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。     

PID控制器优化的船舶航迹跟踪控制

针对船舶航迹跟踪控制存在的误差大,准确率低的问题。首先通过仿真验证PID控制器对船舶航迹进行跟踪控制的可行性,证实将PID控制器应用于自航模对航迹跟踪具有良好效果。在基于相关理论对PID控制器结构进行优化,利用实验室自航模实物仿真平台做了实船试验,并证实PID控制器应用于实际自航模的航迹跟踪有很高的工程实用性。     

基于改进PID控制的船舶航迹跟踪研究

传统PID控制的船舶航迹跟踪误差大,实时性差,无法满足船舶航迹跟踪的实际应用要求,为此提出了基于改进PID控制的船舶航迹跟踪方法,首先对传统PID控制的船舶航迹跟踪方法的工作原理进行分析,找到引起跟踪误差大的因素,然后引入人工鱼群优化算法对PID控制的参数进行实时调整,改善固定PID控制参数的缺陷,最后实现船舶航迹跟踪仿真模拟实验。相对于传统PID控制的船舶航迹跟踪方法,本文能以更高精度对船舶航迹进行跟踪,可以准确刻画船舶航迹的变化趋势,具有比较显著的优势。     

非线性控制技术在船舶航迹跟踪控制器开发的应用

航迹跟踪控制器通过航向﹑航速传感器及GPS卫星信号等对目标跟踪。由于海上多变的气候环境因素,实际的控制器存在广泛的非线性因素,从而产生了误差,降低了控制器跟踪精度。随着神经网络及信息技术发展,基于RBF神经网络的非线性函数求解得到了快速发展。本文研究船舶航迹非线性控制方程,提出了基于神经网络跟踪控制算法,最后进行仿真。     

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。     

机器学习算法的舰船路径跟踪误差估计

针对传统舰船路径跟踪误差估计方法存在误差估计性能较差的问题,设计一种机器学习算法的舰船路径跟踪误差估计方法,对舰船路径跟踪时的运动方向进行简化。根据其扰动状态对舰船路径跟踪实施扰动分析,获取舰船路径跟踪时的旋转角度与角速度。设舰船在初始跟踪位置开始跟踪目标船,通过轨迹跟踪获取目标船的参考运动轨迹,利用饱和输入约束获取舰船路径跟踪目标轨迹的控制参数,并将其作为目标船参考运动轨迹的决定优化变量,获取参考运动轨迹,利用机器学习算法对舰船路径跟踪误差进行估计。为了证明机器学习算法的舰船路径跟踪误差估计方法的误差估计性能较好,将传统方法与该方法进行对比实验,实验结果证明该方法的误差估计性能优于传统方法。     

欠驱动船舶全局K指数航迹跟踪的级联反步法

研究一类欠驱动船舶的全局航迹跟踪问题。首先对船舶动态系统和期望动态系统分别进行全局微分同胚变换,得到航迹跟踪的误差动态方程,由此将航迹跟踪问题转化为误差动态系统的镇定问题,然后利用级联系统理论将误差动态方程的镇定问题分解为两个独立子系统的镇定问题。通过分别为子系统设计全局指数稳定控制律实现了欠驱动船舶的全局K指数航迹跟踪。仿真结果验证了所提方法的有效性。     

三维动态舰船图像颜色特征自动提取及应用研究

以提升舰船颜色特征的应用技术水平,研究三维动态舰船图像颜色特征自动提取和应用方法。通过相机采集三维动态舰船图像颜色特征后,先使用PCA算法获取三维动态舰船图像的颜色特征子空间,再通过K-means聚类算法得到三维动态舰船图像颜色特征,以该颜色特征作为基础,分别利用支持向量机算法和二阶常速模型实现舰船目标识别和航迹跟踪。实验结果表明,该方法可有效提取三维动态舰船图像颜色特征的R、G、B分量,提取舰船图像颜色特征能力较强。将提取到的三维动态舰船图像颜色特征,应用到舰船目标识别和航迹跟踪,可有效识别舰船和跟踪舰船航迹,应用效果较为显著。     

舰船通信网络模糊信息多目标元素优化跟踪系统

为了解决传统多目标元素跟踪系统中,由于受到通信信号的干扰导致的跟踪误差大的问题,从硬件和软件2个方面,设计舰船通信网络模糊信息多目标元素优化跟踪系统。在硬件方面主要改装跟踪器和控制器,在硬件设备支持的基础上,通过设计系统的软件功能。首先搭建多目标元素的运动模型,在舰船通信网络中收集模糊信息,并以此作为判断多目标实时状态的基础。最后通过多个跟踪点数据的关联,实现多目标元素优化跟踪与维持。通过与传统系统的测试对比得出结论,设计的多目标元素优化跟踪系统的平均跟踪误差降低了52%,且在通信网络干扰的情况下可以保证跟踪精度的稳定,具有较高的鲁棒性。     

基于反步控制和神经动力学模型的带缆水下潜器航迹跟踪

为实现带缆水下潜器的航迹跟踪控制,对带缆水下潜器设计了运动学反步控制器和动力学滑模控制器,并引入生物启发神经动力学模型来平滑反步控制器中因跟踪误差较大,引起的输出速度跳变。对水下潜器折线路径跟踪进行仿真,并分析脐带缆对跟踪效果的影响。结果显示,所设计控制器的路径跟踪误差小,跟踪速度在初始阶段以及折线路径拐点处过渡平滑;脐带缆使跟踪效果变差。对带缆潜器这一刚性和柔性部件相互连接的水下运载设备而言,神经动力学反步滑模控制器能够较好地实现航迹跟踪,并有效克服传统反步控制器速度跳变的问题。