基于GPS技术的船舶定位导航和航迹预测研究

全球定位系统(GPS)是一种全天候、高精度、覆盖范围非常广的电子导航设备,目前广泛应用于汽车、船舶、移动设备等领域,其中在海上船舶的导航与定位、船舶自动驾驶等方面发挥着重要作用。本文主要介绍了GPS技术的定位原理,基于此研究了船舶的定位导航技术和航迹预测技术,对提高船舶航行的安全性、可靠性等有重要的意义。     

基于AIS数据的船舶航迹多维预测方法

目前,船舶轨迹预测存在数据噪声严重、缺乏考虑历史轨迹的相似性的问题,导致预测精度不高,难以满足实际需求。针对该问题,从船舶自动识别系统(Automatic Identification System, AIS)数据去噪、在预测模型中考虑历史数据两个方面提高船舶轨迹单步预测的精度和可靠性。根据相邻时刻的AIS数据修复当前时刻的船舶运动参数;使用二维长短时记忆网络(Long Short-Term Memory, LSTM)算法分别从时间和空间的角度将当前船舶的航迹数据和历史轨迹数据相融合,建立航迹预测模型和区域预测模型;利用试验数据验证模型的综合性能。试验结果表明:该模型可获得精度较高的船舶航行轨迹。     

基于LSTM的船舶航迹预测

提出一种基于长短期记忆网络的船舶航迹预测方法,应用三次样条插值对船舶自动识别系统数据进行修复以保证其时间间隔相等,以船舶经度、纬度、航速和航向作为模型的输入,经度和纬度作为输出构建船舶航迹的实时预测模型。实验结果表明,该方法可以突破对预测时间间隔相等的要求,经纬度预测最大误差不超过5×10~(-4)°,能够比较准确地预测出船舶轨迹。     

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.     

基于大数据的船舶故障趋势预测

船舶故障趋势预测的研究具有重要实际应用,船舶故障趋势复杂多变,当前船舶故障趋势预测方法无法高精度描述其故障变化特点,使得船舶故障预测趋势结果靠性低。为了提高船舶故障趋势预测效果,设计了基于大数据的船舶故障趋势预测方法。首先分析当前船舶故障趋势预测研究进展,找到各种方法的船舶故障趋势预测的局限性,然后采用船舶故障趋势数据,并利用大数据分析技术拟合船舶故障变化趋势,构建船舶故障趋势预测模型。最后在相同平台下,与其他船舶故障趋势预测方法进行了对比测试。结果表明,大数据的船舶故障趋势预测精度超过95%,不仅完全达到了船舶故障控制的实际应用要求,而且船舶故障趋势预测效果要优于对比方法,具有更加广泛的实际应用范围。     

广义预测控制应用于船舶航向和航迹保持

本文综合考虑船舶航向纠偏和航迹保持，推导了一种广义预测控制算法，并给出了减少计算量的递推公式。仿真结果验证了算法的有效性。     

基于大数据技术的船舶智能终端数据管理系统

为提升船舶数据一体化管理水平,设计基于大数据技术的船舶智能终端数据管理系统。利用设备层内的船舶GPS、ARPA、温度仪、罗经等智能终端获取船舶航行数据,并使用数据采集模块采集船舶智能终端数据后,利用通信层内的4G/5G网络、蓝牙、Wifi无线网络,将船舶智能终端数据传输到服务层。服务层通过TongWeb服务器连接访问组件后,将船舶智能终端数据传输到大数据加密模块、大数据解析、大数据离线存储控制等模块内,利用大数据技术对智能终端数据进行加密、解析、离线存储等处理后,将数据传输到交互层。交互层为用户提供数据采集驱动、页面显示和数据管理和查询功能,用户通过交互层实现船舶智能终端数据管理的交互。实验结果表明,该系统具备较好的可移植性,可实现更加安全的船舶智能终端数据管理。     

基于大数据技术的船舶油耗监测系统设计

为适应IMO关于船舶记录油耗数据的强制性要求,分析船舶油-机-环境系统的监测参数集,建立基于大数据技术的、具备船舶油耗数据分析能力的船舶油耗监测系统,使该系统可对船舶油耗信息进行收集、整合和挖掘,向有关部门提供优质的船舶油耗监测服务和实时的节能管理咨询服务。利用无线传感器采集数据监测船舶能耗并开发船舶能耗数据库,不仅为船舶运营管理提供参考依据,还有助于船舶所有人更直观地掌握船舶实时动态信息,更方便地调度和管理船舶。     

船舶直线航迹预测变结构控制

船舶直线航迹系统受二阶不可积非完整约束,具有不完全驱动的特性,控制一直是难点。本文先采用变量重定义方法,将系统控制转化为对完全驱动系统的控制,证明了转变后系统的稳定性能保证原船舶直线航迹控制系统的稳定性;然后对新系统进行非线性连续预测变结构控制的设计。仿真结果表明,该方法具有良好的控制性能,使航向和横向位移同时稳定,即使系统航迹全局收敛,且在系统存在参数摄动和外界干扰时,同样具有良好的控制性能,控制具有强鲁棒性。     

大数据分析的船舶航迹拟合研究

船舶航行过程中所产生的海量航迹数据可通过拟合方法完成压缩,由此降低航迹数据存储的压力,考虑航迹数据采集过程中的误差与数据缺失问题,设计了大数据分析的船舶航迹拟合方法。以船舶自动识别系统为基础,根据参考物标采集船舶航迹数据。考虑所采集船舶航迹数据在时空2个维度上的误差与数据缺失问题,采用大数据分析技术中的三次样条插值法与中值滤波法,对所采集的船舶航迹数据实施预处理;针对预处理后的船舶航迹数据,通过坐标转换、曲线选择以及拟合计算等过程完成船舶航迹拟合处理。实验结果显示,所研究方法能够在不影响航迹数据局部趋势的条件下有效抑制航迹数据的波动性,得到更高精度的航迹拟合结果。     

基于互联网和大数据的船舶运维管理系统

对于当前舰船运维管理访问方法中,存在的舰船运维管理的均衡性较差,资源运维管理的错位现象严重,网络资源运维管理后的共享效果不理想等问题。提出基于互联网和大数据的船舶运维管理方法,利用蝙蝠算法,对舰船信息网络大数据进行运维管理。其中,对蝙蝠种群进行初始化,并对蝙蝠种群的适应度值进行计算,从中选取目前的最优解;对是否达到终止条件进行判定,假设是,则输出最优解,反之对脉冲频率,以及蝙蝠飞行的速度,和蝙蝠目前的位置进行更新;在最优解的周围生成新的局部解,根据判断条件对新的局部解是否接受进行判断,寻找目前的最优值及最优解,判断是否达到了终止条件,如果是输出最优解,以解决当前算法中存在的问题。实验表明,所提算法不仅提高了船舶信息传输网络的运维管理资源的均衡性和共享性,还降低了访问错位现象的发生频次。     

基于人工智能技术的船舶航迹点生成算法

利用栅格法构建海洋环境数据模型作为船舶航迹点生成的模拟图.在此基础上将航行距离最短与航行障碍物最少作为目标构建船舶航迹点生成数学模型,使用自适应交叉概率与变异概率优化鱼群算法,使用优化后的鱼群算法确定船舶航迹点生成数学模型的最终解,获取最佳船舶航迹点.经过试验分析,该算法能够准确生成船舶航迹点,与同类算法相比具有明显优...     

基于分布式数据库的船舶大数据平台动态页面数据生成技术

船舶通信与导航系统不断地接收和发送各类数据,如航线数据、气象数据、船舶运行工况数据等,伴随着船舶信息化水平的不断提高,针对这些数据的存储和管理成为了业内的研究热点。船舶数据不仅数量多,而且类型多样,因此本文采用一种HBase非关系型分布式数据库技术,进行船舶数据的存储和管理。同时,结合Web技术和XML技术,实现了船舶用户对于数据库系统的动态访问与动态页面生成,对于改善船舶通信与导航系统的数据处理能力有重要的意义。     

基于自动识别系统大数据的船舶施工轨迹识别与预测

针对疏浚监控管理工作很难全天覆盖所有船舶、无法做到实时监控的问题,分析某绞吸挖泥船的AIS(自动识别系统)高频数据,包括疏浚船舶动态的航行轨迹、速度、航向等数据。对船舶施工轨迹辨识和预测进行研究,提出利用DBSCAN聚类算法粗略识别出施工区域,利用LOF(局部异常因子)算法去除航行轨迹中非施工状态下的轨迹,并利用时间序列ARIMA模型对船舶施工轨迹进行预测。结果表明,DBSCAN聚类算法结合LOF算法进行施工轨迹辨识方法合理可行,ARIMA模型进行施工轨迹预测的方法具有精确度高、实时性、易实现的特点。     

基于大数据的智能船舶研究

为了在智能船舶领域取得发展先机,对船舶智能化的进程进行研究。首先,探讨了智能船舶的概念与功能;其次,介绍了南通中远海运川崎船舶工程有限公司在智能船舶研发方面的实践与进展,阐述了船舶全生命周期的智能信息服务;最后,提出未来船舶企业不仅需要建造智能船舶,还要建立岸基数据中心及智能信息服务体系,逐步将为船东的服务扩展至船舶的全生命周期。     

基于高阶常微分方程的复杂水域船舶航迹精准预测研究

船舶航迹预测是其避障、导航的基础,精准的航迹预测可提升船舶在复杂水域航行的安全性,为此研究基于高阶常微分方程的复杂水域船舶航迹精准预测方法。该方法利用AIS系统采集船舶航行行为动态观测样本后,构建该船舶航行行为动态观测样本的高阶常微分方程预测模型,使用四阶龙格-库塔方法求解该预测模型,得到船舶航行动态观测样本预测值后,利用最小二乘法对其进行拟合处理,得到船舶航迹曲线。实验结果表明,该方法可有效采集船舶在复杂水域航行时的航速、船首向等行为动态观测样本,预测船舶航迹点和拟合后的航迹曲线均与其实际数值吻合,预测精度较高。     

基于OD切分的船舶AIS航迹

通过对船舶自动识别系统(Automatic Identification System,AIS)数据进行深入挖掘,获取船舶海上交通特征信息。以频繁往返于厦门港水域的船舶中远之星号为例,基于Hive数据仓库和R语言平台,利用探索性分析和可视化等数据挖掘技术,得到反映船舶海上交通特征的信息。建立合理有效的航迹插补、航迹切分及子航迹段合并算法,得到若干个能清晰反映船舶运动路线的OD(出发点—终点)航迹。研究成果可为船舶航迹聚类、船舶异常行为检测和海上交通安全监控等奠定基础,从而实现船舶交通管理系统的智能化。     

基于BP神经网络的船舶航迹控制技术

航海战舰规模的扩大使船舶航迹的控制变得越来越困难、复杂。为了实现船舶航迹控制,采用新的控制技术,根据神经网络及船舶航迹的相关理论和BP神经网络的船舶航迹控原理,对BP神经网络的船舶航迹控制进行计算和航迹设计实现,通过模拟仿真得出各种海情条件下的船舶航迹控制比较图,对我国航海战舰控制航迹有一定的指导意义。     

基于数据挖掘的船舶航迹自动识别系统

以充分掌握船舶航行动态为目的,设计基于数据挖掘的船舶航迹自动识别系统。该系统使用跟踪监控单元内的海事雷达和船载单片机监控终端获取船舶航行数据后,利用无线通信单元内的无线传感器、网络协调器等设备将船舶航行数据发送至数据存储与集成单元;利用该单元对船舶航行数据进行打包分发、在线压缩和存储等处理。航迹识别单元从数据存储与集成单元内调取压缩存储的船舶航行数据,并对其进行区域航迹提取、坐标转换和时间校准后,再利用基于数据挖掘的轨迹融合方法完成其航迹识别,然后将识别结果发送至展示单元呈现给用户。实验结果表明：该系统在应用过程中其运行稳定性接近99.5%,并且具备良好的通信传输能力;也可在船舶航迹复杂交错和存在其他船舶干扰情况下有效识别目标船舶航迹,应用效果显著。