船舶航行轨迹的实时检测与校正数学模型研究

为解决因船体碰撞而造成的航行轨迹偏离问题,提出船舶航行轨迹的实时检测与校正数学模型。通过分析内河航道特征的方式,处理各航迹间的分区关系,完成船舶航行轨迹的实时检测关系定义。在此基础上,提取必要的航行轨迹节点,按照微簇特征向量的确定原理,计算校正时间复杂度的实际数值,完成船舶航行轨迹的实时检测与校正数学模型研究。对比实验结果表明,与Spark检测手段相比,应用新型数学校正模型后,轨迹点的定航偏向系数降低至1.36,避免了因船体碰撞而造成的船舶航行轨迹偏离行为。     

利用卡尔曼滤波预测船舶航行轨迹异常行为

随着计算机控制技术的飞速发展,在船舶的航行预测和控制领域,人们相继开发出了各种智能化的预测算法,从而保证了船舶航行的安全。在船舶的行为预测和控制中,需要大量的传感器对船舶的姿态信息、设备状态信息和通信导航设备信号进行采集,因此本文着重研究了信号的滤波算法。本文提出了基于卡尔曼滤波算法的船舶航迹跟踪技术,并针对船舶的航行特点,建立了适当的运动模型和状态方程,最后通过仿真实验,对扩展卡尔曼算法的目标跟踪性能进行验证。     

LSTM网络在船舶航行轨迹预测中的应用

针对传统船舶航行轨迹预测算法,计算得到的轨迹预测量的回归适应性差,导致预测结果与实际轨迹之间的误差较大,严重影响船舶航线调度与航行安全的问题,提出LSTM网络在船舶航行轨迹预测中的应用。利用LSTM网络模型的梯度传递特性,建立航行轨迹进行LSTM网络模型,优化轨迹预测学习器预测学习量,采用高斯回归算法,增强预测量的自适应性,减小预测误差,整合网络预测数据,完成轨迹预测输出计算。实验数据表明,提出的预测方法的预测结果与实际轨迹之间的误差较小,能够有效提升轨迹预测精准度。     

改进灰色模型的船舶航行轨迹自动预测研究

为实现更加精准、自动化的船舶航行轨迹预测,利用改进灰色模型,提出一种基于改进灰色模型的船舶航行轨迹自动预测方法。在船舶航行中的AIS数据中对船舶航行轨迹数据进行提取,其中AIS数据具体包括船舶航程数据、船舶动态数据以及船舶动态数据。通过数据估计算法插补缺失数据,分为2个步骤,第1步是对插补数据进行识别,第2步是对其进行插补。通过改进灰色模型对船舶航行轨迹进行自动预测,主要使用基于缓冲算子改进的灰色模型构建船舶航行轨迹自动预测模型。选取某船舶服务项目中包含的船舶AIS数据作为实验数据,对设计方法进行实例测试。测试结果表明,设计方法的数据提取质量较高、预测模型的误差较小,具有广阔的市场应用前景。     

大浪条件下船舶航行阻力估计的数学模型设计

精确估计船舶航行阻力能够有效节省航行燃料,传统的阻力估计模型不能完全考虑风浪对船舶阻力的动态影响,导致模型的估计数值与实际值偏差较大、模型可信度低,不能用于估计风浪对船舶航行的阻力。针对以上问题,研究了大浪条件下船舶航行阻力估计的数学模型,利用插值三次B样条曲线对船舶受力面进行网格划分。积分计算船舶静水航行时受到的静水航行阻力。将风浪对船舶的作用视为动态增阻,以平均增阻量估计船舶受到的风浪阻力。计算静水阻力与动态增阻之和,即为船舶在大浪条件下受到的阻力,完成对模型的设计。在3种风浪条件下,进行与传统阻力估计模型的对比实验。结果表明,设计的模型在大浪条件下估计值与实际值的偏差是传统模型的1/50,即设计的模型估计的数值更精确,模型计算值更可信。     

船舶航行速度估计的数学模型研究

为解决因船舶航速过度灵活转换而造成的海洋航行事故,提出船舶航行速度估计的数学模型。以直航运动稳定性作为分析前提,建立必要的操纵辨识条件,从而实现船舶航速操纵参数的辨识处理。在此基础上,按照船体的实时受力情况,获取与直向航行相关的物理参数,再按照测速校正原理,完成船舶航行速度估计的数学模型研究。模拟应用实验结果表明,FPS(顺逆转换系数)、SPS(逆顺转换系数)均出现明显下降,船舶航速转换灵活性得到适度抑制,大幅降低海洋航行事故的发生几率。     

人工智能技术的船舶航行轨迹控制算法

为加强船行主机对于行进轨迹的精准控制能力,实现对船舶航向的有效性规划,提出基于人工智能技术的船舶航行轨迹控制算法。联合TLC设计思想,计算伪逆系数的具体数值结果,完成基于人工智能技术的船舶航迹节点安排。在此基础上,研究微分代数谱理论,通过航向控制器的促进作用的,求解非线性控制参量条件,完成人工智能技术船舶航行轨迹控制算法的设计。对比实验结果表明,与线性化控制手段相比,新型轨迹控制算法的TDR系数值能够达到87%,能够在有效规划船舶航行方向的同时,实现船行主机对于行进轨迹精准控制能力的提升。     

多船舶同时航行中的调度数学模型设计与实现

在多船舶同时行进航道水上交通网络中,船舶拥堵容易导致水上安全事故,需要进行水上航道船舶航行调度。本文针对当前调度模型的吞吐量低,时滞较大的问题,提出一种基于船舶航行流量分簇预测的多船舶同时行进中的调度数学模型。构建多船舶同时行进的通行流量的信息感知模型,采用RFID标签识别技术进行船舶航行流量的数学统计,构建船舶进出港的交通态势预测多元状态方程,以历史测量信息作为先验统计量对方程进行优化求解,实现船舶航行流量分簇预测,以此为信息统计量进行交通调度。仿真结果表明,采用该模型进行多船舶同时行进调度,能提高单位时间内的航道通行量,且对航道船舶流量的预测精度较高,调度的时间开销较小。     

船舶航行轨迹分析与应用系统

船舶航行轨迹的数据分析有助于改善海上航运的交通管理水平,尤其是港口等海上航线密集的区域,从而提高海上交通的安全性与航行效率。通常,船舶航迹数据的采集都是通过AIS系统和雷达共同完成,这种方式存在一定的误差,本文介绍一种基于图像处理技术的航迹分析系统,该系统利用计算机视觉技术和图像处理技术,可以高效、快速的对海量船舶航行轨迹数据进行提取和分析,本文重点介绍航迹分析过程的处理平台、信号处理方法以及图像信号的多特征融合等内容。     

嵌入式船舶导航系统航行轨迹智能控制方法

传统船舶航行轨迹智能控制方法存在控制精准度低的缺点,为此提出嵌入式船舶导航系统航行轨迹智能控制方法。采用双坐标系对船舶航行轨迹模型进行建立,以建立的船舶航行轨迹模型为依据,利用传感器对船舶航行轨迹数据进行采集与处理,通过采集的数据计算船舶航行轨迹偏差,采用船舶航行轨迹控制算法对航行轨迹偏差进行调整,实现了嵌入式船舶导航系统航行轨迹的控制。通过实验可得,提出的嵌入式导航系统航行轨迹智能控制方法控制精准度比传统方法高28%,说明提出的嵌入式导航系统航行轨迹智能控制方法具备极高的有效性。     

船舶海上航行方向估计的数学模型构建

针对传统航行方向估计数学模型得到的船舶静态偏向角过大的问题,设计构建一种船舶海上航行方向估计的数学模型。首先采用惯性坐标系与附体坐标两种坐标系统,计算船舶运动时的自由度并投射变量到两个坐标系中,建立航行方向观测方程,依照角速率匹配惯性测量法计算出静态偏向角,完成船舶海上航行方向估计的数学模型的构建设计。实验结果表明,与传统航行方向估计数学模型相比,船舶海上航行方向估计的数学模型得到的静态偏向角更小。     

船舶航行速度高精度控制的数学模型研究

现有模型无法适应不同荷载的航速需求,存在着控制精度低、控制时延长的缺陷。为此,提出船舶航行速度高精度控制的数学模型研究。分析船舶航行速度影响因素,构建船桨系统、柴油机以及附加阻力数学模型,以此为基础,基于PID技术设计航行速度控制器,制定船舶航行速度控制规则,通过执行控制规则,应用PID控制器实现了船舶航行速度的高精度控制。设置干扰环境,准备实验对象相关数据,进行船舶航行速度控制仿真实验。实验结果表明,与现有模型相比,本文构建模型航速控制精度较高,航速控制时延较短,表明构建模型航速控制效果更佳。     

基于混沌分析的船舶航行轨迹数据挖掘

对于船舶航行轨迹数据挖掘问题,对比方法在受到异常信号干扰时,由于自身轨迹数据还原能力不足,导致该方法存在可靠性的问题。为了解决这一问题,提出基于混沌分析的船舶航行轨迹数据挖掘。针对原始轨迹数据中存在的缺失值问题,采用线性拟合填补数据,获得完整的轨迹数据,根据数据挖掘需求,设定挖掘目标,将数据分类处理,经过多次迭代输出目标数据,采用混沌分析技术重构目标数据,得到目标数据,完成数据挖掘。实验结果表明,设计的基于混沌分析的数据挖掘方法数据连续完整,数据处理效率高达127.63 MB/s,该方法的可靠性得到提升。     

多港口多船舶同时行进下航行调度的数学模型设计

为了提高多港口多船舶同时行进下船舶航行的畅通性,进行航行调度数学模型的优化设计,提出一种基于并行网格控制的多港口多船舶同时行进下航行调度的数学模型,采用均匀阵列分布模型构建船舶航行的网格结构模型,在齐次Sobolev空间构建船舶均衡调度的非线性微分控制方程,采用对合Cauchy-Hadamard积分控制方法进行调度模型渐进寻优,在Lyapunove有限域中得到全局调度的平衡性边界条件,实现船舶航行的并行优化调度。仿真结果表明,采用该模型进行船舶航行调度能提高港口的吞吐量,航线的运载能力增强,调度模型的稳定性较好。     

基于Attenton-LSTM神经网络的船舶航行预测

航行预测是无人艇关键技术之一。航行问题复杂度较高,传统的预测算法无法满足当前需求。为此,提出一种基于注意力机制-长短期记忆(Attention-Long Short Term Memory,Attention-LSTM)的多维船舶航行预测算法,结合船舶自动识别系统(Automatic Identification Systerm,AIS),采用注意力机制突出对船舶航行起关键作用的输入特征,实现对船舶未来时刻经度、纬度、航向、航速的预测。以成山角海域真实数据为例,进行仿真对比实验,结果表明所提方法具有更好的精确性和鲁棒性。     

基于Spark的船舶航行轨迹聚类方法

依托船舶自动识别系统(Automatic Identification System,AIS)数据,利用云计算并结合聚类算法,对船舶历史数据进行轨迹聚类分析,构建船舶航行正常轨迹模型,为实时检测船舶异常轨迹奠定基础,进而为提高水上交通监管智能化水平提供新方法。针对目前轨迹聚类算法效率低等问题,基于Spark内存计算技术及数据分区思想,提出一种改进的并行子轨迹聚类算法SPDBSCANST(Parallel DBSCAN of Sub Trajectory Based on Spark)。以长江航道武汉段船舶航行数据为例进行试验验证,并通过可视化方式呈现。结果表明,改进后的算法的聚类效率和效果都有明显提升。