机器学习算法的船舶路径跟踪误差估计

路径跟踪是船舶航行过程中的一项关键技术,当前船舶路径跟踪的误差大,跟踪实时差,针对该难题,提出基于机器学习算法的船舶路径跟踪误差估计方法。首先对船舶路径跟踪的流程进行分析,找到引起船舶路径跟踪误差的原因,然后收集船舶路径跟踪误差的样本数据,采用机器学习算法建立船舶路径跟踪估计方法,最后对船舶路径跟踪进行仿真模拟测试。机器学习算法可以估计船舶路径跟踪误差变化特点,获得了高精度的船舶路径跟踪结果,减少了船舶路径跟踪误差,船舶路径跟踪实时更好,船舶路径跟踪结果的整体性要明显优于当前其他船舶路径跟踪误差估计方法,具有更加广泛的应用范围。     

结合集合点容量限制的舰船疏散网络最优路径选取方法

针对传统舰船疏散网络最优路径选取方法舰船疏散性能较差的问题,设计一种结合集合点容量限制的舰船疏散网络最优路径选取方法。基于无向二值网络,利用节点代表疏散通道交叉点、疏散集合点、疏散口、水密门、舱室等舰船疏散通道因素,构建舰船疏散网络结构模型,结合集合点容量限制构建流动约束对应函数、水密性对应函数,从而对舰船疏散网络结构模型的目标函数进行构建。根据构建的目标函数,利用蚁群算法实现舰船疏散网络最优路径选取。为了证明该方法的舰船疏散性能较强,将传统方法与该方法进行对比实验。实验结果证明,结合集合点容量限制的舰船疏散网络最优路径选取方法的舰船疏散性能优于传统方法,更适合进行舰船疏散网络最优路径选取。     

基于物联网技术的舰船运行轨迹异常点识别

针对传统舰船运行轨迹异常点识别方法存在运行轨迹检测性能较差的问题,提出一种基于物联网技术的舰船运行轨迹异常点识别方法,获取舰船自动识别系统中的舰船运行轨迹数据,在舰船自动识别系统中,舰船运行轨迹数据的存放形式是日志文件,因此对系统中的日志文件进行挖掘,基于物联网技术对挖掘数据实施预处理,通过StopT-CB算法划分舰船运行轨迹以剔除停留点,便于进行异常点的识别,通过网格划分实现舰船运行轨迹的异常点识别。为了证明基于物联网技术的舰船运行轨迹异常点识别方法的运行轨迹检测性能更好,将传统舰船运行轨迹异常点识别方法与该方法进行对比实验,实验结果证明该方法的运行轨迹检测性能优于传统方法。     

舰船配电自动化系统防雷计算的参数研究

针对传统防雷计算参数获取方法绕击防雷性能较差的问题,设计一种舰船配电自动化系统中防雷计算的参数获取方法,获取舰船配电自动化系统避雷器的相关参数及其伏安特征曲线,利用其特征曲线构建舰船配电自动化系统避雷器的模拟模型,根据避雷器模拟模型对舰配电自动化系统的防雷计算算法进行设计,也就是对舰配电自动化系统的防雷接地电阻进行计算,通过该防雷计算算法实现舰船配电自动化系统防雷计算参数的获取。为了证明舰船配电自动化系统防雷计算参数获取方法的绕击防雷性能较强,将传统防雷计算参数获取方法与该获取方法进行对比实验,实验结果证明该获取方法的绕击防雷性能优于传统防雷计算参数获取方法,实现了绕击防雷性能的提升。     

混沌背景下舰船图像弱小目标轨迹跟踪的数学模型构建

在海上混沌背景干扰下,舰船图像弱小目标很难被检测出来,影响了跟踪质量。为此,构建一种混沌背景下舰船图像弱小目标轨迹跟踪的数学模型。该模型构建首先进行混沌背景处理,包括图像灰度化和图像滤波,以此抑制背景干扰。利用自适应修改搜索管径的时空域滤波方法进行舰船弱小目标检测,最后利用均值漂移算法实现弱小目标轨迹跟踪。结果表明,与前人研究的4种方法相对比,本文研究方法,轨迹跟踪误差较小,证明了所研究的有效性。     

基于智能优化算法的舰船航行轨迹跟踪

针对当前舰船航行轨迹跟踪精度的难题,设计了基于智能优化算法的舰船航行轨迹跟踪方法。首先结合舰船航行轨迹跟踪的特点,将舰船航行轨迹跟踪问题转换为一个多目标优化问题,然后引入智能优化算法对网格点的多目标优化问题进行求解,找到最优的舰船航行轨迹跟踪方案,最后进行舰船航行轨迹跟踪仿真测试,测试结果表明,智能优化算法获得了比传统算法更优的舰船航行轨迹跟踪精度,而且舰船航行轨迹跟踪的速度高,具有较好应用价值。     

时变海面舰船多目标优化跟踪数学模型

现有时变海面舰船多目标优化跟踪数学模型由于技术的不成熟,存在跟踪效果差的问题。为了解决上述问题,提出时变海面舰船多目标优化跟踪数学模型研究。以雷达获取的海面图像为前提,采用可变部件模型检测舰船多目标,利用光流法生成舰船多目标轨迹片段,将得到的舰船多目标轨迹片段映射到成本流量网络中,形成网络流图,得到最小网络流的舰船多目标方程,通过最短路径算法求解最小网络流网络,实现了时变海面舰船多目标的优化跟踪。通过仿真对比实验结果表明,与现有的时变海面舰船多目标优化跟踪数学模型相比较,构建的时变海面舰船多目标优化跟踪数学模型极大的提升了跟踪效果,充分说明构建的时变海面舰船多目标优化跟踪数学模型具备更好的性能。     

舰船物联网节点连通路径完整性评估方法

传统的物联网节点连通路径完整性评估方法评估误差较大。为解决这一问题,设计了一种舰船物联网节点连通路径完整性评估方法。首先确定舰船物联网支配集节点,然后选择一个源点和一个目标节点,最后利用SHA-1算法衡量物联网节点连通路径的完整性,以此完成舰船物联网节点连通路径完整性评估。实验对比证明,此次设计的舰船物联网节点连通路径完整性评估方法比传统评估方法评估误差小,能够为舰船物联网节点连通路径完整性评估提供一定的帮助。     

带扰动观测器的欠驱动水面无人船轨迹跟踪控制

为实现三自由度欠驱动水面无人船在未知外界扰动下的轨迹跟踪,本文设计一种带扰动观测器的反步法轨迹跟踪控制器。首先,构造扰动观测器估计未知扰动,对纵荡以及首摇2个自由度方向上的控制量进行前馈补偿。然后,为增强系统抗扰动能力并加快误差收敛速度,将水面无人船位置误差的积分项引入控制系统,分别在运动学和动力学回路中构造虚拟控制律镇定跟踪误差,过程中结合神经动态模型技术,解决了传统反步法的微分爆炸问题,同时有效避免了控制过程中的控制不连续问题。最后,仿真实验验证了所设计控制器的有效性。     

基于大数据的舰船红外图像目标实时跟踪方法

舰船红外图像目标实时跟踪具有重要的研究意义,针对当前舰船红外图像目标实时跟踪算法存在的易丢失跟踪目标、目标跟踪精度低、计算时间少等缺陷,为了改善舰船红外图像目标实时跟踪效果,设计了基于大数据的舰船红外图像目标实时跟踪方法。首先分析了目前一些经典舰船红外图像目标实时跟踪方法的缺陷,找到引起它们不足的原因,然后提取舰船红外图像目标跟踪特征,并采用大数据分析技术根据特征实现舰船红外图像目标实时跟踪,最后对舰船红外图像目标跟踪误差和实时性进行实例分析,结果表明,本文方法的舰船红外图像目标跟踪精度高,跟踪误差处于实际应用要求的最小区间内,且舰船红外图像目标跟踪计算时间短,可以对目标进行实时有效的跟踪,获得比其它方法更优的舰船红外图像目标实时跟踪结果。     

云计算技术的舰船运动目标自动跟踪

针对传统舰船运动目标的自动跟踪方法存在滞后性,导致舰船运动目标无法完整出现在搜索窗中的问题,提出一种云计算技术的舰船运动目标自动跟踪方法。首先提取舰船运动目标特征点,使用Harris算子图像的一阶导数提取出舰船运动目标特征点,然后利用云计算的分布式的计算特点,分布计算舰船运动目标的跟踪向量,得到循环跟踪矩阵,选取跟踪目标搜索窗,计算目标搜索窗的大小后,实现舰船运动目标自动跟踪。实验结果表明,与传统舰船运动目标自动跟踪方法相比,云计算技术的舰船运动目标自动跟踪方法不存在滞后性,搜索窗中可以全部呈现出舰船运动目标。     

考虑运动模式的无人船航迹实时跟踪控制算法

因无人船航迹数据数量级较大,导致现有航迹跟踪算法的跟踪控制误差较大,难以满足现今航运业的需求。故设计了考虑运动模式的无人船航迹实时跟踪控制算法。首先定义无人船运动模式,并根据运动模式相关定义构建无人船航迹描述模型。以此为基础,依据运动模式将无人船轨迹划分为3个集合,提取相应运动模式下的轨迹特征属性,然后计算无人船航迹与期望航迹之间误差,再利用滑模控制器进行误差补偿,实现了无人船航迹的实时跟踪控制。实验结果显示:与现有算法相比较,本文算法横向位置误差降低了1.04 m,航向角误差降低了8.29°,舵角误差降低了8.86°,充分说明本文算法的控制性能更佳。     

Serret-Frenet框架下欠驱动船的输出反馈路径跟踪鲁棒控制

研究欠驱动船舶在规定速度条件下的路径跟踪控制问题,提出一种基于终端滑模与Backsteping方法相结合的复合输出反馈控制策略.该控制策略利用Backsteping能够获得控制算法显式解的优点,构造出控制器算法的结构形式,然后设计一个基于观测器设计的逆动态终端滑模面,使得系统的估计状态跟踪误差能够在有限时间到达滑模面上,最终达到系统可镇定.最后,通过Lyapunov稳定性理论证明该复合控制策略的稳定性.利用实船数据进行数字仿真,结果表明该控制策略具有良好的跟踪性能.     

基于机器学习的多光谱舰船图像异常目标检测方法

针对现有舰船异常目标检测方法,出现高相似度异常目标辨识度低的问题。提出基于机器学习的多光谱舰船图像异常目标检测方法,基于机器学习技术,对现有图像分析算法进行优化改进,通过采用多光谱AI协同CRD算法对图像构成原子进行划类提取,明确目标图像边缘。在此基础上,利用精准图源RX处理算法,精准确认图像内异常目标特征,完成提出的方法设计。对比实验证明,提出的基于机器学习的多光谱舰船图像异常目标检测方法,能够准确识别恶劣环境下的图像目标异常,具备高精度识别高相似度图像内的异常目标的要求,并且在处理速度、运算稳定性与后期学习能力上都优于传统舰船图像异常目标检测方法。     

基于机器学习算法的船舶通信网络信道估计

针对传统船舶通信网络信道估计方法调控响应性能较差的问题,提出一种基于机器学习算法的船舶通信网络信道估计方法。在物理层LTE协议中定义导频序列,基于gold序列设计船舶通信网络信道的导频序列,通过奈奎斯特定理决定导频信号的插入密度,在设计的船舶通信网络信道导频序列中按照该密度插入导频信号,基于机器学习算法拟合不同时间点同一子帧内的信道估计值,以实现船舶通信网络的信道估计。为了证明基于机器学习算法的船舶通信网络信道估计方法的调控响应性能较强,比较该方法与传统船舶通信网络信道估方法。实验结果证明该方法的调控曲线拟合性最强,即该方法的调控响应性能优于实验中的传统方法,证明了该方法的优越性。     

水面多节点声呐动态网络跟踪目标策略研究

水面多节点声呐动态网络由多艘观测接收船和多艘信号发射船构成,每艘信号发射船与每艘观测接收船上的声呐构成一组双基地声呐。为得到较高信噪比和定位精度,可利用双基地声呐的检测覆盖范围和定位误差分布特点,求得信号发射船、观测接收船、目标的最优布局图。通过分析可知,在跟踪运动目标时,如果观测接收船运动速度大于目标运动速度,那么观测接收船以最优布局图为依据进行机动,在跟踪目标一段时间后可获得最优跟踪精度;如果观测接收船运动速度小于目标运动速度,那么观测接收船更适合以静态方式跟踪目标。本文的分析结论对于战场环境下舰船指挥和控制具有较强指导意义。     

基于机器视觉技术的舰船行驶轨迹自动检测算法

由于传统的舰船行驶轨迹自动检测得到的目标图像局部视觉对比度低,弱小目标占据像素少,导致检测结果精度下降,无法为相关技术人员提供有效的参考价值,为此提出基于机器视觉技术的舰船行驶轨迹自动检测算法研究。利用所采集图像帧与帧之间的关联性,采集其灰度变化情况,获取有效信息,提取灰度矩阵特征,选择目标层次中的相邻帧,获得短时轨迹,计算得出灰度坐标,使所得轨迹光滑连续,分析单帧检测结果,完成基于机器视觉技术的舰船行驶轨迹自动检测算法研究。设计对照实验,验证所提出算法的应用效果,实验结果表明,在应用机器视觉技术后,检测得到的图像局部视觉对比度有着显著提高,能够证实所提出算法的行驶轨迹检测性能优于传统算法。     

带扰动观测器的船舶轨迹跟踪自适应动态面滑模控制

针对遭受未知外部环境扰动的三自由度全驱动船舶轨迹跟踪控制问题,设计一种带扰动观测器的自适应动态面滑模控制方法。该方法构造扰动观测器估计未知扰动,并对控制量进行前馈补偿,采用σ修正泄漏项的自适应律估计扰动观测误差的界以提高控制精度,结合动态面技术解决传统反演法的微分爆炸问题,并选取李雅普诺夫函数证明该控制器可保证闭环系统内所有信号的一致最终有界性。基于一艘供给船舶进行仿真试验,结果表明,所设计的控制器输出合理有效且跟踪精度高,在工程实际中具有一定的参考价值。     

人工智能算法的舰船路径规划

为了实现对舰船航行的智能调度,需要进行舰船路径规划设计,提出一种基于人工粒子群智能算法的舰船路径规划方法。构建舰船航行路径分布的网格结构模型,将舰船航行区域内的各个对象表达为人工粒子群个体,采用四元素的扩展卡尔曼滤波方法构造舰船航行路径规划的约束参量模型。构造舰船航行路径规划的控制目标函数,以舰船动态性能和稳态性能为优化目标,采用人工智能群算法进行航行路径的自适应寻优,实现舰船路径规划。结果表明,采用该方法进行舰船路径规划,能准确跟踪舰船航行的方位角和姿态角,实现路径实时跟踪,提高了舰船路径的准确规划能力。     

云平台的海上舰船数据挖掘算法研究

首先进行海上舰船云平台的设计,运用云平台来聚集比照船各方面的性能,建立完整的舰船性能数据库。本文从舰船数据挖掘的目的出发,在设计数据挖掘算法时利用核主元分析、归一化、舰船分两类、新船与参考船比较计算、线性逼近等步骤。分析海洋环境和舰船性能之间的关系,并给出舰船性能公式。最后通过实验进行数据挖掘结果的分析。实验结果表明,本文所设计的算法在时间复杂度和准确性方面要优于其他算法。