-
公开(公告)号：CN118011820B
公开(公告)日：2024-11-29
申请号：CN202410170634.5
申请日：2024-02-06
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种考虑输入死区的无人船自适应动态规划航向跟踪控制方法，将无人船舵机液压系统的死区模型信号进行线性化描述，并结合航向跟踪控制数学模型构建考虑输入死区的航向跟踪控制数学模型，提高了无人船控制器对与死区干扰的鲁棒性，强化了无人船的跟踪控制性能。在控制器设计过程中，将控制器分为前馈控制器和最优控制器两部分分别设计，能够有效提高复杂海况下无人船的跟踪性能，解决了求解非线性系统HJB方程难的问题，最终针对考虑输入死区的非线性无人船航向跟踪控制系统，构建了无人船船舶航向跟踪的航向反馈自适应律，确保无人船能够高效的跟踪期望航向，以实现无人船自适应动态规划航向的跟踪控制。
-
公开(公告)号：CN117494057A
公开(公告)日：2024-02-02
申请号：CN202311846304.5
申请日：2023-12-29
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
IPC: G06F18/25 , G06F18/2135 , G06N3/048 , G06N3/082 , G06F17/18
Abstract: 本发明提供了一种基于分阶多尺度分解的船舶运动预报方法，涉及船舶与海洋工程技术领域，包括如下步骤：S1、采集船舶运动实测数据；S2、利用经验模态分解方法对船舶运动实测数据进行信息多尺度分解，并对高频分量进行离散小波变化，得到分解后分量；S3、用每一个分解后分量进行神经网络辨识和预报，动态调整神经网络的规模、隐节点数目和位置，通过变结构神经网络对每个分量进行分别预报；S4、对每个分量的预报结果进行信息重组，得到最终的预报模型。本发明用基于滑动窗口的变结构径向基函数神经网络的非线性动态拟合能力和对系统状态的动态反映能力，能够得到更精确的海上船舶运动预报。
-
公开(公告)号：CN117030118A
公开(公告)日：2023-11-10
申请号：CN202310846915.3
申请日：2023-07-11
Applicant: 大连海事大学
Abstract: 本发明公开了一种船舶可变位置载荷定位信息的数字化便携采集装置，包括壳体、触摸屏和主板，所述主板包括定位处理器、电子罗盘、红外测距传感器、陀螺仪、RTK‑GPS卫星基带模块、RTK‑GPS天线、无线局域网通信芯片、电池管理芯片、内置硬盘、图像处理芯片、内存和电池。本发明对载荷坐标的自动采集，避免了传统船舶作业中人工采集载荷位置信息过程中可能出现的人为失误，同时通过使用能够提供高精度动态位置数据(RTK‑GPS)的卫星基带模块和无线局域网(WIFI)通信芯片，显著提高了数据测量的精度及传输效率，降低数据传递的错误几率，减少数据经手节点，对可变载荷的变化进行记录，方便对历史记录进行查询以数据分析。
-
公开(公告)号：CN117030118B
公开(公告)日：2024-08-27
申请号：CN202310846915.3
申请日：2023-07-11
Applicant: 大连海事大学
Abstract: 本发明公开了一种船舶可变位置载荷定位信息的数字化便携采集装置，包括壳体、触摸屏和主板，所述主板包括定位处理器、电子罗盘、红外测距传感器、陀螺仪、RTK‑GPS卫星基带模块、RTK‑GPS天线、无线局域网通信芯片、电池管理芯片、内置硬盘、图像处理芯片、内存和电池。本发明对载荷坐标的自动采集，避免了传统船舶作业中人工采集载荷位置信息过程中可能出现的人为失误，同时通过使用能够提供高精度动态位置数据(RTK‑GPS)的卫星基带模块和无线局域网(WIFI)通信芯片，显著提高了数据测量的精度及传输效率，降低数据传递的错误几率，减少数据经手节点，对可变载荷的变化进行记录，方便对历史记录进行查询以数据分析。
-
公开(公告)号：CN116822336B
公开(公告)日：2024-04-09
申请号：CN202310643506.3
申请日：2023-06-01
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
Abstract: 本发明提供了一种多模型组合的潮汐预报方法，涉及潮汐预报技术领域，包括如下步骤：S1、采集目标点位及附近点位的实测潮汐及水文气象要素数据；S2、利用调和分析法建立调和预报模型，获得第一预报结果；S3、建立带外部输入的潮汐预报自回归偏最小二乘模型，获得第一预报结果；S4、基于多尺度分解建立变结构神经网络预报模型，计算所述第一预报结果与实际潮汐的差值部分；将差值部分利用变结构神经网络预报模型进行辨识和预报，获得第二预报结果；S6、将第一预报结果与第二预报结果相加，得到最终潮汐预报结果。本发明充分利用线性预报方法鲁棒性强的优点和神经网络等非线性预报方法自适应、非线性的优点，能在保证稳定性的同时提高预报的精度。
-
Patent Agency Ranking
公开(公告)号：CN116822336A
公开(公告)日：2023-09-29
申请号：CN202310643506.3
申请日：2023-06-01
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
Abstract: 本发明提供了一种多模型组合的潮汐预报方法，涉及潮汐预报技术领域，包括如下步骤：S1、采集目标点位及附近点位的实测潮汐及水文气象要素数据；S2、利用调和分析法建立调和预报模型，获得第一预报结果；S3、建立带外部输入的潮汐预报自回归偏最小二乘模型，获得第一预报结果；S4、基于多尺度分解建立变结构神经网络预报模型，计算所述第一预报结果与实际潮汐的差值部分；将差值部分利用变结构神经网络预报模型进行辨识和预报，获得第二预报结果；S6、将第一预报结果与第二预报结果相加，得到最终潮汐预报结果。本发明充分利用线性预报方法鲁棒性强的优点和神经网络等非线性预报方法自适应、非线性的优点，能在保证稳定性的同时提高预报的精度。
-
公开(公告)号：CN116702095A
公开(公告)日：2023-09-05
申请号：CN202310643493.X
申请日：2023-06-01
Applicant: 大连海事大学 , 上海船舶运输科学研究所有限公司 , 广东海洋大学
IPC: G06F18/27 , G06F18/214 , G06N3/0499 , G06F18/2135
Abstract: 本发明提供了一种模块化海上船舶运动姿态实时预报方法，涉及船舶运动姿态预报技术领域，包括如下步骤：S1、采集目标船舶的船舶运动六自由度运动要素数据；S2、利用递归偏最小二乘回归模型进行预报，得到第一预报结果；S3、得到近似分量和细节分量；S4、利用变结构的径向基函数神经网络进行每个近似分量和细节分量的时间序列预报；S5、建立基于径向基函数神经网络的船舶运动预报模型，利用所述基于径向基函数神经网络的船舶运动预报模型进行预报，得到第二预报结果；S6、将所述第一预报结果和第二预报结果进行叠加，得到最终的模块化船舶运动预报的结果。本发明通过结合RPLS模型和VRBFN模型的模块化预报策略，在保证预报稳定性的同时提高了预报的精度。
-
公开(公告)号：CN119262235A
公开(公告)日：2025-01-07
申请号：CN202411385697.9
申请日：2024-09-30
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
Abstract: 本发明提供了一种冰区航行船舶环境响应的快速预报方法，包括如下步骤：S1、建立船舶在海上对存在冰、风、浪的环境干扰下的运动响应数学模型；S2、建立船舶航行海域冰情及海况预报模型；S3、对船舶冰区航行的环境运动及结构响应数据库进行丰富或者根据实测信息进行数据同化；S4、根据船舶的计划航线与对区域冰区环境要素的预报结果，在24h之内按小时对船舶航线区域进行冰区环境要素的精细化实时预报，在预报过程中采用多层次分解与预测，将预测分解成不同的时间尺度进行预报，将不同的预报进行求和以得到最终的预报结果。本发明可以在冰区复杂环境影响下快速、精确得到船舶的运动和结构响应。
-
公开(公告)号：CN117664140B
公开(公告)日：2024-11-26
申请号：CN202311692502.0
申请日：2023-12-11
Applicant: 大连海事大学
IPC: G01C21/20 , G06F18/24 , G06Q10/063 , G06Q50/40
Abstract: 本发明公开了一种基于POLARIS的北极航道航线规划方法，S1：基于极地操作限制评估风险指数系统计算得到北极海冰风险等级图；S2：基于ETOPO1全球地形模型得到安全水深区域，提取出安全水深区域风险等级图；S3：对安全水深区域风险等级图中的各风险等级进行重分类操作，并根据重分类的结果计算得到出发点的成本距离图，基于所述成本距离图得到出发点到目标点的最低成本航线即最低风险航线。本发明综合海冰厚度、海冰密集度和水深因素进行航线规划，计算包括海冰厚度及密集度的综合海冰风险，同时提取出安全水深区域，在安全水深区域以海冰风险等级为成本规划出最低成本航线，从而保证航行的安全。
-
公开(公告)号：CN115828736B
公开(公告)日：2024-08-30
申请号：CN202211406560.8
申请日：2022-11-10
Applicant: 大连海事大学
IPC: G06F30/27 , G06F17/16 , G06F119/02
Abstract: 本发明公开了一种基于EEMD‑PE‑LSTM的短时船舶交通流量预测方法，包括以下步骤：建立船舶交通流量序列x(t)；利用EEMD算法分解船舶交通流量序列x(t)得到IMF分量和残差；之后利用PE算法对IMF分量进行相空间重构，将IMF分量重构为高低频分量；然后将高低频分量和残差分别输入至LSTM模型得到对应的预测值；再将各预测值叠加得到最终预测结果；最后通过熵权优劣解距离法对最终预测结果进行综合评价。本发明基于EEMD算法的非平稳时间序列分析能力、PE算法的时间序列复杂度简化能力以及LSTM模型的非线性时间序列拟合能力，在提高预测精度的同时，大幅缩短了模型运算时间。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.025 seconds)
