-
公开(公告)号：CN116679704A
公开(公告)日：2023-09-01
申请号：CN202310663698.4
申请日：2023-06-06
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明提供一种基于改进的差分进化算法的多船避碰路径规划方法，包括：构建碰撞危险度模型，并根据构建的模型确定目标船的船舶碰撞危险度；根据船舶碰撞危险度、船舶避碰路径中路径点的坐标、路径点的个数、目标船的相对方位、预设阈值及预设规则，确定多目标函数Fitness来评估单独路径点以确定候选路径点；根据混沌的多种群并行优化策略及参数自适应调整策略，生成改进的差分进化算法；根据改进的差分进化算法，进行候选路径点的筛选以确定目标路径点；根据确定的目标路径点，规划避碰路径。使得避碰路径规划的更符合航海实际，提高避碰路径安全性。将碰撞危险度模型作为约束条件并引入多目标函数，通过分解目标函数得到优质路径点，增强避让效果。
-
公开(公告)号：CN115113524A
公开(公告)日：2022-09-27
申请号：CN202210626110.3
申请日：2022-06-02
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于干预LVS制导的ASV多端口事件触发路径跟踪控制方法，包括建立基于连续时间的ASV的非线性数学模型；计算LVS的位置并将其作为ASV的参考位置；计算ASV的制导信号；根据动态反馈评价机制生成干预LVS制导信号；计算ASV的艏向误差和位置误差，对艏向误差和位置误差设置事件触发机制，当满足触发条件时，对误差进行更新，并计算误差的导数；设计基于事件触发的虚拟控制律，通过虚拟控制律对艏向误差和位置误差进行镇定，根据动态面控制技术定义误差动态，并对误差动态求导；设计基于事件触发的控制律和自适应律，基于控制律和自适应律驱动ASV进行航行。避免ASV在初始状态达到输入饱和界限，减少传感器到控制器、控制器到执行器的传输负载。
-
公开(公告)号：CN114661053B
公开(公告)日：2024-07-23
申请号：CN202210395112.6
申请日：2022-04-14
Applicant: 大连海事大学
Abstract: 本发明公开了一种考虑障碍船危险行为的船舶动态避障制导与控制方法，包括建立第一、第二虚拟小船、虚构小船、本船数学模型；根据航路点产生全局参考路径，第一虚拟小船基于全局参考路径航行；设置虚构小船的探测范围，根据探测范围判断本船与障碍船是否存在碰撞危险，当不存在碰撞危险时，第二虚拟小船跟随第一虚拟小船航行，本船跟随第二虚拟小船航行；当存在碰撞危险时，基于速度障碍法原理和虚构小船位置信息，计算避障参考信号，第二虚拟小船基于避障参考信号进行避障，本船根据控制系统跟随第二虚拟小船航行。能够同时保证船舶的全局路径跟踪和局部避障规划，通过将控制输入离散化减少了船舶通信负担。
-
公开(公告)号：CN115113524B
公开(公告)日：2023-09-19
申请号：CN202210626110.3
申请日：2022-06-02
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于干预LVS制导的ASV多端口事件触发路径跟踪控制方法，包括建立基于连续时间的ASV的非线性数学模型；计算LVS的位置并将其作为ASV的参考位置；计算ASV的制导信号；根据动态反馈评价机制生成干预LVS制导信号；计算ASV的艏向误差和位置误差，对艏向误差和位置误差设置事件触发机制，当满足触发条件时，对误差进行更新，并计算误差的导数；设计基于事件触发的虚拟控制律，通过虚拟控制律对艏向误差和位置误差进行镇定，根据动态面控制技术定义误差动态，并对误差动态求导；设计基于事件触发的控制律和自适应律，基于控制律和自适应律驱动ASV进行航行。避免ASV在初始状态达到输入饱和界限，减少传感器到控制器、控制器到执行器的传输负载。
-
公开(公告)号：CN119472269A
公开(公告)日：2025-02-18
申请号：CN202411446366.1
申请日：2024-10-16
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种大规模动态搜救任务无人船多路径优化方法，属于无人船路径规划技术领域。本发明引入了深度强化学习算法相结合的多轨迹优化框架，有效提升了路径规划的效率和精准度。通过多轨迹采样技术，解决了传统方法中轨迹数据采样偏差问题，增强了算法在动态救援环境中的鲁棒性和适应性。同时，本发明设计了一种编码器‑解码器结构，利用强化学习对无人船的路径探索进行优化，极大地提升了模型对复杂解空间的探索能力。该方法能够快速找到最优搜寻路径，避免无人船陷入局部最优解。通过本发明，无人船能够智能适应大规模应急救援场景，大幅缩短搜寻时间，提升任务成功率，为无人船在紧急救援中的应用提供了关键技术支持。
-
Patent Agency Ranking
公开(公告)号：CN119439992A
公开(公告)日：2025-02-14
申请号：CN202411439572.X
申请日：2024-10-15
Applicant: 大连海事大学
Abstract: 本发明提供一种无人水面船在多船会遇时的路径规划与避碰决策方法，包括：优化碰撞危险度模型，并结合四元船舶领域提高碰撞危险度的计算精度；根据船舶碰撞危险度、航程、转向角度、国际海上避碰规则以及最佳避碰距离的约束，构建适应度函数来评估路径点的质量；通过层次分析法，确定适应度函数中各评价因素的权重；引入精英存档策略和参数自适应调整机制，生成结合层次分析的自适应差分进化算法模型，规划合理的路径并避免与障碍物及动态船舶发生碰撞。本发明显著提高了碰撞危险度的计算精度，增强了船舶在复杂航行环境中的自主避碰能力；并确保了路径点选择的优化是基于综合考虑多重重要因素，使得路径规划更加科学和合理。
-
公开(公告)号：CN115079698B
公开(公告)日：2024-10-22
申请号：CN202210771870.3
申请日：2022-06-30
Applicant: 大连海事大学
IPC: G05D1/43
Abstract: 本发明公开了一种欺骗攻击任务下的无人水面船路径跟踪时间触发控制方法，包括：建立无人水面船舶非线性数学模型；建立基于LVS的第一层制导策略，并引入AVS系统建立基于AVS的第二层制导策略；将所述第二层制导策略逼近至所述第一层制导策略；获取当无人水面船舶的位置姿态受到欺骗攻击信号干扰的前提下的无人水面船舶自适应律；建立主机转速和舵角的鲁棒自适应神经控制律和增益相关自适应律，获取无人水面船舶的实时主机转速和舵角；控制水面无人船舶的运动。本发明解决了在网络攻击环境下，由于欺骗攻击使无人水面船舶姿态信号发生更改而影响控制效果的方法。不仅能够保证高校的通讯效率，又提高了控制的可靠性。
-
公开(公告)号：CN118313150A
公开(公告)日：2024-07-09
申请号：CN202410597004.6
申请日：2024-05-14
Applicant: 大连海事大学
IPC: G06F30/20 , G06F18/24 , G06F18/213 , G06F18/214
Abstract: 本发明提供一种考虑多轨迹语义特征的港口船舶行为精准建模方法，包括：将抽象的船舶行为信息转化为直观的语义特征事件；绘制船舶的轨迹语义特征图，获得语义特征事件分布特征，提取有效的时空标准进行船舶行为模式的表征。对船舶轨迹数据进行窗口划分，并基于窗口区位信息、语义特征图、轨迹图，精准定义窗口的船舶行为模式标签；按照建立的船舶行为表征模型，从标记的轨迹窗口提取窗口特征，并输入到分类器中学习，获得基于多轨迹语义特征的船舶行为模式分类器；将分类器用于新的轨迹窗口中，实现轨迹窗口的行为模式的分类与识别；采用游程编码方法，将船舶行为模式从基于窗口的表示转换为基于不同行为模式的表示，实现船舶行为模式的完整表征。
-
公开(公告)号：CN114661053A
公开(公告)日：2022-06-24
申请号：CN202210395112.6
申请日：2022-04-14
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明公开了一种考虑障碍船危险行为的船舶动态避障制导与控制方法，包括建立第一、第二虚拟小船、虚构小船、本船数学模型；根据航路点产生全局参考路径，第一虚拟小船基于全局参考路径航行；设置虚构小船的探测范围，根据探测范围判断本船与障碍船是否存在碰撞危险，当不存在碰撞危险时，第二虚拟小船跟随第一虚拟小船航行，本船跟随第二虚拟小船航行；当存在碰撞危险时，基于速度障碍法原理和虚构小船位置信息，计算避障参考信号，第二虚拟小船基于避障参考信号进行避障，本船根据控制系统跟随第二虚拟小船航行。能够同时保证船舶的全局路径跟踪和局部避障规划，通过将控制输入离散化减少了船舶通信负担。
-
公开(公告)号：CN119250257A
公开(公告)日：2025-01-03
申请号：CN202411221146.9
申请日：2024-09-02
Applicant: 大连海事大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/25 , G06F18/24 , G06F18/26 , G06F18/15 , G06F18/214 , G06F18/21 , G06N20/00
Abstract: 本发明提供一种基于特征工程的海上交通事故严重程度预测方法，包括：根据历史数据中的风险影响因素和事故严重程度，构建海上事故风险影响因素数据集，并对数据进行预处理；通过特征融合算法将影响因素进行耦合，挖掘关联规则；运用SVM‑SMOTE过采样方法进行数据平衡分析，平衡严重事故和非严重事故的样本比例；利用多种机器学习模型对原始影响因素进行训练，通过计算影响因素的重要度，筛选出关键影响因素子集；通过UAR评价指标评估出机器学习模型中的最优模型，利用最优模型，结合S4中的关键影响因素子集预测海上交通事故的严重程度。本发明通过合理搭配预测模型和过采样方法的组合，显著提高了模型性能，为海上事故严重程度的预测提供了全面深刻的见解。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
