改进卷积神经网络的舰船物联网安全风险估计

现有方法在舰船物联网威胁识别率与缺陷识别率上表现不佳,因此提出一种改进卷积神经网络的舰船物联网安全风险估计方法。对舰船物联网安全风险数据进行分类也就是分类安全风险指标。对于动态类安全风险数据,需要对其进行数据补充。运行类安全风险数据的预处理需要进行数据清理。基础类安全风险数据的预处理需要进行数据变换与数据归一化处理。基于改进卷积神经网络提取舰船物联网安全风险数据特征,使用的改进卷积神经网络为SSD神经网络。基于灰色层次分析、Borda序列、风险矩阵构建舰船物联网安全风险估计模型。对设计方法进行实践应用,测试其舰船物联网威胁识别率与缺陷识别率,结果表明该方法取得了识别率数据上的突破,能够保障舰船物联网的安全。     

遗传神经网络算法在船舶碰撞危险度确定中的应用

为提高船舶航行安全性,首先建立船舶碰撞危险度评估模型,并结合神经网络算法对特定的水域进行危险度模型拟合,获得较为准确的船舶碰撞危险度模型。基于Matlab软件对建立的模型进行编程计算。本文建立的船舶碰撞危险度模型经过50次误差训练后达到了较高的拟合精度,获得较好的效果,可为提高船舶航行安全性提供参考。     

复杂水域船舶智能避碰专家系统设计

针对复杂水域船舶碰撞风险较高的问题,选取航速、航向、距离、能见度、风、浪、流等碰撞影响因素,设计碰撞危险度的计算方法,提出环境危险度的概念及计算方法;根据二者计算结果,构建神经网络样本,利用神经网络模型进行训练;基于Matlab设计复杂水域智能避碰专家系统。在对遇、追越、交叉相遇3种会遇局势下进行仿真验证,实验表明,该系统可以直接求解出碰撞危险度和环境危险度,将目标船和环境因素造成的碰撞危险区别对待,根据实际情况给出航行提示和建议。     

考虑船位预测不确定性的船舶碰撞危险度计算方法

[目的]船舶碰撞是威胁智能船舶航行安全的主要因素。船舶碰撞危险度计算模型应及时发现船舶航行中潜在的碰撞风险,为智能船舶的自主避让决策提供依据。[方法]首先,根据船舶领域侵入程度与侵入时间等参数,分析基于领域的碰撞危险参数计算模型,将航行场景划分为单船会遇局面和本船与船舶群组的会遇局面,给出一种新的多船会遇情况下的碰撞危险参数计算模型;其次,基于维纳过程对船位预测不确定性进行建模,根据卡方分布获取船位预测不确定性椭圆;最后,给出考虑船位预测不确定性的碰撞危险参数计算方法。[结果]该计算模型能够考虑船位预测不确定性对船舶碰撞危险的影响。[结论]可以进一步保障智能船舶的海上航行安全。     

基于云推理的舰船安全状态评估模型

为了提高舰船通信和航行的安全性能,提出基于云推理的舰船安全状态评估模型,采用均衡博弈方法构建舰船安全状态评估的约束参量模型,结合自适应转发控制协议进行舰船安全状态评估的目标函数构建,采用云推理算法进行安全状态评估目标函数的优化求解,设计服务接口模式进行舰船航行状态的调度和安全评估,采用Lyapunove指数预测算法实现舰船安全状态有效预测和评估。仿真结果表明,采用该方法进行舰船安全状态评估的准确度较高,对舰船航行和调度的有效性较好,确保了舰船运行状态安全。     

基于AIS数据的船舶航行安全评价模型构建

针对现有船舶海上航行安全度求解复杂、参考因素权重确定困难等方面的不足，研究影响评价模型准确性的数据来源、模型构建方法等问题，提出一种基于关系型数据库的船舶重要指标筛选方法和数据库构建及检索设计方案。构建基于模糊数学方法、层次分析法(Analytic Hierarchy Process, AHP)和专家评价法的船舶碰撞危险度(Collision Risk Index, CRI)求解模型，并根据实船自动识别系统(Automatic Identification System, AIS)数据对船舶航行安全评价数学模型和构建的数据库进行验证。结果表明，基于AIS数据的船舶航行安全评价数据库具有较好的可靠性和易用性。船舶航行安全评价模型计算结果可信，符合专家经验及《国际海上避碰规则》要求，可为船舶海上航行安全评价提供技术和理论支持。     

遗传极限学习计算法在船舶碰撞危险度确定中的应用

为防止船舶航行过程中出现碰撞问题,研究遗传极限学习计算法在船舶碰撞危险度确定中的应用。以船员视角、两船间的安全距离和航行速度为基础,利用最小安全时间直观描述船舶碰撞危险度;根据船舶航行样本数据,利用极限学习机预测最小安全时间,采用遗传算法优化极限学习机,通过初始化种群、适应度运算、交叉变异等过程确定最优染色体,提升最小安全时间预测精度。实验结果显示所研究方法遗传迭代25次后误差平方和降至2.5,不同海域的防碰撞操作控制成功率达到97.5%,说明该方法具有较快的迭代速度与较好的应用效果,可有效保障船舶航行过程中的安全性。     

基于选择性神经网络集成的船舶避碰问题研究

船舶碰撞危险度的确定是保证海上船舶航行安全的重要问题,也是一个复杂的过程,受很多因素的影响,具有很强的非线性特征。神经网络集成是用有限个神经网络对同一个问题进行学习,集成在某输入示例下的输出由构成集成的各种神经网络在该示例下的输出共同决定。本文基于粒子群优化算法实现一种选择性神经网络集成方法,并基于该方法对船舶碰撞危险度问题进行了建模。仿真结果表明,基于粒子群算法的选择性神经网络集成方法适合于船舶避碰问题模型,且模型的精度很高。     

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...     

基于模糊逻辑的船撞桥风险预警方法

为实现船舶碰撞桥梁前的安全预警及船舶过桥行为的改进,提出一种基于模糊逻辑的船撞桥安全预警模型。通过构建并分析船撞桥情景,确定船撞桥的风险因素,并根据理论分析和统计数据对影响因素进行模糊化处理,建立船撞桥模糊推理规则库和模糊推理机,去模糊化获取船撞桥风险。应用船舶通过港珠澳大桥江海直达航道桥为例,对船撞桥风险进行验证,结果表明该方法能够很好地实现船撞桥安全预警。该预警模型可作为船舶智能航行的重要组成部分,也可供海事部门用于船舶航行的安全监管工作。     

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。     

粒子群优化算法在舰船路径优化仿真中的应用

为保障舰船安全稳定航行,显著提升舰船续航能力,设计了基于粒子群算法的舰船路径优化方法。使用概率图法构建舰船航行路线图,按舰船在航行性能方面的评价指标,构建与舰船航行路线图相关、综合考虑舰船转弯角度以及地形威胁等约束的舰船航行路径优化模型,并应用改进粒子群算法求解所构模型,得到满足约束条件的舰船航行初始最优路径。之后通过删除冗余点的方式对舰船航行初始最优路径实施平滑优化处理,得到最终的舰船航行最优路径。实验结果表明,该方法可收获更优的舰船航行路径,舰船按该路径行驶,更有利于续航,使舰船航行任务得以有效完成。     

基于统计数学理论的舰船航行轨迹建模研究

轨迹建模对舰船航行安全具有重要的意义,为了解决当前的舰船航行轨迹建模准确性低,以及建模时间长的难题,以获得更加理想的舰船航行轨迹建模结果为目标,设计了基于统计数学理论的舰船航行轨迹建模方法。首先对舰船航行轨迹建模原理进行分析,建立舰船航行轨迹建模的数学模型,然后引入统计数学理论中的机器学习算法——BP神经网络对舰船航行轨迹进行建模,最后采用具体舰船航行轨迹数据进行了性能验证性测试。结果表明,相对于当前经典舰船航行轨迹建模方法,本文方法的舰船航行轨迹建模效果更优,获得了高精度的舰船航行轨迹建模结果,缩短了舰船航行轨迹建模时间,是一种高精度、高效率的舰船航行轨迹建模方法,具有一定的实际应用价值。     

船舶碰撞危险度的避碰决策模型

船舶碰撞危险度是影响船舶航行安全的重要参数,对船舶在航行中的避碰决策起着指导性的作用。船舶在会遇时,快速而且准确的计算出船舶碰撞危险度,是进行船舶间避碰决策的基础。然后,结合船舶碰撞危险度模型和避碰几何原理,建立船舶避碰决策模型,该模型能够为船舶驾驶员提供采取避碰行动的时机和转向幅度,以获得避碰行动的最优解。     

云计算平台下舰船航行应急响应资源需求预测分析

针对传统的应急资源需求预测分析模型易受干扰而导致的预测误差较大的问题,研究云计算平台下舰船航行应急响应资源需求预测分析模型。使用聚类算法对舰船航行应急资源需求评估,利用小波神经网络构建需求预测模型。在云计算平台中,对构建的资源预测模型参数求解,完成云计算平台下舰船航行应急响应资源需求预测分析模型的构建。设计与传统基于案例推理的资源需求预测模型的对比实验,通过实验证明构建的云计算平台下的预测模型预测误差更小,性能更佳。     

航行速度的非线性建模与仿真研究

舰船航行速度具有十分强烈的非线性变化特点,而当前舰船航行速度建模方法均只考虑其线性特性,使得舰船航行速度预测错误很大。为了提高舰船航行速度预测精度,提出一种航行速度预测的非线性建模方法。首先采用舰船航行速度的历史样本数据,建立舰船航行速度预测的训练样本集合,然后引入回声状态网络对舰船航行速度训练样本的变化规律进行描述,建立舰船航行速度预测模型,最后采用具体舰船航行速度数据对非线性建模性能进行测试。本文建模方法可以捕捉舰船航行速度强烈的非线性变化特点,舰船航行速度预测错误小,舰船航行速度预测精度要小于当前线性建模方法,而且降低了舰船航行速度建模的时间,具有比较显著的优越性。     

神经网络算法的舰船间距快速预测

间距预测是保证舰船航行安全的重要技术,传统方法存在舰船间距预测不准确,精度低等不足,为了提高舰船间距预测精度,提出基于神经网络算法的舰船间距快速预测模型。首先分析当前舰船间距预测的研究现状,找到引起舰船间距预测不足的因素,然后引入神经网络算法对舰船间距变化特点进行深入挖掘,建立舰船间距快速预测模型,最后采用VC++6.0编程程序实现舰船间距快速预测仿真实验,结果表明,神经网络算法的舰船间距预测精度超过90%,远远高于其他舰船间距预测模型,而且舰船间距预测速度快,减少了舰船间距预测的时间,具有比较明显的优越性。     

航道适航性分析模型设计与应用

为完善航运体系的安全性建设，须构建航道适航性分析模型并将其应用于船舶航行途中，旨在评估航道路线规划的合理性，为船舶的安全航行提供自动化、智能化的引导。由于以往的二维航道数据难以满足空间分析的需求，将由AIS航迹线数据与船舶型号参数所构建的三维航迹带、三维水下地形及三维航道要素模型作空间运算求得船舶可通航区域。在此基础上引入船舶碰撞危险度参数作为预警与决策分析的依据，构建适航性分析模型。以京杭运河的三维航道为研究对象进行模拟试验，验证模型的可靠性及稳定性。     

能见度不良时舰船避碰辅助决策方法

能见度不良是造成舰船碰撞事故发生的主要原因,为防止舰船碰撞,从转向与减速2个角度提出能见度不良时舰船避碰辅助决策方法。在能见度不良条件下,将目标舰船同其他舰船间的转向避碰问题定义为多目标函数优化问题,以同其他会遇舰船间的碰撞危险度充分下降、最大限度降低转向角度、目标舰船转向航行最少时间内恢复初始航向与航速为目标函数。能见度不良造成可视距离较小,在单独采用转向避碰决策无法有效实现避碰目的的情况下,需结合舰船变速避碰,以碰撞危险度与变速能量损失最小为目标函数,通过求解各目标函数,获取舰船转向幅度与降速决策信息。实验结果显示,当能见度不良时,舰船在不同会遇条件下均能够有效实现避碰目的。     

基于模糊理论的船舶复合碰撞危险度计算

基于船舶领域和动界的概念,在船舶碰撞几何原理的基础上,利用模糊规则和模糊综合评价方法,本文提出一种船舶复合碰撞危险度的计算方法。确定最近会遇距离(DCPA)、最近会遇时间(TCPA)、两船距离、相对方位、船速比5个主要因素的隶属度函数,并考虑航行区域状况、能见度情况和船舶的操纵性能等对船舶碰撞危险度的隶属度函数修正。用原始数据对3种不同会遇态势进行仿真和对3种不同碰撞危险度计算结果分析比较,结果表明该方法的有效性。