MARPOL73/78附则Ⅵ大气污染物排放控制的进展

文章以IMO大气污染通信工作组在2006年底召开的工作会议为背景,介绍了针对船用柴油发动机和燃料控制排放标准的讨论情况。     

船舶压载水不同处理方法的经济性分析

对船舶压载水不同处理方法所需费用和代价进行了简要评述。     

船舶污水处理技术及其发展趋势

介绍了船舶生活污水处理技术、灰水处理技术、油污水处理技术的现状,对现有船舶污水处理装置存在的问题进行了分析,论述了船舶污水处理技术的发展趋势。     

石垣港换单简介及操船

由于中、日、韩航线及海峡两岸的航运市场不断发展,为了船舶的安全及经济效益,到我国台湾地区的船舶缩短在石垣港的换单时间及操船,关系到船舶的安全营运,抓好这一环节十分重要。     

加速发展我国高性能船舶和水上高速客运

为开发海洋经济，发展海上运输，加快海军现代化建设步伐，必须加速发展高性能船舶和水下高速客运。为此，本文提出了有关决策层参考的几点政策性建议。     

基于CFD的内河船深浅水中操纵性预报

由于岸壁效应和浅水效应,内河船舶在限制水域作操纵运动时通常受到比在开阔水域中更大的水动力.这些水动力对船舶操纵性具有不利影响,有可能导致船舶碰撞或触底等海上事故.因此,为了在船舶设计阶段预报其操纵性能,考虑浅水效应和岸壁效应以准确计算内河船舶操纵运动水动力非常重要.本文基于CFD方法,通过对粘性绕流进行数值模拟,对长江中营运的三艘内河船舶的操纵运动水动力进行计算.首先,为了验证数值方法的可靠性,对标模KVLCC2纯横荡和纯首摇试验的水动力进行计算,并将计算结果与现有的试验数据进行对比.然后,对三艘内河船舶在不同水深下的静舵试验、纯横荡和纯首摇试验进行数值模拟,计算得到水动力及相应的线性水动力导数.最后,基于计算得到的水动力导数,获得Nomoto模型中的操纵性参数,对比分析三艘内河船舶在深浅水中的操纵性能.结果表明,本文方法可以揭示不同水深下三艘内河船舶的操纵性变化趋势.该方法可为船舶设计阶段内河船舶深浅水中的操纵性预报提供一种实用的工具.     

高职高专中药炮制技术课程数字化教学资源的构建与运用——以郑州铁路职业技术学院中药专业为例

数字化信息化教学模式已经逐渐发展为高职高专教学的主流,为了适应数字化信息化教学模式的变化,郑州铁路职业技术学院依托信息化教学平台,通过构建中药炮制技术课程数字化资源,建设了微课、PPT、在线题库等数字资源,以线上线下相结合的混合教学模式,激发了学生学习的积极性和热情,丰富并提高了师生互动的方式和频率,达到了提高教学质量的目的。     

两船并靠状态下的运动响应数值模拟研究

针对两船并靠工况复杂,各种运动相互间存在耦合的情况,基于三维势流理论和波浪的辐射/衍射理论,应用多体水动力学软件,建立了船体、护舷和缆绳的模型,开展了两船在风、浪、流作用下的运动响应数值模拟。模拟结果可作为并靠方案设计和优化的参考依据,也可为两船并靠状态下的护舷力学性能计算提供支撑。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

Key technologies of ship remote control system in inland waterways under ship-shore cooperation conditions北大核心CSCD

［Objective ］ To meet the requirements of remotely controlling ship in curved, narrow and crowded inland waterways, this paper proposes an approach that consists of CNN-based algorithms and knowledge based models under ship-shore cooperation conditions. ［Method］On the basis of analyzing the characteristics of ship-shore cooperation, the proposed approach realizes autonomous perception of the environment with visual simulation at the core and navigation decision-making control based on deep reinforcement learning, and finally constructs an artificial intelligence system composed of image deep learning processing, navigation situation cognition, route steady-state control and other functions. Remote control and short-time autonomous navigation of operating ships are realized under inland waterway conditions, and remote control of container ships and ferries is carried out. ［Results］The proposed approach is capable of replacing manual work by remote orders or independent decision-making, as well as realizing independent obstacle avoidance, with a consistent deviation of less than 20 meters. ［Conclusions］The developed prototype system carries out the remote control operation demonstration of the above ship types in such waterways as the Changhu Canal Shenzhou line and the Yangtze River, proving that a complete set of algorithms with a CNN and reinforcement learning at the core can independently extract key navigation information, construct obstacle avoidance and control awareness, and lay the foundation for inland river intelligent navigation systems. © 2022 Journal of Clinical Hepatology. All rights reserved.