未知时变扰动和输入饱和下的智能船舶鲁棒非线性控制

复杂海况下环境多变并且船舶具有多耦合、强非线性的特点，针对智能船舶定位控制问题，考虑在未知时变扰动和输入饱和约束之下船舶的定位控制问题，结合非线性扰动观测器提出一种带辅助动态系统的鲁棒非线性控制算法。通过Lyapunov理论证明了所提出的非线性扰动观测器与控制器结合后闭环系统的稳定性和信号的一致最终有界性。利用非线性扰动观测器对环境中存在的海浪扰动进行有效的估计处理。最后，通过仿真验证了所提出的控制算法不仅能保证船舶期望的位置和艏向，而且提高了控制速度，具有较好的控制性能。     

一种基于数据挖掘的GIS及在航海中的应用

根据聚类分析方法中密度凝聚的思想，提出一种新的复合聚类分析算法，进一步将这种算法用于地理信息系统的数据挖掘，并应用于船舶航线的自动设计。     

一种航运信息解码与数据存储

将基于虚拟仪器编程语言LABVIEW的开发环境引入到AIS的信息处理,首先阐述了AIS信息的基本内容和解码的基本原理,然后对信息进行解码,以及解码信息的数据库存储等方面进行研究,提出了一个完整的AIS解码系统.实验结果证明该系统信息准确可靠,为后续基于AIS信息的深化和应用提供了重要的保证.其创新之处在于,引入例如虚拟仪器开发环境,并开发了船舶交通方面的应用程序.     

舰船组合导航系统的顺序滤波融合算法

舰船组合导航系统Kalman滤波的集中式融合与分布式融合方法存在滤波精度与计算性能、容错性不可兼顾的缺点.且船舶运动受海洋环境等的影响,其噪声基于白噪声建模过于理想化.针对上述问题,提出了舰船组合导航系统的顺序滤波融合算法.该算法的基本思想是采用一阶Markov过程建立舰船运动的噪声模型,并用状态扩维方法将状态方程转化为符合标准Kalman滤波的基本方程,然后每一时刻检查各导航子系统的有效性,对有效的导航子系统引入顺序滤波融合思想实现导航定位.与传统的顺序滤波融合算法相比,新算法在保留与集中式融合同样高的滤波精度、计算性能好的优点的基础上,新增了实用性强、容错性好的优点.理论分析和舰船SINS/GPS组合导航仿真结果表明了新算法的有效性和优越性.     

一种时间校准方法及在航运信息处理中应用

传统的AIS与雷达目标信息融合中时间校准算法的计算存在复杂度高,融合精度低的缺点,且AIS和雷达的采样信息容易发生错漏的现象。针对上述问题,提出了一种基于最小二乘准则的时间校准算法。该方法的基本思想是采用样条函数对各传感器的采样数据进行拟合,并基于最小二乘准则在样条函数类中找出一函数使其满足拟合误差平方和最小的要求。与传统的方法相比,计算机仿真结果验证了新方法在计算复杂度上和融合精度上的有效性。     

基于智能融合的船舶交通流预测系统

船舶交通流量预测的研究为水道的规划、设计和船舶通航管理提供基础性依据。将智能融合算法应用于船舶交通流量预测系统,较好地解决了现有船舶预测算法中存在的预测精度不高,依赖于经验等不足。以长江江阴大桥2007年船舶流量观测数据为例进行分析,实验结果表明,融合预测能够对多个数据源进行预测,并可以减缓单种预测方法单独预测的不确定性,从而增加了预测的准确性和整个预测系统的鲁棒性。     

港口吞吐量预测的动态平滑参数新模型

港口吞吐量预测是港口总体布局规划中重要的前期工作。将最优梯度算法应用于指数平滑模型,通过构造优选并自动生成的最佳平滑参数,使模型得以优化,增强了指数平滑模型对时间序列的适应能力。较好地解决了指数平滑预测中,平滑参数靠检验确定且为静态,平滑初值难以确定并导致预测偏差等问题。以上海港口为例,与其它指数平滑预测算法比较,验证了该算法的有效性和实用性。     

三边原理加速的聚类分析方法处理航运信息

为了从大量的航运信息中挖掘有用的信息,进行了基于聚类分析的数据挖掘方法的研究.针对k-means聚类分析中聚类精度不高和时间复杂度高的问题,在k-means++的基础上结合了三角形三边原理加速聚类的方法,提出了一种三边原理加速的k-means++聚类算法,并对k-means++聚类及改进算法进行实例测试,说明了改进的聚类方法具有较高聚类的精度,同时减少了聚类算法计算量,并将其应用到航运信息处理中,这对于航运智能信息化有重要的意义.