人工智能算法的舰船路径规划

为了实现对舰船航行的智能调度,需要进行舰船路径规划设计,提出一种基于人工粒子群智能算法的舰船路径规划方法。构建舰船航行路径分布的网格结构模型,将舰船航行区域内的各个对象表达为人工粒子群个体,采用四元素的扩展卡尔曼滤波方法构造舰船航行路径规划的约束参量模型。构造舰船航行路径规划的控制目标函数,以舰船动态性能和稳态性能为优化目标,采用人工智能群算法进行航行路径的自适应寻优,实现舰船路径规划。结果表明,采用该方法进行舰船路径规划,能准确跟踪舰船航行的方位角和姿态角,实现路径实时跟踪,提高了舰船路径的准确规划能力。     

船舶AIS中基于自适应神经网络人工智能的路径搜索技术研究

相对于陆地货物运输和航空运输,海上航运具有成本低、安全性能高、运量大等优点,已经成为现代世界商品交流与贸易的最主要途径。为了进一步提高海上航运的效率和安全性,本文针对船舶AIS系统的航线与路径搜索技术进行了深入的研究。船舶AIS系统是一种船舶自动识别系统,在船舶管理、航线调度等领域发挥着重要的作用。本文首先介绍了自适应神经网络算法,然后基于该智能算法开发了一种船舶AIS的智能路径搜索技术,并介绍了该技术的原理和工作流程。     

基于人工智能技术的舰船轨迹规划算法

轨迹规划是保证舰船安全航行的关键技术,针对当前舰船轨迹规划算法存在规划精度低、速度慢等不足,为了获得更优的舰船轨迹规划方案,设计了基于人工智能技术的舰船轨迹规划算法。首先分析了当前舰船轨迹规划的研究现状,并构建了舰船轨迹规划的数学模型,然后采用人工智能技术对舰船轨迹规划的数学模型进行求解,搜索到最优的舰船轨迹规划方案,最后采用具体仿真模拟实验验证舰船轨迹规划算法的性能。结果表明,人工智能技术的舰船轨迹规划精度高,舰船轨迹规划速度快,获得了比其他算法更优的舰船轨迹规划方案,可以应用于实际舰船安全航行管理中。     

基于人工智能技术的舰船图像语义分割算法

随着对舰船研究的深入,原有的舰船图像语义分割结果已无法满足现有的研究要求。原有的舰船图像语义分割算法在图像预处理过程中较为粗糙,导致图像分割结果交叉联合度量值较低,图像分割损失值较大。因而,设计基于人工智能技术的舰船图像语义分割算法。引用人工智能技术中的卷积神经网络对图像预处理部分展开优化;对预处理后的图像进行多尺度拟合,获取图像特征;使用改进代价函数实现舰船图像语义分割。构建算例测试环节,通过与原有算法以及使用其他技术设计的分割算法进行对比可知,此算法的交叉联合度量值较高,图像分割损失值较低。由此可知,此方法的舰船图像语义分割能力较佳。     

基于人工智能优化算法的大型舰船紧急疏散路径规划

紧急疏散是舰船在遇到突发性事件时第一时间执行的应急方案,为减少突发性事件中的人员伤亡事故,必须对紧急疏散路径进行科学规划,以保证在最短的时间内全部疏散舱内人员。本文分析人工智能优化算法中的人工蜂群算法与粒子群算法,提出粒子群算法在紧急疏散路径规划中的应用,并揭示该算法的应用缺陷,在此基础上提出改进后的人工蜂群算法用于紧急疏散路径规划,经过仿真实验证实人工蜂群算法的收敛速度快,能够快速疏散人员。     

人工智能技术舰船航行自动控制研究

传统舰船航行自动控制功能主要通过算法对定义舰船轨迹数据与舰船航行数据综合分析计算,根据计算结果对PID自动控制器下达控制指令来完成自动控制操作。此种控制模式受到算法定义逻辑限制存在一定的控制误差,无法真正做到舰船航行的精准控制。为解决上述问题,提出人工智能技术的舰船航行自动控制研究。首先对舰船航行轨迹进行模型计算,接着对舰船PID控制数据进行模型计算。最后,通过人工智能技术对航向轨迹与PID控制数据进行关联计算,得到精准的舰船航行控制数据。通过对比实验对提出的控制方法与传统控制方法进行对比,数据证明提出方法的控制精准度高于传统自动控制系统。     

人工智能技术舰船发动机状态分析

发动机振动信号分析是判断发动机状态的重要因素,传统方法忽略对发动机振动信号的处理,导致舰船发动机状态分析时间较长,为此设计一种基于人工智能技术的舰船发动机状态分析方法。采集舰船发动机的振动信号,采用时域分析法对振动信号处理,获得发动机振动信号特征中不同信号和不同时刻的相互依赖关系,依据人工智能技术确定振动信号的鲁棒值,从而确认舰船发动机异常情况,以此完成舰船发动机状态分析。在舰船发动机无故障情况下和有故障情况下进行了发动机状态分析的实验。结果证明,在无故障情况下和有故障情况下,本文设计方法对发动机状态的分析时间均比传统2种分析方法的分析时间短,证明此次设计的基于人工智能技术的舰船发动机状态分析方法分析效果好。     

基于人工智能技术的舰船网络安全信息风险评价研究

由于船舶网络结构层之间的差异性,导致不同结构层空间中的信息安全级别对应的风险系数各有不同。传统的网络信息风险评价方法只是根据网络全局系数,对网络信息进行相对性的安全风险评价。在评价准确性与代表性方面存在一定量的误差,降低了评价数据的可应用性。为了减小评价误差,提升评价数据的准确性,提出人工智能技术的舰船网络安全信息风险评价研究。利用人工智能技术,按照网络信息级别,对网络进行结构层划分,并建立模型;通过卷积神经网络算法,完成对不同结构层信息风险的MQ评价模型建立;根据模型输出数据,通过信息风险分布概率,完成网络结构层信息的全局风险评价;通过与传统方法评价结果的对比,提出评价方法能够有效降低评价数据误差,并将评价数据准确率控制在97.4%以上。     

基于大数据与人工智能的舰船避碰路径优化调度算法

舰船航行路径中存在许多障碍物,当前舰船避碰路径优化调度算法存在障碍物识别正确率低、规划路径长,不仅无法获得最优的舰船航行路径,而且不能保证舰船航行的安全,为了获得最优的舰船航行路径,设计了基于大数据与人工智能的舰船避碰路径优化调度算法。首先分析当前舰船避碰路径优化调度算法的工作原理,找到弊端,然后引入大数据分析方法建立舰船避碰路径优化的数学模型,实现障碍物识别,并采用人工智能技术——遗传算法找到最优的舰船避碰路径,最后进行舰船避碰路径优化调度算法性能的仿真测试,结果表明,本文方法可以更快找到最优的舰船避碰路径,舰船避碰路径更短,不仅减少了舰船航行的时间和成本,而且可以准确识别各种舰船障碍物,具有显著的优越性。     

人工智能技术在舰船室内设计中的应用

针对传统舰船室内设计方法受到设计元素种类的影响,出现设计效果差的问题,以增强舰船室内设计效果为目的,提出人工智能技术在舰船室内设计中的应用研究。采用人工智能技术优化舰船室内视觉信息,利用视觉信息的获取步骤,得到舰船室内设计的视觉信息,将舰船室内设计的二维坐标转换为三维坐标,完成舰船室内的场景建模,最后通过舰船室内设计流程,实现了舰船室内设计。实验结果表明,与其他2种方法相比,基于人工智能技术的舰船室内设计方法可以增强舰船室内设计的效果。     

人工智能技术在舰船航向混合自动控制中的应用

现有航向控制主要使用PID控制器,其主要应用于线性控制问题,而航向控制具备一定的随机性,导致常规航向控制方法稳定性较差,威胁舰船航行安全性,引入人工智能技术提出舰船航向混合自动控制方法研究。设置假设条件构建舰船运动模型,以此为基础,对运动参量进行无因次化处理,避免量纲不同对模型产生不利影响,引入人工智能技术——神经网络算法与PID控制理论进行混合应用,制定神经网络PID控制程序,执行程序即可实现舰船航向的混合自动控制。实验数据显示:在常数大于2条件下,应用人工智能技术后获得的航向控制稳定性指标大于平均水平,说明人工智能技术应用性能较好。     

基于视觉搜索的舰船跟踪方法研究与仿真

基于视觉图像处理方法实现对舰船目标的跟踪识别,提高对舰船目标的搜索和打击能力。传统方法采用舰船目标轮廓亮点检测方法实现对目标的视觉搜索,在图像模糊和背景干扰较强时,检测效果不好。本文提出一种基于相邻帧补偿和尺度不变特征变换的舰船视觉搜索跟踪算法。为提高舰船目标图像视觉特征采集的清晰度和稳定性,采用电子稳像技术对舰船视觉信息采集进行直方图均衡处理,采用尺度不变特征变换SIFT技术对舰船目标进行角点特征提取。采用相邻帧补偿技术进行背景干扰滤波,在相邻两帧之间求解舰船的运动参量,实现对舰船目标的视觉搜索和跟踪。仿真实验表明,采用该算法实现对舰船目标的视觉搜索跟踪,舰船视觉特征的稳像性能较好,对舰船目标的准确识别率较高,展示了较好的应用价值。     

人工智能算法的舰船航向混合自动控制

为了减少舰船航向混合自动控制偏差,设计一个人工智能算法的舰船航向混合自动控制方法。首先提出舰船航向混合自动控制结构,然后确定寻优参数和控制规则,并对航迹偏差计算,最后采用遗传算法实现最后的舰船航向混合自动控制。实验结果表明。此次研究的人工智能算法的舰船航向混合自动控制方法有效减少了控制偏差,并减少了控制时间,实际应用效果较好。     

基于超导技术的舰船动力系统

超导体在超导状态下可以产生大电流和强磁场,该特性应用于舰船动力系统能够明显改进动力系统的推进效能。介绍了舰船超导推进技术的原理,并且与传统舰船动力系统进行对比,最后指出了基于超导技术的舰船动力系统的优越性。