-
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。
-
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：CN119270856B
公开(公告)日：2025-05-23
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。
-
Patent Agency Ranking
公开(公告)号：CN119440055A
公开(公告)日：2025-02-14
申请号：CN202411568060.3
申请日：2024-11-05
Applicant: 大连海事大学
IPC: G05D1/46 , G05D1/695 , G05D109/20
Abstract: 本发明公开了一种基于多目标粒子群优化的多无人机海上搜救路径规划方法，S1：将待搜救区域转化二维搜救区域；S2：对二维搜救区域进行网格分解；S3：通过混合高斯模型得到概率地图；S4：建立无人机搜救多目标协同优化函数；S5：基于混合粒子群优化算法求解函数，得到最优解；根据求解出的最优解，生成无人机的具体搜救路径。本发明建立了无人机搜救多目标协同优化函数，以资源均衡分配、最大路径安全性、优先覆盖高风险区域和最小化能源消耗为目标指导无人机执行搜救任务，改进了任务分配、路径规划和能源管理，实现多无人机搜救路径规划的多目标优化，为每架无人机制定精确的飞行路径，确保搜救任务的全面覆盖，显著提升了搜救效率与成功率。
-
公开(公告)号：CN118657221B
公开(公告)日：2024-10-29
申请号：CN202411139280.4
申请日：2024-08-20
Applicant: 大连海事大学
IPC: G06N5/04 , G06Q10/0631 , G06Q10/0637 , G06Q50/26 , G06F17/16 , G06F17/10
Abstract: 本发明公开了一种基于知识驱动的三阶段海上搜救资源调度决策方法和系统，S1：建立海上搜救资源调度决策知识库；S2：建立推理模型；S3：构建多目标整数非线性规划模型；S4：将搜救资源初始可行集输入多目标整数非线性规划模型，求解得到搜救方案备选集；S5：从搜救方案备选集中确定最优的资源调度方案。本发明通过三阶段海上搜救资源调度决策方法为决策者提供决策支持，三阶段决策方法确保了资源调度的最优化，采用VIKOR确定决策结果又可以使决策结果更加符合实践需求，保证调度决策结果的准确性和实用性，使得海上搜救资源调度决策更加全面、科学和有效，同时增加了对复杂环境和不确定因素的适应能力。
-
公开(公告)号：CN117664140A
公开(公告)日：2024-03-08
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：CN117557912A
公开(公告)日：2024-02-13
申请号：CN202311742086.0
申请日：2023-12-18
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进YoloV7模型的冰山场景识别方法，包括获取对图像中的冰山进行标注后构建冰山数据集，对冰山数据集中的图像进行数据增强，构建YoloV7模型并进行改进，设置训练参数，根据训练集和训练参数对改进的YoloV7模型进行训练，并对YoloV7模型的参数进行优化；根据验证集对所述训练后的改进的YoloV7模型进行验证并获取验证结果，判断验证结果是否满足迭代结束条件，若满足，则将训练后的改进的YoloV7模型作为最优模型，反之，返回Step3重新设置训练参数并对YoloV7模型进行重新训练直至满足迭代结束条件；根据最优模型对待识别的冰山图像进行识别。引入的CA模块使得改进后的YOLOv7模型在识别海冰场景中的大型独立海冰和冰山时更加准确。提高了冰山识别的准确性和鲁棒性。
-
公开(公告)号：CN115828736A
公开(公告)日：2023-03-21
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
31
records
(took 0.023 seconds)
