船舶航行轨迹的实时检测与校正数学模型研究

为解决因船体碰撞而造成的航行轨迹偏离问题,提出船舶航行轨迹的实时检测与校正数学模型。通过分析内河航道特征的方式,处理各航迹间的分区关系,完成船舶航行轨迹的实时检测关系定义。在此基础上,提取必要的航行轨迹节点,按照微簇特征向量的确定原理,计算校正时间复杂度的实际数值,完成船舶航行轨迹的实时检测与校正数学模型研究。对比实验结果表明,与Spark检测手段相比,应用新型数学校正模型后,轨迹点的定航偏向系数降低至1.36,避免了因船体碰撞而造成的船舶航行轨迹偏离行为。     

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。     

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。     

基于RNN-LSTM的船舶运动轨迹预测

针对船舶轨迹预测精确性与实时性的需求，从数据层面探究影响船舶航行轨迹的特征，通过相关性分析确定网络的输入，提出结合循环神经网络-长短期记忆（Recurrent Neural Networks - Long Short Term Memory，RNN-LSTM）的船舶航行轨迹预测模型。通过船舶Z形试验相关数据与实船实际航行数据对网络模型进行训练，并对未来船舶航行轨迹进行预测。对未来轨迹的预测值与实际值进行对比。结果表明，模型预测误差小，验证该方案在船舶轨迹预测中的实用性和有效性。     

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。     

大数据网络下船舶轨迹异常故障检测技术优化

为全面控制船舶航行轨迹,保持良好的航向应用条件,提出大数据网络下的船舶轨迹异常故障检测优化技术。从上限边界数值确定、下限边界数值确定2个角度,完成大数据网络下的船舶轨迹异常范围确定。在此基础上,通过轨迹故障类型划分、节点故障检测属性关系确定、偏导优化系数计算3个步骤,完成大数据网络下船舶轨迹异常故障检测技术的优化操作。模拟实验结果表明,与基础故障检测技术相比,应用优化技术手段后,船舶航行轨迹的时间复杂度得到适当降低,单一节点处的轨迹密度提升明显,船舶航行应用条件得到有效保障。     

改进QuickBundles算法在船舶轨迹聚类中的应用

对船舶AIS数据聚类进行研究，可以挖掘出船舶航行过程中有效或潜在的信息，对于提高船舶海事交通管理和水路交通运输的智能化水平具有重要意义。传统的聚类算法在面对大量的AIS数据样本时通常表现出很低的执行效率。因而，提出一种改进QuickBundles算法，并对船舶轨迹采样方法和距离度量方式进行改进，选取长江南京航段板桥汽渡水域的船舶AIS数据作为试验依据，最终实现船舶轨迹的有效聚类。试验结果表明，与原QuickBundles算法和DBSCAN算法相比，改进QuickBundles算法在算法执行效率和算法准确性方面优于前两种算法，证明改进QuickBundles算法可有效应用于船舶轨迹聚类。     

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。     

基于最小二乘算法的船舶航行轨迹控制研究

为保证船舶一直按照既定的轨迹航行,避免发生碰撞事故,进行船舶航行轨迹控制具有重要的现实意义。为此,基于最小二乘算法进行船舶航行轨迹控制方法研究。该研究前一部分获取AIS系统中的船舶航行实时数据,得到船舶航行位置,后一部分利用最小二乘算法,并结合前一部分获取的数据,预测船舶航行角度和方向,控制船舶航行。结果表明:1)整体来看,实际航行轨迹线路与预期航行轨迹线路之间的拟合优度为0.984 7,比较靠近1,说明船舶航行实际轨迹符合预期。2)局部来看,通过对比10个不同节点处的航行速度和航行方向,误差比较小,说明所研究方法的航行轨迹控制效果较好。     

福州港闽江通海航道航行综合安全评估

以福州港船舶交通现状为基础,应用综合安全评估方法,分析福州港闽江通海航道水域船舶航行安全,提出相应的风险控制方案和决策性建议,以保障和提高福州港闽江通海航道船舶航行的安全性。     

基于图像处理技术的船舶航行轨迹分析与应用系统设计

近年来,海上贸易不断发展,港口和海上航线的船舶密集程度不断提高,海上交通事故频繁发生。海上交通监管部门为了改善海上交通,降低海上交通事故发生的概率,投入大量的精力研发海域内船舶的导航与航行轨迹分析等技术。船舶的航行轨迹数据分析有助于对船舶的航迹进行预测,检测出海域内船舶的航迹偏离等问题,提高船舶航行的安全性。本文重点研究了海上航迹的图像处理技术和卡尔曼滤波技术,并基于图像处理技术实现了船舶航行轨迹的分析和预测,对改善海上交通,降低海上碰撞事故发生的概率有重要意义。     

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。     

AIS船舶监控系统在引航中的应用研究

为提高船舶行进过程中的安全性,合理规划行进路线,本文对AIS船舶监控系统在引航中的应用进行了研究,通过AIS自身的功能,实时更新船舶航行的位置信息,确定船只行进的轨迹,实现船只的轨迹追踪,根据其追踪的轨迹,确定其行进过程中是否发生偏离,通过获取其他航行船只的轨迹图,将不同的轨迹路线进行对比,选择其中最优方案。通过实验研究,论证本文的应用方法具有客观的可行性,能够实现船只行进过程中的安全保障,减少航行过程中偏离轨道的情况的发生,合理规划行进路线。     

数字媒体技术在船舶航行轨迹虚拟中的应用研究

为紧密监控船舶在航行轨迹中所处的实时位置,提出基于数字媒体技术的船舶航行轨迹虚拟控制方法。通过确定基本导航系数的方式,计算惯性转角动量的实际数值,完成船舶航行轨迹的建模处理。在此基础上,连接既定型号的虚拟控制主机,按照航行轨迹的导入要求,确定轨迹转动的必备角度条件,实现数字媒体技术在船舶航行轨迹虚拟中的应用研究。对比实验结果表明,与OpenGL手段相比,应用新型虚拟控制方法后,航行轨迹的内部、外部偏向角均出现明显降低的变化趋势,船舶在航行轨迹中所处位置不明确的问题得到有效解决。     

大型舰船穿越海上桥梁过程安全性远程监测方法分析

为了提高大型舰船横穿桥梁时,其远程监测的有效监控范围,设计提出了一种基于舰船轨迹分析的新型安全性远程监测方法。建立固定坐标系和舰船航行坐标系,根据舰船航行重心G,明确船舶航迹及船位,通过三维点云数据提取技术,提取航迹特征值,根据聚类计算结果,求取船舶未来过桥时的有效路径及间距,建立远程传输通路和后台分析模块,通过知识库内预设的逻辑处理分析程序,对当前船舶轨迹特征信息和预设轨迹特征信息进行测评,实现舰船安全性远程监测。实验数据显示,该方法在顺向风流环境下,对舰船安全性远程监测有效监控范围提高了29%,说明该方法确实可以提高远程监控的有效监控范围,具有明显优势性。     

云存储环境下的船舶航行数据访问控制方法

普通船舶数据访问控制方法,存在访问安全性较低、相邻控制节点数据传输时间较长等弊端。为解决上述问题,设计基于云存储环境的船舶航行数据访问控制方法。通过特征分析、布局方法的确定,完成航行云存储环境的搭建。通过船舶数据代理重加密、数据的聚合和访问控制、访问控制安全性分析,完成基于云存储环境船舶航行数据访问控制方法的搭建。设计对比实验结果表明,新型方法与普通方法相比,适当提高访问安全性,并缩短相邻控制节点的数据传输时间。     

改进PID控制优化算法的航行轨迹研究

航行轨迹是一个时变性非常强的问题,当前航行轨迹控制优化算法存在控制误差大,无法对航行轨迹进行实时跟踪和控制,为了提高航行轨迹控制精度,改善航行轨迹跟踪和控制的实时性,设计了一种基于改进PID算法的航行轨迹控制优化方法。首先对航行轨迹控制原理进行分析,采用PID控制器对航行轨迹进行优化和控制,然后针对PID控制器的参数优化问题,引入蚁群算法进行参数在线调整,满足航行轨迹时变性特点,最后在Simulink环境下对航行轨迹控制进行仿真模拟实验。结果表明,本文方法的航行轨迹控制精度完全满足船舶实际工作要求,大幅度改善了航行轨迹的实时控制效果,是一种精度高、速度快的航行轨迹控制优化方法。     

人工智能技术的船舶航行轨迹控制算法

为加强船行主机对于行进轨迹的精准控制能力,实现对船舶航向的有效性规划,提出基于人工智能技术的船舶航行轨迹控制算法。联合TLC设计思想,计算伪逆系数的具体数值结果,完成基于人工智能技术的船舶航迹节点安排。在此基础上,研究微分代数谱理论,通过航向控制器的促进作用的,求解非线性控制参量条件,完成人工智能技术船舶航行轨迹控制算法的设计。对比实验结果表明,与线性化控制手段相比,新型轨迹控制算法的TDR系数值能够达到87%,能够在有效规划船舶航行方向的同时,实现船行主机对于行进轨迹精准控制能力的提升。     

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。     

卫星导航系统的船舶航行轨迹智能跟踪方法

针对当前船舶航行轨迹跟踪误差大的问题,为了提高船舶航行轨迹跟踪的精度,提出基于卫星导航系统的船舶航行轨迹智能跟踪方法。首先采用卫星导航系统对船舶航行相关信息进行采集,然后采用高斯混合模型对船舶航行轨迹进行检测和智能跟踪,最后其他的船舶航行轨迹跟踪方法进行对比测试。结果表明,在相同实验环境下,本文方法的船舶航行轨迹跟踪误差远远小于对比方法,船舶航行轨迹跟踪实时性能也得到较大的改善,解决船舶航行轨迹跟踪过程存在一些难题,具有更广泛实际应用范围。