-
Patent Agency Ranking
公开(公告)号：CN117826748A
公开(公告)日：2024-04-05
申请号：CN202311735202.6
申请日：2023-12-14
Applicant: 武汉理工大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于深度神经网络的护航船舶航行风险测试及控制方法，其先获取预设冰区内船舶航行轨迹和多源海洋环境数据，再对轨迹数据进行筛选和分类，与多源海洋环境数据进行匹配融合，确定不同环境情况下护航船队的安全护航数据；基于安全护航数据和先验数据，对预设深度神经网络进行训练，得到护航跟驰风险评估模型；最后，通过模型计算实际航行的风险度，并对船舶编队数据进行优化调整。相比于现有技术，本发明基于多源融合数据和深度学习网络建立护航跟驰风险评估模型，该模型综合考虑多种影响因素，能更准确地评估冰区护航船队航行风险，根据航行风险对船舶编队数据做出及时调整，为提高船队航行安全性、降低事故风险提供理论支撑。
-
公开(公告)号：CN114488163A
公开(公告)日：2022-05-13
申请号：CN202210019706.7
申请日：2022-01-07
Applicant: 武汉理工大学
Abstract: 本发明涉及一种船舶偷排垃圾入水定位方法，其特征在于，包括以下步骤：S1、在检测水域设置位置已知的声呐监测装置；S2、声呐监测装置获取入水声音并记录获取入水声音的时刻；S3、比对确认入水声音为垃圾入水声音；S4、根据入水声音的时刻、声呐之间的间距以及声呐监测装置的位置确定垃圾入水声音的声源所在位置。本发明提出一种船舶偷排垃圾入水定位方法及装置，其采集入水声音并进行识别确认是否为垃圾的入水声音，再根据入水声音的时刻、声呐之间的间距以及声呐监测装置的位置确定垃圾入水声音的声源所在位置，本发明无需占用大量人工，快速发现偷排垃圾船只的具体位置，能够有效减少工作量并提升发现速度。
-
公开(公告)号：CN114488163B
公开(公告)日：2025-03-18
申请号：CN202210019706.7
申请日：2022-01-07
Applicant: 武汉理工大学
Abstract: 本发明涉及一种船舶偷排垃圾入水定位方法，其特征在于，包括以下步骤：S1、在检测水域设置位置已知的声呐监测装置；S2、声呐监测装置获取入水声音并记录获取入水声音的时刻；S3、比对确认入水声音为垃圾入水声音；S4、根据入水声音的时刻、声呐之间的间距以及声呐监测装置的位置确定垃圾入水声音的声源所在位置。本发明提出一种船舶偷排垃圾入水定位方法及装置，其采集入水声音并进行识别确认是否为垃圾的入水声音，再根据入水声音的时刻、声呐之间的间距以及声呐监测装置的位置确定垃圾入水声音的声源所在位置，本发明无需占用大量人工，快速发现偷排垃圾船只的具体位置，能够有效减少工作量并提升发现速度。
-
公开(公告)号：CN115456254A
公开(公告)日：2022-12-09
申请号：CN202211006744.5
申请日：2022-08-22
Applicant: 武汉理工大学
Abstract: 本发明公开了一种海运网络脆弱性优化方法、系统及存储介质。本发明方法通过首先构建集装箱海运网络数据库以及获取海运网络脆弱性度量指标，再根据网络数据库，计算港口空间距离指标权重、作业能力指标权重和港区水深指标权重，接着根据指标权重计算海运网络脆弱性度量指标得分，再根据得分对备份港口进行优劣性排序；再定量衡量海运网络脆弱性，最后根据港口的优劣性排序和海运网络脆弱性的定量衡量结果，得出备份港口选择的最优解，从而实现了对海运网络脆弱性的优化。
-
公开(公告)号：CN115310673A
公开(公告)日：2022-11-08
申请号：CN202210824879.6
申请日：2022-07-14
Applicant: 武汉理工大学
Abstract: 本发明公开了一种航行风险的辨识与防控方法、系统、装置及存储介质。该方法通过获取基本事件数据；并构建航行风险故障树模型；接着，通过故障树模型对基本事件数据进行分析，得到关键风险因素；根据关键风险因素和交通事故报告，构建事件树模型；随后通过事件树模型对基本事件数据进行评价，得到关键事故后果；根据关键风险因素和关键事故后果，构建Bow‑Tie模型；然后，通过Bow‑Tie模型生成防控策略。该方法通过获取基本事件数据，将故障树模型、事件树模型和Bow‑Tie模型进行结合，能够生成针对性的船舶航行风险的防控策略以供用户进行参考，有效地提升了混合航行场景下的航行安全，进而达到风险防控的目的。本发明可广泛应9用于事故风险预测技术领域内。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
