多功能智能测流航标的研制与应用

专门研制的多功能智能测流浮标,运用标准横流标(浮标)为载体,配置集成专用多普勒流速仪、超声波水位器、风速风向传感器、卫星定位器、数据信息智能处理器等设备与专用管理系统,有效解决内河航道重要河段、河口的水位、水深、流速、流向、能见度、风速、风向等与船舶航行有关的实时动态要素的智能采集与传输等技术问题,实现内河航道要素船岸智能感知,引导船舶安全航行。     

基于大数据驱动的船舶航行轨迹异常检测研究

船舶安全航行是航海领域重点关注的问题之一,为此研究基于大数据驱动的船舶航行轨迹异常检测方法。该方法利用不同类型传感器获取船舶航行大数据,然后使用船舶观测大数据相似度方程计算船舶航行大数据之间的相似度,得到来自同一船舶的航行大数据;再利用大数据驱动技术中的聚类方法建立船舶正常轨迹模型,获取船舶航行正常轨迹;依据船舶航行正常轨迹,利用大数据驱动技术内的Spark Streaming数据实时计算框架,通过计算船舶航行轨迹点与实际轨迹采样点之间的距离、航向角等,得到船舶航行轨迹异常检测结果。实验结果表明,该方法获取船舶航行实际轨迹精度较高,可有效检测船舶航行轨迹异常,具备较好的应用效果。     

风传感器数据融合算法研究

对于风速风向的实时测定是海上船舶安全系统重要功能之一,在船舶各位置部署风传感并采集风速风向数据,通过无线传感网络将采集数据传输至安全信息中心,由于数据采集传输过程中较易受到海上环境的影响,定位精度较低,本文对风传感器位置部署进行了优化,引入平均数据传输跳数方式,对风传感器数据进行融合,提高计算精度。     

基于数据驱动的船舶航线实时优化

为了给不同海况下的船舶安全航行提供保障,设计基于数据驱动的船舶航线实时优化方法。利用数据驱动方法采集船舶历史航线、海域风速、风向、波高等海况数据,选取K-means聚类算法聚类海况数据,构建海况知识库。依据海况知识库内的船舶航线信息与航线转向点信息,划分船舶航线为不同航段。依据船舶航线的航段划分结果,以航行总时间最短以及总油耗最低为目标函数,设置船舶航速约束与转向点位置约束作为约束条件,构建航线实时优化模型。选取蚁群算法求解所构建的优化模型,输出航线实时优化结果。结果表明,该方法可以实时优化航线,降低船舶的航行时间与主机油耗,适用于不同海况的船舶航行。     

船舶相对风的融合算法研究

船舶相对风是指船舶在海面上系泊或航行时测风传感器所测得的风速风向,大中型船舶往往安装2个以上的测风传感器以克服单传感器的局限性。为了综合利用多个传感器的测量值,提出一种基于动态权值的数据融合算法。在此基础上为进一步提高融合数据精度,将参考基准值首先采用卡尔曼滤波进行优化处理,然后再将其代入公式参与融合计算。采用实船航行试验测风数据验证表明,该融合算法能够区分测量值的优劣,倚重更有利的测量信息,有效降低相对风的测量误差,优于目前广泛采用的算数平均值方法。     

灰色模型的船舶物联网异常行为实时检测

当前船舶网络异常行为检测逐渐成为航海领域研究的重点问题之一,为了更好保障船舶航行效果,避免航行过程中信息传输和处理的干扰问题,对灰色模型的船舶物联网异常行为实时检测方法进行优化,基于传统实时检测过程中,数据量较大、处理效果不佳、准确率低等问题,结合灰色模型,对船舶网络信息特征行为进行采集和去噪处理,实现对船舶异常行为信息的有效分类和传输,以提高船舶网络异常行为实时检测的准确性和有效性。最后通过实验证实,灰色模型的船舶物联网异常行为实时检测方法在实际应用过程中,处理效果明显更好,且准确性也得到明显提高,充分满足研究要求。     

基于大数据分析的船舶航行安全自动评估系统设计

为了提高船舶航行的安全性,构建船舶航行安全自动评估系统,提出基于大数据分析的船舶航行安全自动评估系统设计方法。采用航向陀螺仪、三轴磁力计等敏感传感器进行船舶航行姿态参数采集,根据采集的船舶航行姿态数据进行大数据特征重组,建立船舶航行姿态参量大数据库,设计数据访问调度和参数融合算法,进行船舶航行安全大数据信息调度和特征分析,进而实现船舶航行安全自动评估。在嵌入式ARM环境下进行系统的软件开发,实现系统优化设计。仿真结果表明,采用该系统进行船舶航行安全自动评估的准确性较好,船舶航行安全信息大数据访问调度的实时性较高。     

物联网环境下船舶航行大数据异常属性划分

由于人工记录、手动测量等方式存在信息不及时、不准确以及局限性的问题,无法获取到实时、全面的航行数据,降低了大数据异常属性划分结果的有效性,因此提出物联网环境下船舶航行大数据异常属性划分方法。在物联网环境下利用离散度函数,加权处理船舶航行大数据属性特征。通过密度选择法,确定船舶航行大数据异常属性划分的初始聚类中心。利用属性加权快速聚类算法,结合离散度函数与初始聚类中心,完成船舶航行大数据异常属性划分。实验证明,所提出方法可有效划分船舶航行大数据异常属性。在不同大数据规模下,该方法异常属性划分的加速比均较大,即异常属性划分速度较快。     

基于物联网技术的船舶智能导航系统

本文设计基于物联网技术的船舶智能导航系统,其物理层采集船舶航行的相关信息,并经过滤波处理后,经由具有ZigBee网络协议的通信层传送至资源层,资源层接收信息后分类存储该信息,为船舶智能导航提供数据依据;技术层依据该信息生成航行导航地图,并采用视线导航算法控制船舶自动靠泊。将该结果传送至平台层呈现,同时,采用层次分析法和卷积神经网络结合控制船舶的航行情况,避免船舶发生碰撞现象。测试结果显示：该系统能够实时、全面采集船舶航向相关数据,呈现船舶航行相关的地图结果,导航效果较佳,在低能见度下依旧保证船舶的准确导航;精准停靠在设定的靠泊位置。     

海上高速航行船舶触礁距离实时计算方法

为了提高船舶航行安全性,并应对航行过程潜在碰撞风险,提出海上高速航行船舶触礁距离实时计算方法。通过航海雷达探测船舶航行环境中的礁石目标,确定极坐标系下的位置坐标后,将其转换地心垂直坐标系下,构建基于PLSTM-FCN的船舶航迹预测模型,从船舶自动识别系统中获取高速航行船舶历史位置、航速、航向、船舶长度、宽度以及吃水深度等AIS数据,将其作为模型输入,模型输出为船舶航行实时位置预测结果,结合礁石目标位置,完成触礁距离的实时计算。实验结果表明,该方法可预测船舶航行航迹,预测MSE值仅为0.002 2;可实现船舶触礁距离的实时计算,计算结果与实际距离误差介于0.77～1.55之间。     

基于雾计算的航道流场实时态势感知

参照雾计算的基本原理,通过对传统航标进行技术改造,应用物联网、雾计算技术,能够使其成为提供新型服务的海上通信基础设施之一。基于雾计算的航道流场实时态势感知,通过雾计算接入网(Fog Radio Access Networks,F-RAN),整合新型航标、物联网设备、附近水域的航行船舶等集群节点的可用计算资源,对分布式传感器的大量数据进行实时计算,生成航道附近水域流场的通用态势图,特别是可能出现流切变、横流较大等重要航段的流场数据,实时发布给附近水域航行的船舶,以提前做好预判并采取适当的操纵应对措施,保障航道内的航行安全,提高船舶航行安全系数。     

云计算环境下船舶实时远程故障数据自动分类方法

传统的船舶实时远程故障数据自动分类方法中,对于密集数据存在运算时间较长的问题。为此,设计云计算环境下船舶实时远程故障数据自动分类方法。将云终端作为故障数据的中转站,实时获取船舶远程故障数据,计算历史故障数据的相似度,筛选出合适的数据块,经过训练生成基础分类器,利用KL散度计算权重系数,确定分类器的有效权值,以此为依据,构成一个集成分类器,实现船舶实时远程故障数据自动分类。测试结果表明:与传统的分类方法相比,设计的云计算环境下船舶实时远程故障数据自动分类方法面对密集数据,所需运算时间较短。     

大数据环境下船舶航行异常属性采集方法研究

为了缩短船舶航行异常属性的采集时间,提高异常属性的采集效率,提出了大数据环境下船舶航行异常属性采集方法研究。在大数据环境下,将船舶航行异常属性的尺度空间函数展开,通过计算异常属性主曲率的大小,寻找船舶航行异常属性的边缘特征点,完成船舶航行异常属性特征点的提取。采用异常属性变异系数,得到了采集传感器节点的能量消耗,利用船舶航行异常属性采集算法的实现流程,实现了大数据环境下船舶航行异常属性的采集。实验结果表明,大数据环境下的异常属性采集方法与传统采集方法相比,异常属性的采集效率提高了46.05%。     

基于被动式红外传感器的船舶轨迹重构

船舶航行的环境十分复杂,动态变化特点显著,导致当前方法无法对船舶轨迹进行精准重构,为了改善船舶航行轨迹重构的精度,提出基于被动式红外传感器的船舶轨迹重构方法。首先建立船舶航行的运动模型,然后通过被动式红外传感器对船舶航行数据进行采集,并通过卡尔曼滤波算法重构船舶轨迹,保证船舶轨迹跟踪准确性,最后采用具体实验对船舶轨迹重构方法性能进行分析。结果表明,本文方法能够实时捕捉船舶航行环境的动态变化趋势,可以高精度的重构船舶航行轨迹,船舶轨迹重构误差小,而且船舶轨迹重构速度快,可以保证船舶航行的安全。     

基于区块链技术的船舶智能航行大数据平台仿真

当前平台可以实时监测船舶在海上航行的动态,但功能和性能无法满足用户的需求,为此提出基于区块链技术的船舶智能航行大数据平台。采用区块链技术设计船舶智能航行大数据平台架构,利用RMTP925DB型号芯片设计船舶航行大数据采集复位电路,设置数据压缩节点在传输过程中的请求速率在带宽容量范围内,计算终端接收到船舶航行数据包总数。通过压缩门限值采集船舶航行过程中实时数据,根据船舶航行数据压缩空间的判断,压缩了船舶航行大数据,结合船舶航行领域模型的构建,实现船舶智能航行大数据平台设计。测试结果表明,本文平台功能可以满足用户的需求,提高了服务效率。     

基于机器视觉技术的船舶航行危险区域自动识别方法

提出基于机器视觉技术的船舶航行危险区域自动识别方法,最大程度规避船舶航行风险。利用机器视觉技术获取船舶航行图像数据,并结合像素平滑滤波和帧间差分法去除原始船舶航行图像所含噪声。采用二阶高斯-马尔科夫机场算法对去噪后船舶航行图像的显著性区域候选节点作信息弥散处理,获取船舶航行图像显著图,通过均值偏移算法处理船舶航行显著图像的特征空间,获得多个分割区域后,在显著图中求解各区域的显著性均值,通过与阈值作比较,实现船舶航行危险区域识别。实验结果表明：该方法可有效提升船舶航行图像的视觉效果;生成的显著图细节完整;可实现不同危险区域的识别,识别效果突出。     

无线传感器网络的船舶航行姿态在线校正

为了提高船舶航行姿态准确性,针对当前船舶航行姿态在线校正方法存在的错误大、实时性差等缺陷,提出了无线传感器网络的船舶航行姿态在线校正方法。首先分析船舶航行姿态在线校正原理,并采用无线传感器网络对船舶航行姿态数据进行实时采集,然后根据无线传感器网络采集数据对船舶航行姿态误差进行预测,并根据预测结果对船舶航行姿态进行在线校正,最后进行了船舶航行姿态在线校正仿真对比实验。结果表明,无线传感网络的船舶航行姿态在线校正精度高,船舶航行姿态在线校正速度快,船舶航行姿态在线校正效果明显优于其他方法,解决了当前船舶航行姿态在线校正过程存在的一些难题,具有广泛的应用前景。     

基于网络感知信息的船舶航迹规划智能避障方法

为实现智能避障,确保船舶航行安全,设计基于网络感知信息的船舶航迹规划智能避障方法。高效感知船舶本身及附近环境信息,精准获取船舶本身及附近船舶位置信息。依据位置信息构建船舶航迹规划中碰撞危险度模型,判断本船是否存在碰撞危险。若存在碰撞危险,则采用模糊神经网络智能控制船舶航行方向完成智能避障。试验结果表明：该方法可精准感附近信息,在简单与复杂航迹环境下均能够实现智能避障;本船与附近船舶距离高于安全距离,船航向角变化曲线平稳、无抖动情况,确保船舶航行安全。     

使用数据挖掘实现舰船故障数据定位

为了更好地保障船舶航行安全,有效提高船舶的故障定位和检测能力,提出了使用数据挖掘实现舰船故障数据定位方法,通过对舰船故障数据进行实时采集和分类挖掘获取船舶航行过程中的异常数据,实现对船舶故障数据关联规则特征的准确提取。在进行故障定位的过程中,合理并利用电磁探测器和声敏传感器等设备进行故障诊断,并对不同类别船舶故障数据的高维特征融合的研究采用数据挖掘分析算法,利用数据挖掘分类器对船舶故障数据进行分类识别和定位挖掘,从而有效保障船舶故障数据定位的精确度和有效性。最后通过实验结果表明,使用数据挖掘实现舰船故障数据定位方法具有较高的故障定位精度。可以应用于船舶故障实时诊断,有效提高船舶故障诊断的实时性。     

智能船舶在海事监管中的应用

<正>智能船舶将新技术与传统船舶技术融合,必将为海事监管提供有力保障。智能船舶是指利用传感器、通信、物联网、互联网等技术手段,自动感知和获得船舶自身、海洋环境、物流、港口等方面的信息和数据,并基于计算机技术、自动控制技术和大数据处理和分析技术,在船舶航行、管理、维护保养、