-
公开(公告)号：CN119207166A
公开(公告)日：2024-12-27
申请号：CN202411371876.7
申请日：2024-09-29
Applicant: 大连海事大学
IPC: G08G3/02 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种障碍船运动信息不定条件下的船舶避碰优化方法，通过构建用于衡量船舶碰撞危险度的隶属度函数，以构建船舶碰撞危险度数学模型获取当前船舶碰撞危险度；并基于国际海事避碰规则，根据预设船舶碰撞危险度范围划分并获取船舶避碰危险阶段及对应船舶避碰危险阶段的船舶会遇态势与让路关系，通过结合DWA避碰算法与VO避碰算法，为在不同避碰局面下为智能船自主避碰策略地制定提供支持；针对船舶航行状态存在不连续输出的情况，提出一种CNN‑GRU船舶航行状态预测网络，基于AIS历史数据对船舶航行状态及状态的不确定性进行预测，获得其位置的不确定分布，以便在移动碍航物不能被连续感知的情况下，仍能保证智能决策系统为智能船提供有效的避碰决策支持，充分考虑船舶位置的不确定性，对船舶领域进行优化。
-
公开(公告)号：CN115468584B
公开(公告)日：2024-12-24
申请号：CN202211035351.7
申请日：2022-08-26
Applicant: 大连海事大学
IPC: G01C25/00 , G01C21/16 , G01S19/23 , G01S19/47 , G06N3/0464 , G06N3/084 , G06F18/15 , G06F18/2131 , G06F18/243
Abstract: 本发明公开了一种基于级联神经网络的船舶组合导航故障检测方法，包括：S1：建立水面船舶SINS/GNSS和SINS/DVL/COMPASS的组合导航系统方程；S2：选取组合导航状态估计误差的变量：S3：选取组合导航量测误差的变量：S4：获取组合导航系统滤波过程中产生的协方差矩阵Pk；S5：获取残差的χ2检验法的故障信息统计量qk；S6：获取组合导航系统的故障信息。本发明针对基于残差观测器的故障检测算法存在渐变故障不易被识别以及故障阈值设置依赖先验知识的问题，采用级联神经网络实现对渐变故障更加敏感，提高了组合导航系统故障检测的智能性，具有故障检测的鲁棒性。
-
公开(公告)号：CN118521149A
公开(公告)日：2024-08-20
申请号：CN202410507449.0
申请日：2024-04-25
Applicant: 大连海事大学
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/40 , G06N3/048 , G06N3/042 , G06N3/045 , G06N3/006 , G06N3/08
Abstract: 本发明提供一种船舶火灾风险综合评价方法。本发明方法，包括如下步骤：获取船舶火灾数据，创建训练集和测试集；建立模糊宽度学习系统，包括输入层、中间层和输出层，所述模糊宽度学习系统引入麻雀搜索算法，所述麻雀搜索算法用于对影响模糊宽度学习评估预测准确度的三个参数进行同时寻优过程，包括中间层的特征映射组数、特征映射节点数以及增强层的节点数；迭代次数满足后，输出网络最优参数；将网络最优参数输入到SSA‑FBLS神经网络结构中，进行训练；本发明改进了船舶火灾风险评估方法，结合宽度学习系统和神经网络，通过麻雀搜索算法优化，提高了系统性能、计算效率和泛化能力。
-
公开(公告)号：CN109993692B
公开(公告)日：2022-10-04
申请号：CN201910281317.X
申请日：2019-04-09
Applicant: 大连海事大学
Abstract: 本发明提供一种基于深度学习的电子海图和雷达图像的数据融合方法。本发明方法，包括如下步骤：利用深度学习目标检测模型对输入的雷达图像进行目标检测，识别出航海雷达探测到的特征物标；对雷达图像中特征区域进行预处理；向雷达图像中特征区域的几何中心发射射线，寻找配准参考点；采用基于特征的仿射变换，用电子海图对雷达图像进行配准，达到雷达图像和电子海图的数据融合。本发明有效地融合电子海图和雷达图像，从而帮助船舶驾驶员更好地理解航行环境，并提高驾驶自动化水平和导航安全性。
-
公开(公告)号：CN111999747A
公开(公告)日：2020-11-27
申请号：CN202010888727.3
申请日：2020-08-28
Applicant: 大连海事大学
Abstract: 本发明提供一种惯导-卫星组合导航系统的鲁棒故障检测方法。包括如下步骤：采用基于奇异值分解的容积卡尔曼滤波器算法对构建的捷联惯导系统/全球导航卫星系统组合导航系统进行优化估计；将基于框架的误差检测滤波引入到基于奇异值分解的容积卡尔曼滤波器算法中，将构建的组合导航系统进行线性化处理，在误差检测的过程中，计算组合导航系统组合导航时，传感器进行故障检测的判断阈值；比较发生故障与所述判断阈值之间的关系，若故障较小，则通过基于测量残差和标度因子的自适应算法来提高容积故障检测滤波器的状态估计精度；若故障较大，则采用鲁棒批处理H∞滤波来保障此时的稳定性。本发明能够很好地保证故障检测的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115468584A
公开(公告)日：2022-12-13
申请号：CN202211035351.7
申请日：2022-08-26
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于级联神经网络的船舶组合导航故障检测方法，包括：S1：建立水面船舶SINS/GNSS和SINS/DVL/COMPASS的组合导航系统方程；S2：选取组合导航状态估计误差的变量：S3：选取组合导航量测误差的变量：S4：获取组合导航系统滤波过程中产生的协方差矩阵Pk；S5：获取残差的χ2检验法的故障信息统计量qk；S6：获取组合导航系统的故障信息。本发明针对基于残差观测器的故障检测算法存在渐变故障不易被识别以及故障阈值设置依赖先验知识的问题，采用级联神经网络实现对渐变故障更加敏感，提高了组合导航系统故障检测的智能性，具有故障检测的鲁棒性。
-
公开(公告)号：CN117495091A
公开(公告)日：2024-02-02
申请号：CN202311457234.4
申请日：2023-11-03
Applicant: 大连海事大学
IPC: G06Q10/0635 , G06Q50/40
Abstract: 本发明公开了一种基于熵‑TOPSIS‑耦合协调模型的智能船舶航行风险评价方法，基于专家知识及海上交通历史事故，通过融合熵权法根据各风险因素造成的事故发生概率对智能船舶航行风险指标矩阵进行归一化处理，并获取航行风险的信息熵权值；基于逼近理想解排序法，根据航行风险因素的权重与航行风险指标规范矩阵获取智能船舶的航行风险综合评价指数，并基于各航行风险综合评价指数建立航行风险综合评价指数序列表；基于耦合协调度模型，根据航行风险因素的权重与各风险因素造成的事故发生概率，进行耦合协调度计算获取智能船舶的航行风险耦合协调度；对智能船舶的航行危险进行了量化，且通过解耦降低各航行风险因素间的耦合协调度有效提高智能船舶的航行安全。
-
公开(公告)号：CN109993692A
公开(公告)日：2019-07-09
申请号：CN201910281317.X
申请日：2019-04-09
Applicant: 大连海事大学
Abstract: 本发明提供一种基于深度学习的电子海图和雷达图像的数据融合方法。本发明方法，包括如下步骤：利用深度学习目标检测模型对输入的雷达图像进行目标检测，识别出航海雷达探测到的特征物标；对雷达图像中特征区域进行预处理；向雷达图像中特征区域的几何中心发射射线，寻找配准参考点；采用基于特征的仿射变换，用电子海图对雷达图像进行配准，达到雷达图像和电子海图的数据融合。本发明有效地融合电子海图和雷达图像，从而帮助船舶驾驶员更好地理解航行环境，并提高驾驶自动化水平和导航安全性。
-
公开(公告)号：CN117173250A
公开(公告)日：2023-12-05
申请号：CN202311045819.5
申请日：2023-08-17
Applicant: 大连海事大学
Abstract: 本发明提供一种基于PSO‑GSA算法的RGB‑D相机标定方法，包括如下步骤：将预制的标定模板置于待标定RGB‑D相机中，采集标定模板图像；提取标定模板图像中的特征点，通过特征点对应在世界坐标系的坐标和在像素坐标系的坐标，求解相机焦距、相机内参数矩阵、相机外参数矩阵、畸变系数；利用PSO‑GSA算法对相机内参、外参进行校准。本发明提出了一种基于(Particle Swarm Optimization‑Gravitational Search Algorithm,PSO‑GSA)算法的相机标定方法。该算法将粒子群算法的开发能力和引力搜寻算法的搜索能力相结合，在传统张正友相机标定技术的基础上，通过对相机内参、外参及畸变参数进行二次优化，提高了相机的标定精度。经实验对比，基于PSO‑GSA算法的标定方法较传统方法精度更高，可以更有效地为后续精准的三维重建提供保障。
-
公开(公告)号：CN111999747B
公开(公告)日：2023-06-20
申请号：CN202010888727.3
申请日：2020-08-28
Applicant: 大连海事大学
Abstract: 本发明提供一种惯导‑卫星组合导航系统的鲁棒故障检测方法。包括如下步骤：采用基于奇异值分解的容积卡尔曼滤波器算法对构建的捷联惯导系统/全球导航卫星系统组合导航系统进行优化估计；将基于框架的误差检测滤波引入到基于奇异值分解的容积卡尔曼滤波器算法中，将构建的组合导航系统进行线性化处理，在误差检测的过程中，计算组合导航系统组合导航时，传感器进行故障检测的判断阈值；比较发生故障与所述判断阈值之间的关系，若故障较小，则通过基于测量残差和标度因子的自适应算法来提高容积故障检测滤波器的状态估计精度；若故障较大，则采用鲁棒批处理H∞滤波来保障此时的稳定性。本发明能够很好地保证故障检测的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
