无人驾驶技术的水面船舶曲线航迹跟踪方法

传统水面船舶航迹跟踪方法仅能对线性航迹进行跟踪,针对与双体船结构特征相似的无人驾驶船舶航迹,在其无线航迹跟踪应用中表现出航迹跟踪坐标位置与实际坐标位置误差较大的问题,导致跟踪目标经常丢失。为此,结合双体船航迹跟踪特点,提出无人驾驶技术的水面船舶曲线航迹跟踪方法。首先对水面船舶航行条件建立模型,根据条件模型对船舶曲线轨航迹进行数据模型计算。最后,结合条件模型与曲线航迹模型,对跟踪算法进行差值优化计算,从而提升曲线航迹的跟踪精准度。通过仿真数据的模拟测试,采用提出方法的船舶,能够将曲线航迹跟踪精准度控制在98.6%以上,有效解决传统跟踪方法误差大的问题。     

嵌入式船舶导航系统航行轨迹智能控制方法

传统船舶航行轨迹智能控制方法存在控制精准度低的缺点,为此提出嵌入式船舶导航系统航行轨迹智能控制方法。采用双坐标系对船舶航行轨迹模型进行建立,以建立的船舶航行轨迹模型为依据,利用传感器对船舶航行轨迹数据进行采集与处理,通过采集的数据计算船舶航行轨迹偏差,采用船舶航行轨迹控制算法对航行轨迹偏差进行调整,实现了嵌入式船舶导航系统航行轨迹的控制。通过实验可得,提出的嵌入式导航系统航行轨迹智能控制方法控制精准度比传统方法高28%,说明提出的嵌入式导航系统航行轨迹智能控制方法具备极高的有效性。     

LSTM网络在船舶航行轨迹预测中的应用

针对传统船舶航行轨迹预测算法,计算得到的轨迹预测量的回归适应性差,导致预测结果与实际轨迹之间的误差较大,严重影响船舶航线调度与航行安全的问题,提出LSTM网络在船舶航行轨迹预测中的应用。利用LSTM网络模型的梯度传递特性,建立航行轨迹进行LSTM网络模型,优化轨迹预测学习器预测学习量,采用高斯回归算法,增强预测量的自适应性,减小预测误差,整合网络预测数据,完成轨迹预测输出计算。实验数据表明,提出的预测方法的预测结果与实际轨迹之间的误差较小,能够有效提升轨迹预测精准度。     

船舶用无线传感网络的通信节点优化与控制选取技术

随着当前船舶自动化、高速化的发展趋势,船舶通信设备功能也日趋复杂,对无线网传感通信控制技术要求也逐渐增高。无线传感通信网络控制技术的运行效果直接影响船舶航行安全,由于船舶航行过程中数据种类复杂多样,传统船舶网络通信控制技术难以及时对船舶网络信息节点进行优化。因此,对当前常用的船舶无线传感网络通信控制技术进行分析,结合环型拓扑结构的以太网的交换机模型对通信节点优化控制方法进行创新,从而改善传统方法中存在的数据传输误差等问题。为了验证方法的使用效果,对数据传输的精准度和时延情况进行检测,检测结果表明,结合环型拓扑结构的交换式以太网的交换机模型对通信节点优化控制方法可有效减少信息传输延时和误差问题,具有较高的可行性。     

多船并行航行轨迹精准控制算法研究

传航行轨迹精准控制算法在多船并行情况下,由于计算中没有区分航线航向,造成航行精准度较低,为此提出多船并行航行轨迹精准控制算法。构建船舶轨迹精准控制模型,根据船舶航行目的生成船舶运行轨迹,以实际航行轨迹为基础计算船舶定位航线,分别计算船舶直线航行控制轨迹以及曲线航行控制轨迹,完成多船并行航行轨迹精准控制算法设计。设计仿真实验,通过模拟使用环境,将提出算法与传统算法进行比较,实验结果表明提出方法计算的航行精准度更高,证明研究方法具备有效性。     

随机风浪下船舶航速自适应控制

船舶在航行过程中受到参数扰动及海浪因素等影响,导致航速控制的稳定性不好,提出基于自适应反演误差补偿的随机风浪下船舶航速控制方法。构建随机风浪下船舶航速控制约束参量模型,采用船舶姿态信息的实时调节方法进行误差补偿,结合船舶的航速参量进行位姿修正,提高船舶航行的稳定性。采用Kalman滤波算法进行船舶航速参量的融合处理,实现自适应优化控制。仿真试验结果表明,采用该方法进行船舶航速自适应控制的稳定性较好,输出航速参量的自适应调节能力较强,提高船舶抗随机风浪能力。     

船舶状态监控网络的节点信任度模型研究

传统船舶状态网络监控节点受到扰动节点的影响,先验信息节点存在信任差量,导致节点信任度模型输出量精准度降低。为了解决先验信息节点的信任误差问题,提出船舶状态监控网络的节点信任度模型。首先对船舶状态数据进行数据结构的信任模型结构映射,固定模型结构数据量;然后,对状态数据节点关联参量进行信任量的约束定义;接着,通过数据节点的迭代特征,完成对信任模型的节点信任系数更新;最后对更新后,信任模型中的先验信息节点进行输出信任度确定计算,从而达到提升信任度模型输出量精准度的目的。通过与传统信任模型输出量的精准度对比,证明提出设计的模型研究方法,具有提升模型输出量精准度的效果。     

基于云推理的船舶航行速度非线性数学控制模型

传统的船舶航行速度数学预测模型在数据转换的过程中具备较大误差,导致最终的预测准确率较低。为了能够提高船舶航行速度预测的准确度,基于云推理建立船舶航行速度的非线性数学控制模型。建立云推理规则发生器,探究双条件下的运行模式,转化船舶航行的历史数据,以此建立全新的线性数学模型。实验结果表明,该数学控制模型的预测精度能够达到85.2%,相较于传统的集中数学模型有较大的改进,且建模时间也相对较短,因此可知该数学模型具备实用价值。     

人工智能技术在船舶柴油机振动监测中的应用

传统船舶柴油机振动监测数据与实际柴油机振动参量存在一定的偏差,为了提升船舶柴油机振动监测数据的精准度,提出人工智能技术在船舶柴油机振动监测中的应用。在人工智能技术支持下,首先对船舶柴油机振动监测传感器结构进行参量校准;接着在感应数据标准值下对柴油机曲轴振动数据进行异常信号的分析处理计算;然后对分析后的异常信号源进行提取计算,完成对柴油机振动监测的全局计算。通过对比实验结果表明,提出方法具有提升监测值精准度的作用。     

模糊控制方法的水面船舶动力定位控制

传统船舶动力定位控制算法,在动力输出参量耦合情况下,存在动力阈值系数定位误差过大的问题。导致后续控制变量周期变化不稳定,无法准确控制船舶全局动力输出。为了解决上述动力定位控制问题,提出模糊控制方法的水面船舶动力定位控制。基于模糊控制方法的广域性,对动力控制参量进行模型计算;根据模型完成对动力变量目标位置定位量的优化。最后,根据优化阈值利用模糊神经算法,完成对输出控制量策略的更新,实现提升动力定位控制精准度,减小控制误差的效果。通过与传统算法的效果对比表明:提出的控制方法,具有定位速度快、精度高、资源消耗小的特点,更适合实际船舶动力定位控制场景的应用。     

人工智能技术舰船航行自动控制研究

传统舰船航行自动控制功能主要通过算法对定义舰船轨迹数据与舰船航行数据综合分析计算,根据计算结果对PID自动控制器下达控制指令来完成自动控制操作。此种控制模式受到算法定义逻辑限制存在一定的控制误差,无法真正做到舰船航行的精准控制。为解决上述问题,提出人工智能技术的舰船航行自动控制研究。首先对舰船航行轨迹进行模型计算,接着对舰船PID控制数据进行模型计算。最后,通过人工智能技术对航向轨迹与PID控制数据进行关联计算,得到精准的舰船航行控制数据。通过对比实验对提出的控制方法与传统控制方法进行对比,数据证明提出方法的控制精准度高于传统自动控制系统。     

基于嵌入式技术的舰船电动机功率因数补偿研究

传统舰船电动机功率因数补偿方法,主要通过补偿检测硬件来获取功率同步因数与异步因数间的差量,根据差量来决定补偿量的大小。此种方法受到补偿硬件检测精准度影响较大,存在不定量的补偿误差。因此,提出基于嵌入式技术的舰船电动机功率因数补偿研究,通过采用嵌入式方式,对船舶电动机控制功率参量进行模型计算。对模型中的电动机功率参量进行解耦计算,获取惯性无功补偿量。最后,对解耦计算后的电动机进行惯性无功补偿。通过实验对提出研究方法的准确性进行对比验证,证明其具有显著提升电动机功率补偿精准度,减小误差的效果。     

不确定负荷下船舶微网功率自适应控制方法

传统自适应控制方法不能根据船舶航行情况,及时调整负载电荷的输出功率。为解决此问题,设计基于不确定负荷的船舶微网功率自适应控制方法。通过基本规划原理分析、控制范围协调2个步骤,完成不确定负荷下船舶自适应控制范围规划。通过微网智能体结构搭建、控制流程完善、多环控制范围确定3个步骤,实现新型船舶微网自适应控制方法的顺利运行。模拟方法应用环境,设计对比实验结果表明,与传统控制方法相比,新型船舶微网自适应控制方法在低、高频航行情况下,都可以实现船舶负载电荷输出功率的及时调整。     

船舶航向控制电子保持系统的误差补偿方法

船舶在航行过程中,受到导航与风速因素的影响,船舶航向控制电子保持系统会出现误差。为了修正误差会采用补偿的方法对其误差值进行修正。但是,传统的补偿方法仅能针对一种干扰因素造成的误差进行补偿修正,无法有效对船舶误差进行彻底补偿。因此,提出船舶航向控制电子保持系统的误差补偿方法研究。针对风速导致的误差进行风速解算模型与补偿计算,并对导航误差进行船舶惯导姿态更新计算,从而实现对误差的彻底补偿。通过仿真数据实验对提出方法的补偿有效率进行验证。     

基于DSP技术的航行自动化控制系统

针对船舶海上航行受到航行环境和船舶运行情况的影响,加大了船舶航行方向和航行速度的控制误差,为了提高船舶航行的自动化控制精度,提出了基于DSP技术的航行自动化控制系统设计。在硬件设计方面,利用DSP技术设计了复位电路和外围接口电路,对船舶航行自动化控制电路进行了设计,根据船舶航行自动化控制器的工作原理,完成船舶航行自动化控制器的设计,利用船舶航行自动化控制的误差函数,在函数下降方向上,自适应调整自动化控制的权值和阈值,建立了船舶航行自动控制网络模型,结合船舶航行的自动化控制流程,完成系统软件设计,实现船舶航行的自动化控制。实验结果表明,基于DSP技术的航行自动化控制系统不仅可以缩小船舶航行方向的控制误差,还可以缩小速度的控制误差,从而提高了船舶航行的控制精度。     

抗随机干扰的船舶动力系统混合控制方法

在随机干扰下,船舶航行的动力稳定性控制系统是一个多变量的非线性系统,通过船舶动力系统混合控制优化设计,提高船舶航行动力输出的稳定性。提出一种基于模糊PI双控制的船舶动力系统混合控制方法。构建船舶动力输出控制的约束参量模型,采用稳态误差修正方法进行船舶动力输出的误差反馈控制,结合模糊PI控制方法进行船舶动力输出的自适应调节,实现船舶动力双环自镇定反演控制。仿真结果表明,采用该方法进行船舶动力系统混合控制和输出稳定性调节,控制过程的稳定性较好,动力输出的鲁棒性较高,抗随机干扰性较强。     

非规则波动下直线航迹自抗扰控制数学模型设计

非规则波动,船舶直线航迹经常出现偏差,影响了船舶航行的稳定性和安全性。为此,针对传统PID控制、自适应神经网络控制2种方法控制效果差的问题,设计一种非规则波动下直线航迹自抗扰控制数学模型。该模型分为3部分:首先进行跟踪微分器设计,消除干扰因素的影响,然后利用扩张状态观测器,估计船舶运行状态,最后利用状态误差反馈,计算船舶运行误差,以此实现自抗扰控制。结果表明,与传统PID控制、自适应神经网络控制2种方法相比,利用设计的数学模型进行非规则波动下直线航迹自抗扰控制,得到的直线航迹与预期航迹之间的拟合优度更大,更接近1,由此说明自抗扰控制数学模型更能有效规范船舶直线航迹,保证了船舶航行的稳定性和安全性。     

船舶航行速度高精度控制的数学模型研究

现有模型无法适应不同荷载的航速需求,存在着控制精度低、控制时延长的缺陷。为此,提出船舶航行速度高精度控制的数学模型研究。分析船舶航行速度影响因素,构建船桨系统、柴油机以及附加阻力数学模型,以此为基础,基于PID技术设计航行速度控制器,制定船舶航行速度控制规则,通过执行控制规则,应用PID控制器实现了船舶航行速度的高精度控制。设置干扰环境,准备实验对象相关数据,进行船舶航行速度控制仿真实验。实验结果表明,与现有模型相比,本文构建模型航速控制精度较高,航速控制时延较短,表明构建模型航速控制效果更佳。     

MAN主机启动及换向失败的故障分析与处理

船舶柴油机操作系统是控制主机启动、停止、换向、调速功能的系统。在航行中,特别是在机动航行中,一但出现故障,如果处置不当就会导致船舶失控,酿成事故。文章就一次备车中主机操纵系统出现的故障,详述了现象、排除过程,并对其产生的原因作了分析。     

船舶柴油机瞬时转速监测技术

传统船舶柴油机转速监测技术,存在瞬时转速监测误差过大的问题,导致船舶动力控制效果无法达到最佳值。因此,提出一种新的船舶柴油机瞬时转速监测技术。通过对船舶柴油机转速监测信号的优化计算,获得纯净的瞬时转速基础信号函数;根据基础信号函数,对瞬时转速监测信号特征进行提取;结合柴油机机械结构特征,将特征信号转换为监测模型,完成监测机制的更新,达到减小监测误差的目的。通过与历史3种监测技术的数据对比结果表明,提出的检测技术监测值更趋近于实际值,监测稳定性更好。