息构建船舶航迹规划中碰撞危险度模型,判断本船是否存在碰撞危险.若存在碰撞危险,则采用模糊神经网络智能控制船舶航行方向完成智能避障.试验结果表明:该方法可精准感附...     

基于AIS信息和BP神经网络的船舶航行行为预测

针对船舶航行行为多维度的特点和船舶交通服务系统(Vessel Traffic Service,VIS)对船舶行为预测的精确度和实时性需求,提出结合船舶自动识别系统(Automatic Identification System,AIS)信息和BP(Back Propagation)神经网络的船舶航行行为预测方法。构造基于AIS信息的船舶航行行为特征表达方法,根据BP神经网络预测的基本原理,以连续3个时刻的船舶航行行为特征值为输入,以第4个时刻的船舶航行行为特征值为输出,对BP神经网络进行训练,用于对未来船舶航行行为进行预测。以成山角VTS水域内的船舶AIS信息为例进行试验,结果表明:利用该方法对船舶航行行为特征值进行预测的结果准确、实时,误差在可接受的范围内。     

遗传算法在船舶运行轨迹大数据智能采集中的应用

针对当前舰船航迹数据采集方法信息更新速度慢、采集精确度低,无法满足海上航道信息采集要求的问题,提出了基于遗传算法的船舶运行轨迹大数据智能采集应用方法。分析和挖掘船舶航迹数据,得到船舶总体运行特征,优化航迹压缩算法,通过实时处理冗余信息并进行多层存储,噪声去除、插值和航迹分割大型船舶航迹数据,实现轨迹空间并行聚类,采用遗传算法简化航迹数据,得到多个块区域的点集合数据,并窗口化处理块区域,识别航迹通道边界,完成船舶航迹数据的精确采集。实验结果表明,所提方法的信息更新速度较快,能够有效提高采集精确度,满足船舶航行轨迹采集要求。     

海上多船行驶自动避碰系统设计

随着航运事业的发展,船舶数量不断增加。船舶的行驶环境复杂多变,易造成船舶航行偏移现象,在多船舶同时行驶的海域易出现船舶碰撞等问题,严重威胁着船舶航行的安全。为提高船舶航行安全,减少船舶碰撞事故的发生,对海上多船行驶自动避碰系统进行了创新和优化。利用PID控制方法对船舶行驶领域多目标航迹检测系统进行创新,以期达到更精准、快速的船舶避碰检测控制系统设计目标。通过该系统对船舶航迹航行状态进行检测控制,从而避免船舶在行驶过程中受外界环境影响出现的航迹偏离及信息延时导致的船舶碰撞等问题。为了保障船舶自动避碰系统的有效性,对船舶避碰检测和控制情况进行仿真实验。仿真结果表明:该系统可及时有效地对船舶会遇的可能性做出精准分析和有效判断,并及时控制船舶航迹及速度,以便科学合理的执行船舶避碰方案决策,从而有效避免船舶碰撞事故,保障船舶航行安全。     

基于计算机视觉的船舶操纵受扰力预测模型

常规船舶操纵受扰力预测模型在高海况预测数据幅值较大的情况下,预测过程引入的误差较大,因此设计一种基于计算机视觉的船舶操纵受扰力预测模型。首先分析船舶水上受力,得到不同坐标系下船舶自由度向量,在一定假设条件下得到船舶受力方程,了解船舶的受力情况后对基于计算机视觉的船舶航行图像的质量进行处理,填充连通图像区域,完成图像形态学处理,提取出与船舶操纵受扰力相关的图像兴趣区域,结合船舶自身的特性,完成船舶操纵受扰力的预测。仿真实验的结果表明,设计的预测模型在高海况不同船舶航行速度下,预测误差均小于常规模型,验证了设计模型的准确度。     

基于动态窗口法的近海水域船舶避障算法研究

[目的]提出一种改进的动态窗口法,以解决近海水域智能船舶在面对夹击及动静混合会遇时无法有效避让的船舶避障问题。[方法]为得到在近海水域航行的船舶约束条件,针对近海水域对船舶避障的影响因素进行分析,同时提出近海水域船舶航行最低避障要求;然后对动态窗口法（DWA）的目标函数进行优化改进,并将其与船舶和障碍物的距离相关联,以提升船舶在航行图中的安全性,同时将目标函数中的航向权值引入船舶会遇态势判断,以使目标船舶可以有效判断船舶的避障责任;最后,通过仿真模拟验证改进算法的有效性。[结果]仿真结果表明,所提的改进算法在分别遭遇夹击以及复杂会遇的情况下,能够清晰地判断船舶的避障责任,降低航行过程中的速度变化陡峭度,且所规划的船舶航行路径可有效提升船舶航行的安全性。[结论]所提避障算法可为解决近海水域智能船舶遭遇复杂会遇情景的避碰失败问题提供参考。     

基于低信噪比AIS数据的船舶航迹精准预测

针对船舶自动识别系统(AIS)数据存在较大的实时系统噪声和测量噪声,且易丢包和产生错误的问题,提出了滑动卡尔曼循环网络.该方法采用加窗处理的方式,通过在各窗口中建立状态方程,并使用实时计算的噪声对其进行更新,将非线性高斯系统转化为线性高斯系统.将该高信噪比状态参数输入相应时刻的循环单元中,训练网络参数,从而拟合其非线性关系,实时预测船舶的航迹进行.试验对"大连—烟台"航段的AIS数据进行分析,并将所得结果与传统方法相对比,证明该方法具有较高的精度和较快的速度,可实时对船舶航行轨迹进行精准预测.     

基于AIS数据的船舶航迹多维预测方法

目前,船舶轨迹预测存在数据噪声严重、缺乏考虑历史轨迹的相似性的问题,导致预测精度不高,难以满足实际需求。针对该问题,从船舶自动识别系统(Automatic Identification System, AIS)数据去噪、在预测模型中考虑历史数据两个方面提高船舶轨迹单步预测的精度和可靠性。根据相邻时刻的AIS数据修复当前时刻的船舶运动参数;使用二维长短时记忆网络(Long Short-Term Memory, LSTM)算法分别从时间和空间的角度将当前船舶的航迹数据和历史轨迹数据相融合,建立航迹预测模型和区域预测模型;利用试验数据验证模型的综合性能。试验结果表明:该模型可获得精度较高的船舶航行轨迹。     

改进灰色模型的船舶航行轨迹自动预测研究

为实现更加精准、自动化的船舶航行轨迹预测,利用改进灰色模型,提出一种基于改进灰色模型的船舶航行轨迹自动预测方法。在船舶航行中的AIS数据中对船舶航行轨迹数据进行提取,其中AIS数据具体包括船舶航程数据、船舶动态数据以及船舶动态数据。通过数据估计算法插补缺失数据,分为2个步骤,第1步是对插补数据进行识别,第2步是对其进行插补。通过改进灰色模型对船舶航行轨迹进行自动预测,主要使用基于缓冲算子改进的灰色模型构建船舶航行轨迹自动预测模型。选取某船舶服务项目中包含的船舶AIS数据作为实验数据,对设计方法进行实例测试。测试结果表明,设计方法的数据提取质量较高、预测模型的误差较小,具有广阔的市场应用前景。     

利用卡尔曼滤波预测船舶航行轨迹异常行为

随着计算机控制技术的飞速发展,在船舶的航行预测和控制领域,人们相继开发出了各种智能化的预测算法,从而保证了船舶航行的安全。在船舶的行为预测和控制中,需要大量的传感器对船舶的姿态信息、设备状态信息和通信导航设备信号进行采集,因此本文着重研究了信号的滤波算法。本文提出了基于卡尔曼滤波算法的船舶航迹跟踪技术,并针对船舶的航行特点,建立了适当的运动模型和状态方程,最后通过仿真实验,对扩展卡尔曼算法的目标跟踪性能进行验证。     

基于数据挖掘的船舶行为研究

如何从我国沿海港口海量的船舶自动识别数据中找出海上交通知识,是我国交通海事部门和港口管理部门亟需解决的重要同题.针对海量数据处理的瓶颈及海上交通数据的特点,运用地理网格技术划分港口水域,从而降低船舶航迹数据复杂度,建立船舶行为模型,对每个地理单元格上的船舶行为进行统计分析,进一步运用数据挖掘技术揭示整个海域船舶行为规律.所挖掘的知识可以运用到船舶航行位置预测、船舶异常行为检测及海上交通流模拟等研究领域.该研究方法开拓了海上交通安全的研究思路,为海事部门和港口管理部门的通航环境管理等提供理论依据.