-
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:CN117055578A
公开(公告)日:2023-11-14
申请号:CN202311224906.7
申请日:2023-09-21
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明公开了一种低设计复杂需求的USV‑UAV协同路径跟踪控制方法,与现有技术相比,避免了引入神经网络技术造成的设计复杂度问题,降低了USV‑UAV协同控制方法的设计复杂度,有效增强了USV‑UA异构智能体在海洋工程实践中的适用性;同时针对USV与UAV的位置误差与姿态误差设计动态事件触发机制,基于位置/姿态误差的触发阈值动态更新规则,阈值参数可以动态调整,避免了人为设置阈值参数的限制,大大提高了系统控制命令的传输频率。
-
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:CN113935170A
公开(公告)日:2022-01-14
申请号:CN202111203799.0
申请日:2021-10-15
Applicant: 大连海事大学 , 大连海大智龙科技有限公司
Abstract: 本发明公开了一种基于实船电子海图数据的环境势场建模方法,包括以下步骤:接收实船电子海图系统提供的点、线和面状结构的矢量电子海图数据;建立点、线和面状海图要素的环境势场模型,用以描述船舶航行环境中的可航区区域和不可航区域;对面状海图数据进行逆时针排序后,基于R‑函数理论建立复杂多边形的隐式方程,采用凸包递减技术实现任意复杂面状海图要素的环境势场自动建模。本发明解决了复杂几何图形的环境势场精确、高效和自动建模问题,对于基于人工势场法和矢量电子海图数据的无人船避碰研究及其工程化应用具有十分重要的意义。
-
公开(公告)号:CN119270856A
公开(公告)日:2025-01-07
申请号:CN202411385695.X
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
IPC: G05D1/43 , G05D109/30
Abstract: 本发明提供了一种船舶大洋航线优化预报方法,包括如下步骤:S1、根据航次任务,根据转向点和航线类型建立初始航线;S2、建立船舶在海上对环境的运动响应数学模型;S3、获得船舶所经过海域的海洋环境预报结果;S4、计算船舶经过该海域的运动响应;S5、收集船舶此次航次任务中的其他要求条件作为其他约束;S6、优化计算得到船舶在优化目标下所应采取的优化航线和优化螺旋桨转速;S8、重复S3~S7,并执行最新得到的航线和航速优化方案。本发明通过对包括航线和螺旋桨转速在内的船舶航行计划要素进行优化,可以在规避恶劣海况以保证安全的前提下得到满足用户优化需求的航行方案。该方法有助于对船舶航行的智能化建设。
-
公开(公告)号:CN118567365B
公开(公告)日:2024-11-22
申请号:CN202411048661.1
申请日:2024-08-01
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于自适应动态规划的无人船航向跟踪事件触发控制方法,建立考虑无人船航向控制数学模型,并将其转化获得航向跟踪控制数学模型;根据关于误差和参考信号的动态标称系统,获取无人船航向最优反馈控制器;最后获取事件触发下的Actor模糊逻辑系统和Critic模糊逻辑系统的权值更新律,实现无人船事件触发自适应动态规划航向跟踪控制。本发明将事件触发机制应用在控制算法中,从而达到减小磨损、降低能耗的目的。利用Actor‑Critic最终获得事件触发下的最优反馈控制器、事件触发下的Actor模糊逻辑系统和Critic模糊逻辑系统的权值更新律,从而实现无人船事件触发自适应动态规划航向跟踪控制。
-
公开(公告)号:CN118466220B
公开(公告)日:2024-10-22
申请号:CN202410918395.7
申请日:2024-07-10
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于执行评论体系强化学习的无人船航向跟踪控制方法,所述方法包括获取考虑航行在海上的无人船舶会受到环境干扰影响的带有不确定干扰项的无人船航向控制数学模型;并将无人船航向控制数学模型转换成二阶状态空间方程,并将二阶状态空间方程作为无人船航向跟踪控制模型;根据无人船航向跟踪控制模型,构造无人船航向跟踪控制的一阶/二阶代价函数与一阶/二阶哈密顿‑雅可比‑贝尔曼方程,获得最优一阶虚拟控制率与最优最终控制器的估计值,且在船舶航向跟踪控制系统中,每一阶都会得到一个执行网络与评价网络,提高了船舶航向跟踪控制系统的学习能力,确保无人船能够高效的得到跟踪期望航向,以实现无人船航向优化跟踪控制。
-
公开(公告)号:CN118466220A
公开(公告)日:2024-08-09
申请号:CN202410918395.7
申请日:2024-07-10
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于执行评论体系强化学习的无人船航向跟踪控制方法,所述方法包括获取考虑航行在海上的无人船舶会受到环境干扰影响的带有不确定干扰项的无人船航向控制数学模型;并将无人船航向控制数学模型转换成二阶状态空间方程,并将二阶状态空间方程作为无人船航向跟踪控制模型;根据无人船航向跟踪控制模型,构造无人船航向跟踪控制的一阶/二阶代价函数与一阶/二阶哈密顿‑雅可比‑贝尔曼方程,获得最优一阶虚拟控制率与最优最终控制器的估计值,且在船舶航向跟踪控制系统中,每一阶都会得到一个执行网络与评价网络,提高了船舶航向跟踪控制系统的学习能力,确保无人船能够高效的得到跟踪期望航向,以实现无人船航向优化跟踪控制。
-
公开(公告)号:CN116360260B
公开(公告)日:2023-10-20
申请号:CN202310287839.7
申请日:2023-03-22
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于触发制导和自更新阈值的ASV预设性能控制方法,包括:S1:建立3自由度ASV的非线性数学模型和ASV的虚拟参考路径模型;S2:获取ASV的制导律;S3:获取基于有限边界触发圆的制导律;S4:获取ASV的虚拟控制律;S5:获取虚拟控制律的动态面信号:S6:获取动态事件触发机制;S7:获取ASV主机转速命令和ASV舵角命令;S8:获取ASV预设性能控制器的设计参数,以对ASV进行控制。本发明通过构建基于有限边界触发圆的制导律,降低了参考信号的传输频率,降低制导系统的通信负载。通过虚拟控制律的动态面信号,解决了触发阈值需要人为设计的问题,提高了ASV的控制精度。
-
公开(公告)号:CN115935714B
公开(公告)日:2023-09-15
申请号:CN202310089893.0
申请日:2023-02-09
Applicant: 大连海事大学
Abstract: 本发明提供一种基于多边形等距离外扩的环境势场模型构建方法,包括:获取特定海域的电子海图数据,通过提取数据得到待建模环境的障碍物分布情况;对凹型和凸型障碍物多边形采取等距离外扩的方法构建势场;设置参数,对不同属性的障碍物自动调整其安全范围;将不同障碍物的势场模型进行叠加,得到完整的障碍物势场模型。本发明的技术方案解决了现有的环境建模方法难以对障碍物进行快速、精确的描述,难以处理凹多边形障碍物,难以对不同属性的障碍物进行区分的技术问题。本发明可以根据矢量电子海图中存在的障碍物信息,对不同类型的障碍物自动调整其安全范围,更贴近航海实际,构建的模型能够满足不同情况下船舶避碰的需要,保障船舶航行安全。
-
-
-
-
-
-
-
-
-