-
公开(公告)号：CN113220910A
公开(公告)日：2021-08-06
申请号：CN202110552915.3
申请日：2021-05-20
Applicant: 大连海事大学
IPC: G06F16/41 , G06F16/432 , G06F16/438 , G06F16/44 , G06N3/04
Abstract: 本发明提供一种船舶甲板缆绳数据库的构建方法及系统，本发明方法，包括获取不安全行为的视频数据；对视频数据进行预处理；对预处理后的数据进行筛选；采用labelimg对筛选出来的图像进行标注；将标注后的不安全行为数据库图像的基本信息保存到图片数据表中，形成甲板缆绳不安全行为数据库。本发明通过采集船员不安全行为的图像数据库，提取每张数据库图片的不安全行为特征，将数据库图片特征以及不安全行为索引保存到图片特征表中；并通过深度学习以及神经网络等算法对甲板缆绳操作的船员进行不安全行为监测，基于《船员不安全行为与状态监测预警平台》项目的支持，船员可以通过手环震动来获得预警。
-
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：CN118533181A
公开(公告)日：2024-08-23
申请号：CN202410989646.0
申请日：2024-07-23
Applicant: 大连海事大学 , 上海船舶运输科学研究所有限公司
Abstract: 本发明公开了一种基于改进麻雀搜索算法的北极航线路径规划方法，涉及航线路径规划技术领域；包括：S1：获取北极航道气象数据和冰情数据，并进行归一化处理和插值处理；S2：构建栅格环境地图；S3：计算风险指数结果并设定安全水深阈值，筛选出可安全通航区域；S4：建立关于风速阻力和破冰阻力的航行阻力目标函数模型；S5：采用改进的麻雀搜索算法优化航行阻力目标函数模型，从而在可安全通航区域内确定出最优北极航线路径。本发明确保仿真航行路线与实践通航航线一致的前提下，减少了船舶在北极航道航行中面临的风速阻力与破冰阻力对效率的影响，为北极航道航行提供了一种可靠的优化方案。
-
公开(公告)号：CN117518298A
公开(公告)日：2024-02-06
申请号：CN202311846303.0
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
Abstract: 本发明提供了一种具有自适应模型结构的潮汐组合预报方法，包括如下步骤：S1、采集目标点位及附近点位的实测数据；S2、利用调和分析法建立调和常数模型；S3、计算调和常数模型所输出的第一预报结果，将实测数据的实际潮汐值减去第一预报结果得到差值，得到子序列；S4、利用动态正交模型选择算法建立变结构神经网络预测模型，利用Lipschitz熵值法进行子序列预报模型结构的确定，利用变结构神经网络预测模型对子序列进行辨识和预报，得到第二预报结果；S5、将第一预报结果与第二预报结果相加，得到最终预报结果。本发明减少了人工确定模型结构带来的耗时长、任意性强、无法反映系统动态和往往无法达到最优的缺点，提高了所得模型的预测精度和算法的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN114926782A
公开(公告)日：2022-08-19
申请号：CN202210594873.4
申请日：2022-05-27
Applicant: 大连海事大学
IPC: G06V20/52 , G06V20/59 , G06V20/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于yolo‑v4的船员驾驶台不安全行为识别方法，包括：根据事故报告、IMO规则、船公司体系文件和船长的经验，确定船员驾驶台不安全行为的类别；以“育鲲”轮和“长江叁号”邮轮的驾驶台以及航海模拟器作为采样地点，采用摄像头采集三个采样地点船员工作状态的视频数据；将采集的视频数据分别成图片，获取不安全行为图像数据；制作船员驾驶台不安全行为数据集；构建YOLOv4‑ghostnet网络模型；将制作的数据集放到构建的YOLOv4‑ghostnet网络模型中进行训练，选取并保存损失值最低的权值文件；将构建的模型和保存的权值文件集成到船员预警平台中，模型将检测出船员的不安全行为，并发出预警信号。本发明可以对船员进行实时的提醒，降低海事事故的发生概率，保障船舶安全。
-
公开(公告)号：CN120010253A
公开(公告)日：2025-05-16
申请号：CN202510120490.7
申请日：2025-01-25
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种面向环绕警戒的船舶空海协同任务制导与增益自适应控制方法，包括：构建混合阶的船舶‑无人机非线性系统模型；设定航路点路径规划参考路径，产生船舶参考信号；获取船舶的实时位置和无人机环绕半径，结合虚拟无人机产生无人机参考信号；根据参考信号定义船舶‑无人机的运动学误差，设计虚拟控制律；引入动态面技术，获取虚拟控制律的动态面信号，定义动力学误差；使用径向基函数神经网络和最小学习参数技术对船舶‑无人机系统的非线性项进行逼近，引入MLP技术对外界干扰进行化简，设计预设性能控制律和执行器增益的自适应律，实现对无人机环绕警戒任务下的路径跟踪控制；本发明能够保证控制精度、降低控制器设计复杂度，充分发挥无人机机动性，实现船舶和无人机执行环绕警戒任务的目标。
-
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.046 seconds)
