遗传神经网络的船舶运动受扰力预测模型

船舶运动受扰力预测,是实现对船舶摇摆控制的关键步骤。为达到有效控制船舶摇摆的目的,基于遗传神经网络,完成船舶运动受扰建模预报和预测方法选择。模拟船舶航行状态,设计仿真对比实验结果表明,基于遗传神经网络的船舶受扰力预测模型,有效提升横向与纵向运动受扰力预测准确性,完成有效控制船舶摇摆的目的。     

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。     

水体流动时船舶航行横向受力数值模拟研究

针对传统船舶航行横向受力数值模拟存在误差的问题,提出基于水体流动的船舶航行横向受力数值模拟研究。通过设定海水湍流速度的分布,确定港口入口水流速度边界条件。通过划分船体底层表面区域来保证船舶底层表面光滑,确定船体底层表面光滑程度边界条件。结合模拟区域风向和风力边界条件,确定船舶航行横向受力边界条件。通过船舶航行横向受力数值模拟流程设计,实现了基于水体流动的船舶航行横向受力数值模拟。仿真结果证明,相比基于数据分析理论数值模拟方法,该方法船舶航行横向受力的数值模拟误差缩小了16.18 N,为船舶航行横向受力数值模拟提供了有利的科学依据。     

基于视觉传达的船舶自动导航系统

为了提升自动导航效果,设计基于视觉传达的船舶自动导航系统。利用视觉传达技术采集船舶图像,通过回溯处理模块获取高精度图像信息;利用系统软件线程实现模块间通信,依据图像信息制定航行计划,依据高精度图像信息实现航线设置、航线偏移报警与保存航迹功能;采用船舶目标跟踪方法得到船舶的位置和航向角信息,利用人机交互模块完成海图漫游、查询与航线管理等操作。实验证明,该系统可合理设计船舶航线,航行轨迹跟踪精度高。     

基于机器视觉技术的船桥防碰撞自动控制系统

为避免船桥发生碰撞事故,设计基于机器视觉技术的船桥防碰撞自动控制系统。利用双目视觉传感器采集船舶航行环境图像,由A/D转换芯片预处理环境图像,再利用双目视觉测距技术结合预处理的环境图像计算船舶与桥墩间的距离;通过全球定位系统采集船舶位置信息,利用改进差分进化PID控制方法得到舵角自动控制结果,再利用异步收发传输器根据控制结果生成自动控制指令,作用于船舵,完成船桥防碰撞自动控制。实验证明：该系统可有效采集船舶航行环境图像,计算船舶三维坐标;在不同航行环境时,该系统均可完成船桥防碰撞自动控制,且自动控制的稳定性较优。     

基于计算机视觉的船舶纯方位目标跟踪方法研究

受外界环境因素的影响,传统方法在船舶纯方位目标跟踪中存在一定的偏差。为了克服这一问题,引入计算机视觉技术,在待跟踪的船舶上安装计算机视觉传感装置,并利用该装置实时采集船舶航行图像。通过对图像的处理与分析,得到船舶目标的初始位置信息。以定位结果为起点,在构建纯方位目标运动模型的基础上,计算目标船舶的航向角,判断船舶的航迹运动方向。实时更新目标船舶的定位信息与航向角信息,从而实现船舶纯方位目标跟踪。实验结果表明,与传统的目标跟踪方法相比,所设计的方法能够有效降低船舶跟踪误差,具有较强的实用性。     

云计算平台下舰船航行应急响应资源需求预测分析

针对传统的应急资源需求预测分析模型易受干扰而导致的预测误差较大的问题,研究云计算平台下舰船航行应急响应资源需求预测分析模型。使用聚类算法对舰船航行应急资源需求评估,利用小波神经网络构建需求预测模型。在云计算平台中,对构建的资源预测模型参数求解,完成云计算平台下舰船航行应急响应资源需求预测分析模型的构建。设计与传统基于案例推理的资源需求预测模型的对比实验,通过实验证明构建的云计算平台下的预测模型预测误差更小,性能更佳。     

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。     

视觉传达技术船舶航行环境实时模拟系统

在船舶航行环境实时模拟过程中,对于船舶波模拟能力较差,造成船舶航行环境实时模拟系统图像绘制时间过长。因而,设计基于视觉传达技术的船舶航行环境实时模拟系统。引用图像绘制数位板以及GPS船舶定位装置完成系统硬件优化。构建船舶航行模型,计算船舶波宽度。引用视觉传达技术,设置波图像信息点,完成船舶航行波绘制。寻找目标船舶,设定船舶以高速与低速2种状态展开航行,对此系统与原有系统展开测试。由测试结果可知,此系统的船舶波模拟精度与图像绘制时长均优于原有系统。     

基于云推理的船舶航行速度非线性数学控制模型

传统的船舶航行速度数学预测模型在数据转换的过程中具备较大误差,导致最终的预测准确率较低。为了能够提高船舶航行速度预测的准确度,基于云推理建立船舶航行速度的非线性数学控制模型。建立云推理规则发生器,探究双条件下的运行模式,转化船舶航行的历史数据,以此建立全新的线性数学模型。实验结果表明,该数学控制模型的预测精度能够达到85.2%,相较于传统的集中数学模型有较大的改进,且建模时间也相对较短,因此可知该数学模型具备实用价值。     

基于无人机倾斜摄影的船舶航行图像重建研究

传统的图像重建方法应用于船舶航行图像重建,由于在图像匹配过程中的误差率较大,导致其图像匹配性能较差。为此,设计一种基于无人机倾斜摄影的船舶航行图像重建方法。首先,利用灰度变换和图像锐化,对图像预处理;其次,采用聚簇算法完成图像匹配;之后,通过反解法数字纠正方法完成图像纠正;最后,利用图像序列重建,完成船舶航行图像的三维重建。至此,完成基于无人机倾斜摄影的船舶航行图像重建方法的设计。通过对比实验,与2种传统方法相比,提出的基于无人机倾斜摄影的船舶航行图像重建方法的图像检查点精度更高,表明其匹配性能更好。     

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。     

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。     

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。     

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。     

基于图像的小范围船舶交叉碰撞风险预测

船舶交叉碰撞十分危险,为了提高小范围船舶交叉碰撞风险预测精度,提出了基于图像的小范围船舶交叉碰撞风险预测方法。首先采集船舶航行的图像,并对图像进行增强处理,提高图像质量,然后从图像中提取小范围船舶交叉碰撞风险预测的特征,最后小波神经网络根据样本数据建立小范围船舶交叉碰撞风险预测模型,并进行了小范围船舶交叉碰撞风险预测测试,本文方法可以对船舶交叉碰撞风险变化趋势进行准确的刻画,得到了高精度的小范围船舶交叉碰撞风险预测结果,预测结果可以指导船舶工作人员提供有价值的参考意见。     

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。     

基于视觉传达的船舶航行图像优化研究

为了改善船舶航行图像质量,准确分辨图像信息,提出基于视觉传达的船舶航行图像优化方法。利用双边滤波器与冲击滤波器处理模糊船舶航行图像,达到图像去噪、纹理平滑以及边缘特征增强的目的。根据模糊核的稀疏性特点,通过正则化交替迭代方式实现模糊最佳估计结果的确定后,基于梯度稀疏的反卷积方法实现模糊图像的复原,运用HSV色彩模型对复原后的船舶航行图像作优化处理,获得高质量船舶航行图像。实验结果表明,该方法可实现模糊船舶航行图像视觉传达优化,优化后图像的结构相似度、信息熵指标最高可达0.967、9.49,边缘强度、梯度均值、彩色熵指标达到设定要求,图像视觉优化效果突出。     

基于机器视觉的大规模船舶航行数据自适应识别方法

传统船舶航行数据识别方法,存在瞬态识别数据规模局限性大,超规模阈值下的数据识别准确率过低的问题。在当前船舶航行数据处理规模下,无法高效准确完成船舶航行数据的处理任务。为了在根源解决上述问题,引入机器视觉技术,提出基于机器视觉的大规模船舶航行数据自适应识别方法。首先基于机器视觉技术,对航行数据的识别标准进行定义,同时完成对相关不符识别量进行修正;接着对全局航行数据对应的轨迹信息进行机器视觉结构处理;最后完成对数据的自适应识别计算。通过与传统方法的多组航行数据模拟测试发现,采用提出识别方法的航行数据识别结果,相较传统识别方法具有识别速度快、准确率高、数据规模自适应性强的特点。     

嵌入式系统的船舶操纵模拟器设计

传统船舶操纵模拟器,存在随动舵灵敏性差、数码管显示图像像素低等弊端。为有效解决上述问题,设计基于嵌入式系统的船舶操纵模拟器。通过模拟器硬件整体架构设计、船舶操纵信号采集模块设计,完成新型船舶操纵模拟器的硬件设计。通过嵌入式系统固件程序设计、模拟器上机位通信软件设计、通信协议设计,完成新型船舶操纵模拟器的软件设计。设计对比实验结果表明,与传统船舶操纵模拟器相比,新型模拟器大幅增强随动舵灵敏性,且数码管所显示图像的像素,也得到一定程度的提升。