-
公开(公告)号：CN117494871A
公开(公告)日：2024-02-02
申请号：CN202311275303.X
申请日：2023-09-28
Applicant: 大连海事大学
IPC: G06Q10/04 , G06Q50/40 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/045
Abstract: 本发明涉及一种考虑船舶交互影响的船舶轨迹预测方法，包括：对船舶AIS历史数据进行预处理，获得船舶时间序列轨迹数据集；根据船舶之间的交互影响关系，构建船舶空间网络关系图，获取船舶空间相对关系；根据船舶速度以及船舶相对距离计算船舶迫近效应获取船舶时间关系；构建基于GCN和GRU的神经网络船舶轨迹预测模型；构建损失函数自定义的混合损失函数；设置网络训练参数，输出未来一段时间船舶的轨迹。本发明模型将图神经网络与门控循环单元组合应用于船舶轨迹预测领域，利用图结构对空间的敏感度和门控循环单元对时间的敏感度有效提高了预测结果的科学性，保证了轨迹预测结果的精度。能为船舶行为分析与水上态势感知等场景提供更有效的技术支持。
-
公开(公告)号：CN117369440A
公开(公告)日：2024-01-09
申请号：CN202311275302.5
申请日：2023-09-28
Applicant: 大连海事大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明提供一种智能船舶自动靠泊路径规划方法，方法包括：获取船舶位姿信息与港口场景信息；基于船载感知设备对港口环境进行栅格化建模；使用Hybrid A‑Star在港口范围内进行靠泊轨迹搜索；引入路径评价函数求取最优路径；运用分段贝塞尔曲线优化靠泊路径；将完整的靠泊平滑路径输出到船舶控制系统进行靠泊路径跟踪。本发明可以解决船舶自动靠泊过程中所面临的停泊区狭小、靠泊路径难以跟随等问题，实现安全、平滑、可靠的船舶自动靠泊路径规划。
-
公开(公告)号：CN115107948B
公开(公告)日：2023-08-25
申请号：CN202210731061.X
申请日：2022-06-24
Applicant: 大连海事大学
Abstract: 本发明提供一种高效强化学习自主船舶避碰方法，解决不确定环境下采用强化学习算法实现自主船舶避碰过程中易陷入局部迭代和收敛速度过慢问题。本发明针对实际航行环境下船舶避让决策考虑的会遇态势变化和转向率问题，构建综合考虑外部收益信号与内部激励信号结合的全新奖励函数，鼓励自主船舶对状态迁移概率较低的环境进行搜索。在内部激励信号与外部收益信号协同驱动训练的过程中，利用学习经验复用，挖掘历史训练数据的隐藏特征，保存累计回报期望值较大的策略，并利用随机概率模型对好的策略迁移应用，减少强化学习在自主船舶搜索过程中刻意学习和盲目性学习问题，进一步提高了自主船舶避碰方法的学习效率。
-
Patent Agency Ranking
公开(公告)号：CN117687405A
公开(公告)日：2024-03-12
申请号：CN202311280097.1
申请日：2023-09-28
Applicant: 大连海事大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明提供了一种专家示范数据驱动的智能船舶避碰决策方法，涉及智能船舶自主航行领域技术领域，包括如下步骤：S1、在航海模拟器上采集专家示范避碰数据；S2、利用专家示范避碰数据进行逆强化学习，获取奖励函数；S3、依据奖励函数基于马尔科夫决策过程构建拟人避碰决策模型；S4、使用拟人避碰决策模型求解船舶在会遇场景下的最优避碰动作。本发明使用逆强化学习方法，构建了融入拟人奖励的强化学习避碰模型，可以有效提升智能避碰决策结果拟人程度，增强船舶自主航行的安全性与可靠性。
-
公开(公告)号：CN117494801A
公开(公告)日：2024-02-02
申请号：CN202311277049.7
申请日：2023-09-28
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于语义知识表示的智能船舶设备故障诊断方法，涉及船舶设备检测与维护技术领域，包括如下步骤：S1、定义船舶设备故障诊断系统统一知识表示方式；S2、运用统一知识表示方式构建船舶设备故障诊断系统概念模型；S3、获取船舶设备状态数据对概念模型进行实例填充得到现实模型；S4、将现实模型结合专家知识转化为贝叶斯网络模型；S5、根据故障现象在贝叶斯网络模型上实现故障原因诊断推理。本发明可以有效解决船舶异构系统设备间数据孤岛问题，实现不同系统的互操作，以及解决设备间的映射关系存在不确定性所导致的故障原因难以实时有效诊断等问题。
-
公开(公告)号：CN116107299A
公开(公告)日：2023-05-12
申请号：CN202211282731.0
申请日：2022-10-19
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明提供一种基于深度强化学习的部分可观测多船避碰方法，包括以下步骤：初始化地图信息；获取本船在可观测范围内的图像作为输入；通过神经网络对本船在可观测范围内的图像特征进行提取；根据提出的部分可观测模型判断障碍物类型；根据部分可观测模型中的避碰风险计算方法计算风险；如果有本船有避碰风险则根据算法计算避碰动作，如果没有风险则保持原始航向；当避碰动作结束时如果本船到达了终点则结束该轮训练，否则循环上次过程，重新获取本船的本船在可观测范围内的图像作为输入。本发明基于部分可观察马尔可夫决策过程提出了一个多船会遇下部分可观测的的避碰决策模型，并设计了密集奖励机制，有效实现无人船避碰，同时提高了算法的学习效率。
-
公开(公告)号：CN115616917A
公开(公告)日：2023-01-17
申请号：CN202211394429.4
申请日：2022-11-08
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明提供一种基于生成对抗模仿学习的船舶避碰决策方法，包括以下步骤：基于所述专家示范数据提取良好行为的状态‑动作对作为专家数据；初始化图像信息；将所述图像信息输入生成器中进行特征提取和对抗训练；获取生成器输出的状态‑动作对作为生成数据；将所述专家数据和所述生成数据输入至判别器中，所述判别器用于对所述生成数据进行二分类并输出对生成数据的真假判断值作为奖励信息；将所述奖励奖励信息反馈至环境输入中；反复执行上述步骤直至判别器输出的奖励信号都为真时，训练结束。本发明结合强化学习与模仿学习，既能够大大加快训练速度，又能够得到性能优越的避碰决策。
-
公开(公告)号：CN115107948A
公开(公告)日：2022-09-27
申请号：CN202210731061.X
申请日：2022-06-24
Applicant: 大连海事大学
Abstract: 本发明提供一种采用内部激励信号与学习经验复用的高效强化学习自主船舶避碰方法，解决不确定环境下采用强化学习算法实现自主船舶避碰过程中易陷入局部迭代和收敛速度过慢问题。本发明针对实际航行环境下船舶避让决策考虑的会遇态势变化和转向率问题，构建综合考虑外部收益信号与内部激励信号结合的全新奖励函数，鼓励自主船舶对状态迁移概率较低的环境进行搜索。在内部激励信号与外部收益信号协同驱动训练的过程中，利用学习经验复用，挖掘历史训练数据的隐藏特征，保存累计回报期望值较大的策略，并利用随机概率模型对好的策略迁移应用，减少强化学习在自主船舶搜索过程中刻意学习和盲目性学习问题，进一步提高了自主船舶避碰方法的学习效率。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
