船舶航行过程信息分层采集优化算法

为了提高船舶航行过程信息采集的准确性,减小由于数据采集环境干扰产生的误差,提出船舶航行过程信息分层采集优化算法。在处于航行状态的船舶上安装船舶采样设备,按照信息的不同采样要求构建分布式分层模型。利用安装的船舶航行采样设备,在构建分布式分层模型下,从动态信息层和静态信息层2个方面对船舶航行信息进行分层采集,并将采集到的信息进行模数转换处理,保存最终的数字信息,实现船舶航行过程信息的分层优化采集。经过实验发现,与传统的船舶航行过程信息采集算法相比,船舶航行过程信息分层采集优化算法的平均采集误差率降低了3.43%。     

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%。     

船用物联网节点资源的分配与调度控制

由于船舶航行环境复杂,航行过程中需要采集的资源数量庞大,且采集到的资源受环境影响较强易出现破损,无法保障其控制效果。针对当前船舶航行过程中对海量突发数据资源控制管理效果不佳的问题,分别对船舶网络节点资源的分配过程中产生的能效和资源调度耗时情况进行优化,提出对船用物联网节点资源的分配与调度控制方法进行优化和改善。首先结合RFID系统对船用物联网节点资源采集方法进行完善,解决环境干扰导致的资源受损问题,进一步与利用ALOHA算法对采集到的信息进行特征分配计算,根据分配结果对船用物联网节点资源的分配与调度控制步骤进行优化。最后通过实验证实,船用物联网节点资源的分配与调度控制方法相对传统方法而言有更高的准确性和有效性,充分满足研究要求。     

利用AIS数据挖掘生成船舶航迹点方法研究

由于船舶航行受海上环境的影响而产生航迹误差,为了准确控制船舶航行轨迹,提出利用AIS数据挖掘生成船舶航迹点方法研究。根据AIS数据挖掘算法,提取船舶航行轨迹点数据特征,利用船舶航行轨迹点数据库中航行线路设置信息与目标对象运动信息之间的相似性,挖掘出船舶航迹动力定位数据,将AIS数据挖掘算法映射到船舶海上航行领域中,提取出AIS船舶位置采集点,通过设定阈值得到船舶航行转向点,将所有转向点连接成线,初步生成船舶航行轨迹点,利用船舶轨迹点生成流程,实现船舶航行轨迹点的生成。实验结果表明,基于AIS数据挖掘的船舶轨迹点生成方法在精度和时间上,都可以准确控制船舶航行轨迹。     

依据轨迹数据的船舶交通密度计算方法

研究基于轨迹数据的船舶交通密度计算方法,利用精准的船舶交通密度计算结果提升海上交通规划水平。利用AIS设备采集船舶航行轨迹数据,利用均匀参数化方法对所采集的航行轨迹数据重采样处理。将通过重采样处理获取的航行轨迹数据,划分为静止轨迹数据点以及移动轨迹数据点,依据数据点间的欧式距离,以及船舶航行方向、航行速度的相似性,选取基于密度的DBSCAN聚类算法完成轨迹数据聚类。依据船舶航行轨迹数据聚类结果,选取多维密度方法,通过更新船舶经过总数、船舶经过总时间等参数,计算船舶交通密度。实验结果表明,该方法可以依据船舶航行轨迹数据,精准计算船舶交通密度,为海上交通规划提供有效支撑。     

天气干扰下海上船舶通信延迟消除方法

目前研究的海上船舶通信延迟消除方法无法对中间继电点汇聚节点搜索,搜索范围不够全面,进而导致消除效果不好。为解决上述问题,基于蚂蚁算法提出新的天气干扰下海上船舶通信延迟消除方法。通过最优算法确定最佳网络分簇大小以及最优簇从数量,以任意周期内的通信节点能量消耗为基础,确定网络通信节点通信范围半径和节点分布密度,利用最小代价多跳路为搜索目标,引入蚂蚁算法进行路径搜索,进而针对无线通信蚂蚁信息扩散和数据包发送频率实现信号延迟消除。实验结果表明,天气干扰下海上船舶通信延迟消除方法能够消除过程中能耗更小,节点无响应频率更低。     

双目视觉下多尺度舰船图像轮廓特征点提取算法

为清晰分辨船舶航行图像的边缘特征信息,提出双目视觉原理下的多尺度舰船图像轮廓特征点提取算法。依照图像信息的测距处理方案,匹配必要的视觉性像素,完成基于双目视觉的舰船图像特征点标注处置。在此基础上,根据多尺度成像坐标原理,判定舰船图像的灰度信息,再通过计算轮廓特征系数的方式,实现双目视觉下多尺度舰船图像轮廓特征点提取算法的应用。对比实验结果表明,与SIFT算法相比,应用新型特征点提取算法后,QDI系数指标出现明显提升的变化趋势,船舶航行图像的边缘特征信息得到清晰化分辨。     

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。     

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。     

基于ZigBee的船标通测网络中无线传感器的应用

无线传感网络是船联网的重要通信及定位技术,在船标通测网络中得到广泛应用。现在船舶无线传感网络一般利用ZigBee作为定位协议,ZigBee协议具有算法复杂度低﹑定位精度高等特点,但在实际海洋航行中,由于环境干扰信标节点有较大扰动从而降低定位精度。本文重点研究了ZigBee协议中的DV-HOP定位算法,优化信标节点分布,最后进行仿真。     

海上风电场区船舶A~*避碰寻路算法

针对国内风电场距离航道较近、船舶在其附近航行时容易发生碰撞事故的问题,研究基于A~*改进算法的海上风电场水域船舶避碰寻路算法。基于改进的人工势场模型,按照船舶避碰要求建立风机威胁势场和他船威胁势场;将风电场区地图栅格化,计算各小方格处总的威胁值,构建威胁地图;以各栅格的威胁值作为船舶航行代价,利用A~*算法找出从当前点到目标点的移动航线;针对采用普通A~*算法生成的航线中拐点多、方向受限的问题,提取各拐点进行通视性检验并删除冗余点,最终得到符合船舶在风电场区航行要求的安全航线。仿真试验结果表明:采用该方法得到的规划航线能在与风机障碍物保持安全距离的同时,具有最短长度。     

水电站船舶巷道航行危险度评价算法研究

为了对水电站船舶巷道航行危险度进行准确评价,设计了基于灰色关联分析和层次分析的水电站船舶巷道航行危险度评价算法。首先采集水电站船舶巷道航行危险度评价数据,然后采用灰色关联分析法对数据之间的关系进行分析,并通过层次分析法确定各评判指标的权重,通过加权得到水电站船舶巷道航行危险度评价结果,水电站船舶巷道航行危险度评价仿真测试结果表明,本文方法的水电站船舶巷道航行危险度评价结果十分合理,不仅具有较高的可信度,而且水电站船舶巷道航行危险度评价精度优于其他算法。     

基于云计算的船舶大规模数据融合技术

现有的船舶数据融合技术存在较大的网络时延,因此研究一种云计算船舶大规模数据融合技术。建立数据融合结构模型,根据数据融合的程度划分3个层次,分析每个层次对应的传感器节点之间的关联性,采用动态组簇法平衡簇首能量,保证数据的传输效率,设计云计算融合算法,给各个监测值赋予合适的权值,完成云计算船舶大规模数据融合技术研究。对比实验结果表明,本文设计技术的网络时延比现有技术平均减少2.66 s。     

船舶无线移动网络动态混乱信息节点高效寻优算法

为了解决传统船舶无线移动网络动态混乱信息节点高效寻优算法准确性与适应度低的缺陷,提出船舶无线移动网络动态混乱信息节点高效寻优算法研究。为了简化信息节点寻优的过程,采用相似权方法对船舶无线移动网络进行加权处理,得到信息节点强度值,以此为基础,依据结构洞理论计算信息节点重要度,以得到的信息节点重要度数据为依据,搭建信息节点寻优模型,以此为工具实现了船舶无线移动网络动态混乱信息节点的高效寻优。通过测试结果得到,与传统船舶无线移动网络动态混乱信息节点高效寻优算法相比较,提出的船舶无线移动网络动态混乱信息节点高效寻优算法极大地提升了准确性与适应度,充分说明提出的船舶无线移动网络动态混乱信息节点高效寻优算法具备更好的寻优效果。     

面向物联网的船舶通信网络数据传输路径优化仿真

数据传输路径优化算法是当前船舶通信网络研究中的重要方向,为了解决当前数据传输路径优化算法存在时延大、数据传输功率低等不足,提出了面向物联网的船舶通信网络数据传输路径优化算法。首先针对数据传输时延大的问题,对全部物联网节点进行分簇操作,减少数据传输重复信息,加数据传输速度,然后设计了根据最短距离建立船舶通信网络数据传输路径最化算法,最后采用进行仿真实验,以验证船舶通信网络数据传输性能。结果表明,本文方法缩短了船舶通信网络数据传输时延,加快了船舶通信网络数据传输速度,而且船舶通信网络数据传输成功率得到了明显改善。     

图像处理技术在船舶航行障碍物识别中的应用

为了提高船舶航行避障能力,提出基于图像分块特征匹配和视觉跟踪识别的船舶航行障碍物识别技术。采用点跟踪匹配和动态帧点检测的方法进行船舶航行障碍物识别的红外图像信息采集,对采集的船舶航行障碍物红外视觉图像进行区域组合检测和融合处理,提取图像的差异性和突变性特征点,根据特征点的分布情况采用视觉跟踪识别方法实现对船舶航行障碍物识别。测试表明,该方法对船舶航行障碍物识别的动态跟踪能力较好,识别可靠性和精度较高。     

人工智能在船舶航行数学建模中的应用

为保障船舶在海上安全航行,提出人工智能在船舶航行数学建模中的应用。使用Maklink图论方法描述海上作业点分布,建立作业点Maklink连接图,生成船舶在作业水域内可航行网络图。建立船舶在海上作业区域航线规划数学模型,并设置约束条件;利用Dijkstra算法求解船舶在海上作业危险区域航线规划模型,得到船舶航行初始航线;利用人工智能算法内的蚁群优化算法对船舶航行初始航线实时优化处理,得到船舶航行最终航线,为船舶穿越海上作业区域实时导航。实验结果表明,该方法可有效生成船舶在作业水域航行网络图,得到初始航线并对初始航线优化处理,应用效果较佳。     

数据驱动的船舶异常行为识别方法

为对不同环境影响因素下的船舶异常行为进行有效识别,提出一种综合考虑船舶位置和船舶航行状态的多角度船舶异常行为识别方法。将船舶航行状态分为停留、直行和转向等3类,对网格化水域内的船舶航行状态进行统计,获得船舶正常航行状态的区域分布情况;利用核密度估计算法对船舶位置特征进行提取,获得正常航行位置的区域分布;利用正常船舶航行状态和船舶位置分布情况对船舶异常行为进行识别。选取曹妃甸水域的船舶轨迹数据,用以验证异常行为识别模型的检验效果。试验结果表明：船舶位置异常识别取决于阈值的设定,宽松的阈值识别的异常位置包含船舶较少的航线轨迹,严格的阈值识别的异常位置反映船舶的危险行为;在船舶航行状态异常识别中,该方法可以对航向大幅度波动和航速剧烈变化的船舶异常航行行为状态进行有效的识别。     

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Dijkstra与A*算法实现船舶导航算路

在现实导航应用中,为了得到最短路径,一般会采用智能算法去验证每个步骤,然后选出最优的一条路径。为了简化船舶导航路径的计算,本文采用Dijkstra算法,对航行规划图中的每个节点间的航行轨迹进行优化,从而获得最优的路径。然后结合A*算法,对此路径的航行状态进行监测与验证,从而保证船舶导航算路达到最好的状态。