基于低信噪比AIS数据的船舶航迹精准预测

针对船舶自动识别系统(AIS)数据存在较大的实时系统噪声和测量噪声,且易丢包和产生错误的问题,提出了滑动卡尔曼循环网络.该方法采用加窗处理的方式,通过在各窗口中建立状态方程,并使用实时计算的噪声对其进行更新,将非线性高斯系统转化为线性高斯系统.将该高信噪比状态参数输入相应时刻的循环单元中,训练网络参数,从而拟合其非线性关系,实时预测船舶的航迹进行.试验对大连—烟台航段的AIS数据进行分析,并将所得结果与传统方法相对比,证明该方法具有较高的精度和较快的速度,可实时对船舶航行轨迹进行精准预测.     

基于最小二乘法的欠驱动水面船舶模型预测控制

针对欠驱动水面船舶轨迹跟踪控制问题,根据模型预测控制（Model Predictive Control,MPC）原理,提出一种基于参数化模型的非线性模型预测控制（Parameterized Model – Nonlinear Model Predictive Control,PM-NMPC）方法。采用最小二乘法对船舶的参数化模型进行辨识,设计PM-NMPC控制器。对环境干扰下的某集装箱船艏向角控制和轨迹跟踪进行试验,验证控制算法的有效性,并将该控制器与比例积分微分控制器（Proportional plus Integral plus Derivative controller,PID controller）进行对比。仿真结果表明,PM-NMPC控制器轨迹跟踪效果更好,对未知干扰具有更强的稳健性。     

基于正弦函数处理新息的船舶模型参数辨识新算法

[目的]当船舶试验数据样本少时,将面临难以快速、准确辨识船舶模型参数的难题.[方法]基于最小二乘系统辨识算法,采用正弦函数处理新息,提出一种基于正弦函数非线性新息处理的船舶模型参数辨识算法.以"育鲲"船为例进行仿真实验,在只有26组辨识数据的情况下,对比最小二乘法和非线性新息改进最小二乘法的模型参数辨识效果,并利用"育...     

基于AIS大数据的南京长江大桥水域规律航迹研究

南京长江大桥水域通航环境复杂,安全风险高.掌握船舶航行规律,对桥区水运安全监管及航道优化具有重要意义.利用船舶自动识别系统(AIS)大数据,采用自动化并行航迹密度计算方法,识别出不同大小的船舶在不同水期的规律航迹分布,并结合多源数据分析其时空变化特征.通过研究发现大桥水域船舶航行总体符合航行规则;相比小型船舶,大型船舶...     

船舶发动机瞬时转速预测方法研究

由于传统发动机瞬时转速预测方法存在预测误差大的缺点,提出船舶发动机瞬时转速预测方法研究。根据燃气的流量模型和预测流程,构建船舶发动机流体力学函数模型,在分析船用发动机结构示意图的基础上,建立发动机瞬时转速微分方程,并依托船舶发动机瞬时转速预测误差的分析,实现船舶发动机瞬时转速的预测。结果表明,与2种传统预测方法相比,提出的预测方法具有较高的预测能力,瞬时转速的预测误差值分别降低了86%和77%,提高了船舶发动机瞬时转速预测的准确性。     

基于LSTM与注意力机制的船舶航迹预测模型研究

在内河通航船舶数量不断增加和通航环境日益复杂的情况下,为充分挖掘海量AIS数据中的价值信息,针对内河船舶航迹预测中的精度和可靠性问题,应用循环神经网络方法,提出了一种结合深度学习注意力机制(At-tention Mechanism)和长短期记忆网络(Long Short-Term Memory,LSTM)的船舶航迹预测...     

基于格型递归最小二乘算法的船舶运动极短期预报

在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursive least square)算法对AR模型参数进行自适应估计.该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度.利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度.     

基于航迹推演的船舶动态智能避碰方法

针对受限水域船舶动态智能避碰问题,将航迹预测与改进速度障碍相结合,提出一种船舶动态智能避碰方法。建立两船相对运动模型并实时计算船舶避碰运动参数,基于三自由度船舶操纵运动数学(MMG)模型和Kalman滤波算法分别预测本船(OS)和目标船(TS)下一时刻运动状态;然后结合《国际海上避碰规则》(简称《规则》)、良好船艺、航迹预测模型、速度障碍算法和航向控制系统等分析设计船舶动态智能避碰决策模型;通过仿真试验验证动态智能避碰决策模型的可行性和有效性。结果表明：该算法可满足受限水域两船和多船复杂会遇局面下船舶智能避碰,实现动态避碰条件下的船舶安全航行。     

基于实船观测的大型船舶回旋水域尺度研究

我国原规范主要采用较小吨级船舶调头数据分析得出回旋水域尺度。为了验证原规范的规定是否能够满足大型乃至超大型船舶调头需要,在我国多个典型港口,通过实船观测共获得了57艘船舶的回旋水域半径数据样本,并对这些实测数据进行统计分析,得出大型船舶回旋水域尺度规律性结论,为规范修订提供技术支持。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

基于动态窗口法的近海水域船舶避障算法研究

[目的]提出一种改进的动态窗口法,以解决近海水域智能船舶在面对夹击及动静混合会遇时无法有效避让的船舶避障问题。[方法]为得到在近海水域航行的船舶约束条件,针对近海水域对船舶避障的影响因素进行分析,同时提出近海水域船舶航行最低避障要求;然后对动态窗口法（DWA）的目标函数进行优化改进,并将其与船舶和障碍物的距离相关联,以提升船舶在航行图中的安全性,同时将目标函数中的航向权值引入船舶会遇态势判断,以使目标船舶可以有效判断船舶的避障责任;最后,通过仿真模拟验证改进算法的有效性。[结果]仿真结果表明,所提的改进算法在分别遭遇夹击以及复杂会遇的情况下,能够清晰地判断船舶的避障责任,降低航行过程中的速度变化陡峭度,且所规划的船舶航行路径可有效提升船舶航行的安全性。[结论]所提避障算法可为解决近海水域智能船舶遭遇复杂会遇情景的避碰失败问题提供参考。     

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。     

基于DSP的船舶电站自动准同期装置研究

本文介绍了基于DSP的船舶电站自动准同期装置,应用动态调整采样间隔的交流采样算法来计算交流电量并推导了最小二乘曲线拟合算法来精确预报同期点。该装置能保证在电网品质恶劣的船舶电站中使用时也具有较高的可靠性。     

船舶航迹多变量间的流形依赖关系研究

船舶航迹多变量是反应船舶有效航行路线的数据之一,常规航迹多变量间的关系主要体现形式以二维平面为主,无法通过数据形式进行关系衡量,为此提出船舶航迹多变量间的流形依赖关系研究。构建线性流形关系模型,利用几何概念,将数据形式的航迹多变量进行实体化,推导出理论关系,使用变量条件约束,实现模型构建;通过模型计算得到船舶航迹角多变量间流形依赖关系,利用模型理论推导,分析出船舶迹多变量间流形依赖关系。实验数据表明,提出的流形依赖关系真实有效。     

基于LS-SVM的船舶操纵性黑箱建模与预报研究

文章提出了基于LS-SVM的船舶操纵性黑箱建模方法,通过选取影响操纵性能的主要因素,利用LS-SVM建立了操纵性能的非线性回归模型,并利用回归模型对自航模回转试验进行了预报,通过试验与预报结果的对比分析表明,所建立的回归模型具有较高的预报精度,为船舶操纵性预报提供了一种新的技术手段。     

基于显式模型预测控制的无人船航迹控制方法研究

针对模型预测控制在线计算量大,难以满足无人船实际航行中的实时性要求的问题,提出了一种基于显式模型预测控制的航迹控制方法。首先利用视线制导算法（line of sight, LOS）,根据无人船当前位置和期望航迹信息,设计了无人船艏摇角的参考值,将无人船航迹控制简化为艏向控制;其次,将显式模型预测控制算法应用于无人船艏向控制问题中,该算法既保持了模型预测控制方法的优势,又提高了计算速度;最后通过仿真试验验证了所提出的方法可以显著提高无人船航迹控制的实时性。     

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。     

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。     

具有外源输入的船舶横摇运动NARX神经网络预测

为了提高船舶在风浪中航行的安全性,需要精确地预测船舶在风浪中的横摇运动,以提高船舶横摇控制效果,本文通过应用一种带外源输入的非线性自回归（NARX）神经网络预测方法预测船舶横摇运动。该方法考虑了实船操纵性试验数据受风、浪、流等外界因素的的影响,将实测的风向、风速、流速、流向、浪向以及浪高的数据作为外源输入,能够有效提高船舶横摇运动的预测精度。基于“育鲲”轮,利用该方法对实际船舶海上横摇运动进行了实时预测实验,并将其实验结果与SAPSO-BP神经网络模型的预测结果进行对比。从对比结果可以看出,本文所提方法对复杂海浪环境具有良好的适应性,NARX模型的预测精度优于普通反向传播（BP）神经网络和自适应粒子群算法优化的普通反向传播（SAPSO-BP）神经网络.