-
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：CN116702095B
公开(公告)日：2024-04-05
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：CN105956709B
公开(公告)日：2019-07-30
申请号：CN201610316444.5
申请日：2016-05-12
Applicant: 大连海事大学
IPC: G06Q10/04
Abstract: 本发明公开了一种基于GUI的模块化支持向量机潮汐预测方法，包括以下步骤：S1:获取潮汐站监测到的连续序列式潮位信息和利用调和分析法预测的潮汐值，S2：将潮位站获取的潮汐实测值与调和分析法预测的潮汐值做差，得到的非天文潮的时间序列根据灰色模型AGO算法对输入的潮位信息和潮汐值进行数据累加处理，处理后的数据作为输入量用于支持向量机的回归预测；S3：根据S1中设置的潮汐预报时间信息通过支持向量机对潮汐进行预测，S4：支持向量机预测的结果经过IAGO反向累加处理完成数据还原，还原后的数据用于修正调和分析法的潮汐预测值。
-
-
公开(公告)号：CN105894090B
公开(公告)日：2018-02-06
申请号：CN201610255994.0
申请日：2016-04-22
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于自适应变异粒子群优化的潮汐智能实时预报方法，包括以下步骤：载入潮汐实测数据；构建SAPSO‑BP网络预报模型；计算误差函数；循环迭代寻优；设置BP神经网络的网络参数。本发明借鉴遗传算法GA中的变异思想，在PSO算法中引入变异操作，拓展了在迭代过程中不断缩小的种群搜索空间，从而使粒子能够跳出先前搜索到的最优位置，在更大的搜索空间中展开搜索，同时又保持了种群的多样性，提高了算法寻找到更优值得可能性。因此，本发明相对于传统的PSO‑BP算法具有较高的搜索精度和搜索效率，相对于传统的PSO‑BP模型和调和分析模型具有更高的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN104794267B
公开(公告)日：2017-09-19
申请号：CN201510164171.2
申请日：2015-04-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于ECDIS的水深信息显示及应用方法，包括以下步骤：提取海图水深点的位置和深度，并获取海图及潮汐基准面的信息；获取各水点潮高随时间变化的信息；计算各水深点的实际水深；将各水深点实际水深信息转换为可在ECDIS标准底图上表示的水深点图形标识数据；在ECDIS中加入一个选择显示的实际水深图层；在新图层根据计算机时间的变化实时显示各水深点实际水深；根据实际水深进行应用计算。本发明结合潮汐信息计算船舶所处位置的实际水深，通过在各水深点的计算中加入潮高因素进行计算，消除海图水深与实际水深之间由潮高引起的误差，并根据需要进行计算并在ECIDS显示，为航海人员的决策提供参考依据。
-
公开(公告)号：CN105956709A
公开(公告)日：2016-09-21
申请号：CN201610316444.5
申请日：2016-05-12
Applicant: 大连海事大学
IPC: G06Q10/04
CPC classification number: G06Q10/04
Abstract: 本发明公开了一种基于GUI的模块化支持向量机潮汐预测方法，包括以下步骤：S1:获取潮汐站监测到的连续序列式潮位信息和利用调和分析法预测的潮汐值，S2：将潮位站获取的潮汐实测值与调和分析法预测的潮汐值做差，得到的非天文潮的时间序列根据灰色模型AGO算法对输入的潮位信息和潮汐值进行数据累加处理，处理后的数据作为输入量用于支持向量机的回归预测；S3：根据S1中设置的潮汐预报时间信息通过支持向量机对潮汐进行预测，S4：支持向量机预测的结果经过IAGO反向累加处理完成数据还原，还原后的数据用于修正调和分析法的潮汐预测值。
-
公开(公告)号：CN104392138A
公开(公告)日：2015-03-04
申请号：CN201410723187.8
申请日：2014-12-02
Applicant: 大连海事大学
Inventor： 尹建川
Abstract: 本发明公开了一种船舶破舱进水应急决策辅助方法，包括以下步骤：计算已知船舶破损情况下的船舶状态参数；计算未知船舶破损情况下的船舶状态参数；为船舶破舱评估和决策提供依据。由于本发明对典型的船舶破损情况进行预先计算，得到船体在不同位置和大小的破损引起的船舶浮态、剪力和弯矩的变化。在实际发生船体破损的情况下，根据实际船舶破损的情况，利用神经网络进行非线性拟合，得到在该破损情况下船舶浮态、稳性、剪力和弯矩的变化。由于无需进行迭代计算，只需利用神经网络进行一次拟合计算，从而实现了快速计算，无需进行繁琐的迭代计算。本发明对于可见破损的可视化输入，实现了对于可见破损，可利用图形或数据进行破损情况的快速输入。
-
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。
-
公开(公告)号：CN109358499A
公开(公告)日：2019-02-19
申请号：CN201811117138.4
申请日：2018-09-25
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于速度与航向双重制导的无人船精确路径跟踪控制方法，包括以下步骤：建立无人船运动学和动力学模型；构造路径跟踪误差动态；设计速度与航向双重制导律；设计有限时间干扰观测器。本发明提出的速度与航向双重制导律可以根据路径跟踪误差同时制导速度和航向角，提高了路径跟踪控制系统的稳定性和灵活性。本发明构造的有限时间扰动观测器能精确观测复杂的外界干扰，并且在有限时间内确保观测误差为零，可以避免有界观测和渐近观测的局限性。本发明设计了结合有限时间观测器设计和反步控制技术的速度和航向跟踪控制器，使得在存在复杂干扰的情况下可以精确跟踪制导信号，从而实现精确的无人船路径跟踪控制。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.02 seconds)
