-
Patent Agency Ranking
公开(公告)号：CN111507530A
公开(公告)日：2020-08-07
申请号：CN202010309180.7
申请日：2020-04-17
Applicant: 集美大学 , 交通运输部东海航海保障中心厦门航标处
Abstract: 本发明提出一种基于分数阶动量梯度下降的RBF神经网络船舶交通流预测方法，其特征在于：以前a小时船舶交通流量与下一次涨潮前b分钟的交通流量作为神经网络的输入，输出是未来c分钟的船舶交通流量；所述神经网络采用FOGDM-RBF神经网络。其能有效地加快梯度下降法的收敛速度，提高性能，具有较高的精度和有效性，避免了传统神经网络训练速度慢、容易陷入局部最优解、高方差振荡等缺点，并融入了分数阶运算所具有地更快的响应速度、更低的超调、更小的抖振效应和更好的预测控制性能。
-
公开(公告)号：CN111580387B
公开(公告)日：2022-09-13
申请号：CN202010292566.1
申请日：2020-04-14
Applicant: 集美大学 , 交通运输部东海航海保障中心厦门航标处
Abstract: 本发明公开了一种基于时滞分数阶船舶运动自适应滑模控制方法，所述控制方法包括以下步骤：S1，建立目标虚拟船舶运动模型，以此设立数学模型；S2，求取步骤S1中数学模型中的状态空间；S3，根据系统的期望状态，求取状态误差；S4，将步骤S3中的状态误差代入，构造滑动模态曲面函数；S5，利用控制输入和最近时刻的状态信息来逼近系统的不确定性，构造自适应控制律，以对滑模进行控制。通过使用本发明中的自适应滑模控制算法能使船舶在受到干扰时自动调整，快速恢复其稳定状态。
-
公开(公告)号：CN111507530B
公开(公告)日：2022-05-31
申请号：CN202010309180.7
申请日：2020-04-17
Applicant: 集美大学 , 交通运输部东海航海保障中心厦门航标处
Abstract: 本发明提出一种基于分数阶动量梯度下降的RBF神经网络船舶交通流预测方法，其特征在于：以前a小时船舶交通流量与下一次涨潮前b分钟的交通流量作为神经网络的输入，输出是未来c分钟的船舶交通流量；所述神经网络采用FOGDM‑RBF神经网络。其能有效地加快梯度下降法的收敛速度，提高性能，具有较高的精度和有效性，避免了传统神经网络训练速度慢、容易陷入局部最优解、高方差振荡等缺点，并融入了分数阶运算所具有地更快的响应速度、更低的超调、更小的抖振效应和更好的预测控制性能。
-
公开(公告)号：CN111580387A
公开(公告)日：2020-08-25
申请号：CN202010292566.1
申请日：2020-04-14
Applicant: 集美大学 , 交通运输部东海航海保障中心厦门航标处
Abstract: 本发明公开了一种基于时滞分数阶船舶运动自适应滑模控制方法，所述控制方法包括以下步骤：S1，建立目标虚拟船舶运动模型，以此设立数学模型；S2，求取步骤S1中数学模型中的状态空间；S3，根据系统的期望状态，求取状态误差；S4，将步骤S3中的状态误差代入，构造滑动模态曲面函数；S5，利用控制输入和最近时刻的状态信息来逼近系统的不确定性，构造自适应控制律，以对滑模进行控制。通过使用本发明中的自适应滑模控制算法能使船舶在受到干扰时自动调整，快速恢复其稳定状态。
-
公开(公告)号：CN111238478A
公开(公告)日：2020-06-05
申请号：CN202010008385.1
申请日：2020-01-06
Applicant: 交通运输部东海航海保障中心厦门航标处
IPC: G01C21/20
Abstract: 本发明涉及水上交通技术领域，具体地说，涉及一种基于三维视景的港水域航标助航系统及方法。其方法包括如下步骤：采用视频图像以增强场景模型的深度感和真实感；对三维视景进行增强处理；基于计算机视觉技术获得航标最优视景。该基于三维视景的港水域航标助航系统及方法中，在提供电子海图的基础上提供水上航标环境实景模型，改善视觉体验，使用户更直观地认识理解航标配布意图，减轻视频监控的网络流量压力，使得能够通过读取实时遥测经纬度数据，采用基于时空正则相关滤波器在线学习跟踪航标来处理海浪中的灯质闪烁。
-
-
-
-
Search Results
5
records
(took 0.028 seconds)
