基于大数据分析的船舶航行安全自动评估系统设计

为了提高船舶航行的安全性,构建船舶航行安全自动评估系统,提出基于大数据分析的船舶航行安全自动评估系统设计方法。采用航向陀螺仪、三轴磁力计等敏感传感器进行船舶航行姿态参数采集,根据采集的船舶航行姿态数据进行大数据特征重组,建立船舶航行姿态参量大数据库,设计数据访问调度和参数融合算法,进行船舶航行安全大数据信息调度和特征分析,进而实现船舶航行安全自动评估。在嵌入式ARM环境下进行系统的软件开发,实现系统优化设计。仿真结果表明,采用该系统进行船舶航行安全自动评估的准确性较好,船舶航行安全信息大数据访问调度的实时性较高。     

船舶航行信息分层采集优化算法

针对传统采集优化算法在不同采集周期内得到的簇首节点分布不均匀,导致各个节点之间在采集信息、融合数据以及传输信息时会产生相互干扰的问题,研究一种船舶航行信息分层采集优化算法。首先使用决策树计算船舶航行信息增益值,对船舶航信信息进行分层,计算不同信息层次中特征的互信息量,得到航行信息数据离散特征,采用凸优化策略不断改进得到的离散特征,选择一项离散特征作为二值化层次阈值的采集值,将二值化层次阈值采集值分布在采集区域中,计算出采集区域内最优簇首数,完成船舶航行信息分层采集算法的优化。实验结果表明,与传统采集优化算法相比,船舶航行信息分层采集优化算法得到的簇首节点分布均匀,不会产生节点采集干扰的现象。     

云平台在船舶数据融合中的技术方案

海洋船舶的动力定位系统是海上安全航行的核心装备之一,动力定位系统需要对传感器搜集的各种信息进行数据融合,才能提高数据的准确性及可靠性。本文研究云平台中的分布式计算架构,并将此架构应用到船舶动力定位系统中的数据融合中,通过对各类传感器数据之间的耦合性分析,提出一种基于分簇遍历的数据融合优化方法,最后对算法进行仿真。     

基于测量分量加权融合的GPS/SINS船舶组合导航算法

具有执行简便和高精度优点的测量值融合技术已经在船舶组合导航中得到了广泛应用.但由于船舶组合导航系统中各子系统通常提供的是不等同维的测量数据,加之传统测量值加权融合存在各传感器测量等同维数的约束,使得该类算法在船舶组合导航中的应用能力和使用范围受到了很大的限制.针对上述问题,以GPS和SINS组成的、具有不同维数测量的船舶组合导航系统为研究对象,提出了一种新的基于测量分量加权融合的船舶组合导航算法.该算法的基本思想是寻找一个变换矩阵将具有不等同维数的测量扩维成满状态维数的矩阵,然后考虑扩维后的噪声方差是奇异矩阵,从而采用测量分量对应加权进行融合.与传统的测量加权融合方法相比,该方法不仅具有更广的应用范围,而且保持了与传统的集中式扩维融合相同的高精度性能.算法的性能分析和计算机仿真证明了新算法的有效性和优越性.     

船舶无人驾驶中的数据融合技术应用

海上船舶无人驾驶技术是现代海上信息化发展的重要方向,其不仅需要按照规定的航向航速运行,还需要考虑船舶碰撞及各类突然情况。无人驾驶技术对采集的信息及数据融合处理要求很高,通过各类传感器采集海上地形﹑环境﹑目标船只等信息,进行融合处理,为船舶无人操控提供可靠的航行数据。本文重点研究无人驾驶领域中利用AIS与雷达数据的信息融合方法,提出一种基于船舶航行及数据加权融合算法,最后进行仿真。     

基于UKF联邦滤波的动力定位船舶运动状态估计

针对动力定位船舶,采用基于无迹卡尔曼滤波(UKF)的联邦滤波技术,利用多种位置参考系统和电罗经的测量值来实现对船舶运动状态的估计。从传感器测量原理出发,采用非线性的测量方程,实现对多种位置参考系统传感器特征的描述,利用UKF滤波方法和联邦滤波结构将动力定位船舶配备的多个冗余位置参考系统的测量数据进行有效融合,从而提高对船舶运动状态估计的精度和可靠性。仿真结果表明,采用基于UKF的联邦滤波方法可以有效实现对动力定位船舶相关运动状态的估计。     

改进区间Kalman滤波器及其在船舶组合导航中的应用

具有执行简便和高精度优点的测量值融合技术已经在船舶组合导航中得到了广泛应用。但由于船舶组合导航系统中各子系统模型参数的不确定性，传统的多传感器数据融合算法状态估计精度难以保证，因此提出了一种多传感器数据融合的改进算法。该改进算法不仅具有常规区间Kalman滤波器的鲁棒性，而且实用性较强。其具有如下特点：将所有系统不确定性和观测不确定性等效为系统噪声和观测噪声的不确定性，简化了系统模型；采用一种较为简单的区间矩阵综合求逆方案；利用时变马尔可夫模型在线调整滤波输出加权系数。仿真结果表明：该改进算法的状态估计精度较高。     

大数据环境下船舶航行异常属性采集方法研究

为了缩短船舶航行异常属性的采集时间,提高异常属性的采集效率,提出了大数据环境下船舶航行异常属性采集方法研究。在大数据环境下,将船舶航行异常属性的尺度空间函数展开,通过计算异常属性主曲率的大小,寻找船舶航行异常属性的边缘特征点,完成船舶航行异常属性特征点的提取。采用异常属性变异系数,得到了采集传感器节点的能量消耗,利用船舶航行异常属性采集算法的实现流程,实现了大数据环境下船舶航行异常属性的采集。实验结果表明,大数据环境下的异常属性采集方法与传统采集方法相比,异常属性的采集效率提高了46.05%。     

深海船微弱水压场中的信号测量技术研究

大型船舶在航海过程中会使周围海域压力场发生变化,压力大小与船舶航行速率、吨位大小及气候环境相关,水压场测量技术是舰船动力系统的重要研究领域之一。三元阵列是测量深海领域船舶微弱水压场的主流技术,通过压力传感器采集水压数据,随后进行算法处理,得到的压力值精确度高,且算法实时性较好,得到了较为广泛的应用。本文分析深海船微弱水压测量压力,利用三元阵列技术给出船舶微弱水压场特征值的提取方法,最后进行仿真。     

基于被动式红外传感器的船舶轨迹重构

船舶航行的环境十分复杂,动态变化特点显著,导致当前方法无法对船舶轨迹进行精准重构,为了改善船舶航行轨迹重构的精度,提出基于被动式红外传感器的船舶轨迹重构方法。首先建立船舶航行的运动模型,然后通过被动式红外传感器对船舶航行数据进行采集,并通过卡尔曼滤波算法重构船舶轨迹,保证船舶轨迹跟踪准确性,最后采用具体实验对船舶轨迹重构方法性能进行分析。结果表明,本文方法能够实时捕捉船舶航行环境的动态变化趋势,可以高精度的重构船舶航行轨迹,船舶轨迹重构误差小,而且船舶轨迹重构速度快,可以保证船舶航行的安全。     

基于传感网络的舰船航行系统振动检测

传统船舶航行系统振动检测获取的检测结果,受到整体检测工具的影响,其信号契合度较低。为了有效解决这一问题,设计基于传感网络,以F-P滤波调解为核心设计新型船舶航行系统振动检测方法。利用数据信号反射模和滤波腔,进行信号滤波调解,选取完整振动信号波,根据数据极值,对其进行模态分解生成IMF数据值,减少数据噪声,对信号进行有序隔离,采用Colerra数据集算法提取船舶振动信号特征,计算Colerra数据核值,将最优核值进行有序排列,即可获取当前振动检测结果,实现船舶航行系统的振动检测。通过仿真实验分析设计振动检测方法的性能数据,实验结果表明应用新设计的振动监测方法获取到的检测数据信号,最大频谱测量值准确度提高了29%,最小频谱测量值准确度提高27%,可以有效提高信号契合度,具有实际应用价值。     

基于船舶大数据平台的物联网数据挖掘研究

海上监测平台通过传感器网络获取大量的海洋环境数据和船舶航行数据,由于作业平台的网络不稳定,数据来源广、类型多,不便于管理,因此,设计合理的船舶数据平台管理系统有重要意义。本研究充分结合物联网技术和传感器融合技术,对船舶大数据平台的数据管理和数据挖掘进行了系统的研究,并设计了一种聚类数据挖掘算法和数据挖掘引擎。     

船舶避碰中灰色数据挖掘研究

随着海洋运输业的发展,航行在海上的船舶数量越来越多,船舶避碰系统成为保障船舶航行安全的必要设备之一。现有的船舶避碰算法有基于视频图像帧数据的、红外传感器设备采集数据的,也有利用知识发现及大数据挖掘技术对船舶航行轨迹及碰撞规律进行分析,对船舶航行进行辅助指导。本文研究船舶避碰中的灰色度数据挖掘技术,并根据实际的应用数据建立灰色度数学模型,最后对本文的船舶避碰算法进行仿真,与传统算法进行比较分析。     

基于云计算的船舶大规模数据融合技术

现有的船舶数据融合技术存在较大的网络时延,因此研究一种云计算船舶大规模数据融合技术。建立数据融合结构模型,根据数据融合的程度划分3个层次,分析每个层次对应的传感器节点之间的关联性,采用动态组簇法平衡簇首能量,保证数据的传输效率,设计云计算融合算法,给各个监测值赋予合适的权值,完成云计算船舶大规模数据融合技术研究。对比实验结果表明,本文设计技术的网络时延比现有技术平均减少2.66 s。     

多传感器数据融合在船舶特征提取中的应用

给出一种基于多传感器数据融合的船舶特征提取方法。该方法使用激光传感器LD-LRS3100与LMS221,对船舶长度、高度、宽度、速度信息进行测量,然后通过数据关联、数据融合方法进行船舶提取。实验结果表明,使用多个传感器的数据融合方法比单个传感器的提取结果更为准确。     

使用数据挖掘实现舰船故障数据定位

为了更好地保障船舶航行安全,有效提高船舶的故障定位和检测能力,提出了使用数据挖掘实现舰船故障数据定位方法,通过对舰船故障数据进行实时采集和分类挖掘获取船舶航行过程中的异常数据,实现对船舶故障数据关联规则特征的准确提取。在进行故障定位的过程中,合理并利用电磁探测器和声敏传感器等设备进行故障诊断,并对不同类别船舶故障数据的高维特征融合的研究采用数据挖掘分析算法,利用数据挖掘分类器对船舶故障数据进行分类识别和定位挖掘,从而有效保障船舶故障数据定位的精确度和有效性。最后通过实验结果表明,使用数据挖掘实现舰船故障数据定位方法具有较高的故障定位精度。可以应用于船舶故障实时诊断,有效提高船舶故障诊断的实时性。     

基于多维关键数据挖掘的船舶航行路径控制算法

船舶航行路径受到航向、速度、发动机性能参数等关键数据的影响,对路径稳定性控制较为困难,为了提高船舶航行路径控制的稳定性,提出一种多维关键数据挖掘的船舶航行路径控制算法。构建船舶航行的运动学模型,采用轴加速度计、磁力计和三轴陀螺仪等测量设备进行船舶航行路径的多维参量采集,对采集的原始参量数据进行自适应融合处理,进行船舶航行路径控制参量的量化跟踪估计,采用多维关键数据挖掘方法获得船舶航行的最优的姿态角和最优路径解析参量,实现船舶航行路径优化控制。仿真结果表明,采用该方法进行船舶航行路径控制的稳定性和鲁棒性较好,对关键数据的估计精度较高,提高了船舶整体控制的稳健性。     

无线传感器网络的船舶航行姿态在线校正

为了提高船舶航行姿态准确性,针对当前船舶航行姿态在线校正方法存在的错误大、实时性差等缺陷,提出了无线传感器网络的船舶航行姿态在线校正方法。首先分析船舶航行姿态在线校正原理,并采用无线传感器网络对船舶航行姿态数据进行实时采集,然后根据无线传感器网络采集数据对船舶航行姿态误差进行预测,并根据预测结果对船舶航行姿态进行在线校正,最后进行了船舶航行姿态在线校正仿真对比实验。结果表明,无线传感网络的船舶航行姿态在线校正精度高,船舶航行姿态在线校正速度快,船舶航行姿态在线校正效果明显优于其他方法,解决了当前船舶航行姿态在线校正过程存在的一些难题,具有广泛的应用前景。     

大数据分析下双向通航港口船舶自适应调度算法

为了提高双向通航港口船舶的通行能力,进行双向通航港口船舶自适应调度,提出基于大数据信息融合的船舶调度算法。采用网格区域分割模型进行双向通航港口航道分割,构建船舶调度的大数据信息传递模型,对船舶的调度数据进行信息融合滤波处理,抑制冗余数据的干扰,采用模糊波束集成方法进行双向通航港口船舶运行大数据的聚类分析,根据数据的分布属性特征进行船舶航行调度,提高船舶调度的自适应性。仿真结果表明,采用该方法进行双向通航港口船舶自适应调度能提高港口的吞吐能力和船舶航行的畅通能力,且对双向通航港口船舶大数据的集成信息处理能力较强。     

利用AIS数据挖掘生成船舶航迹点方法研究

由于船舶航行受海上环境的影响而产生航迹误差,为了准确控制船舶航行轨迹,提出利用AIS数据挖掘生成船舶航迹点方法研究。根据AIS数据挖掘算法,提取船舶航行轨迹点数据特征,利用船舶航行轨迹点数据库中航行线路设置信息与目标对象运动信息之间的相似性,挖掘出船舶航迹动力定位数据,将AIS数据挖掘算法映射到船舶海上航行领域中,提取出AIS船舶位置采集点,通过设定阈值得到船舶航行转向点,将所有转向点连接成线,初步生成船舶航行轨迹点,利用船舶轨迹点生成流程,实现船舶航行轨迹点的生成。实验结果表明,基于AIS数据挖掘的船舶轨迹点生成方法在精度和时间上,都可以准确控制船舶航行轨迹。