共查询到17条相似文献，搜索用时 468 毫秒
1.
应用扩展卡尔曼滤波算法的船舶运动模型参数辨识 总被引：3，自引：0，他引：3
为确定船舶运动模型中的未知参数,提出1种以增广的状态方程和扩展卡尔曼滤波算法进行船舶运动模型参数辨识的算法,并设计辨识实验.在辨识实验中,采用固定区间卡尔曼平滑算法进行数据预处理,用辨识实验结果确立船舶运动模型.仿真验证实验表明,用该方法确立的模型是可靠的. 相似文献
2.
针对常规非线性自抗扰控制（nonlinear active disturbance rejection control,NLADRC）技术在船舶航迹控制中存在的参数整定难、抗干扰能力差的问题，搭建船舶三自由度MMG数学模型，设计船舶航迹NLADRC系统。利用径向基函数（radial basis function,RBF）神经网络对系统进行辨识，使网络输出逼近系统输出。根据辨识信息自适应整定对系统整体控制效果影响较大的两个参数，提出基于RBF神经网络的船舶航迹NLADRC系统。仿真结果表明，参数的自适应整定能加快系统收敛速度，大幅减小超调量，对外界环境具有更强的鲁棒性。神经网络对NLADRC的优化，使其控制性能得到提升。 相似文献
3.
为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis, PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization, SAPSO)算法的船舶风压差神经网络预测模型。该方法采用PCA法对航行数据进行预处理,然后将数据输入由SAPSO算法优化的BP神经网络中,改变以往通过复杂的数学建模计算风压差的方法,提高预测的时效性和准确性。利用实船数据对模型进行船舶风压差的实时预测仿真,结果验证了该预测模型具有较高的可靠性。 相似文献
4.
为提升船舶能耗和排放估测的准确性和灵活性,提出面向船舶自动识别系统(automatic identification system, AIS)大数据的完全自下而上的船舶能耗和排放估测新方法。该方法视船舶为一种基于船舶航迹的线排放源,在构建船舶网格化轨迹模型的基础上,考虑每个网格航段的持续时间和发动机负载,实现船舶能耗和排放的精细化建模,统一船舶排放总量和空间分布计算。实船应用表明,该方法可提供更加准确的船舶能耗估计,并可灵活计算各种航行状态、船队规模和时空尺度的能耗和排放清单。 相似文献
5.
为更高效且准确地实现船舶吨位即排水量的测量，通过多个超声波换能器和速度传感器测量多点距离和船舶速度，应用最小二乘法拟合曲线来计算船舶截面的面积，并建立船舶吨位算法模型，利用MATLAB对该模型进行仿真。通过在泰州船闸处的实际运用案例验证该模型的可行性。对比MATLAB仿真结果与实际测量结果发现，用该模型计算的船舶吨位误差较小。该模型可以更高效且准确地实现船舶吨位的测量，是一种可以代替人工测量估算船舶吨位的有效方法。 相似文献
6.
针对沿海湾口水域船舶交通流复杂且干扰因素较多的特点,构建船舶航迹集中度模型和船舶会聚区附近的船舶航行干扰度模型,提出湾口水域船舶定线制设计方法和流程。以福建三都澳口水域为例,通过船舶航迹集中度和船舶航行干扰度的计算分析,提出三都澳口水域船舶定线制初步设计方案。通过专家咨询与调查,验证提出方法和流程的可行性。 相似文献
7.
为解决船舶自动识别系统(automatic identification system, AIS)数据挖掘不够充分,对航路辨识分析不够全面等问题,提出一种基于改进谱聚类算法的数据挖掘方式。利用Sliding Window算法对船舶轨迹AIS数据进行压缩,减少数据冗余提高聚类效率。改进亲和距离函数,提出新的亲和矩阵的标准,提高聚类的稳定性,进一步对数据去噪,减少噪声敏感。通过优化初始中心对k均值算法进行改进,优化全局搜索能力,缓解初始值的选取对聚类效果的影响。以天津港AIS数据为样本进行算法验证。结果表明,该聚类算法能准确提取和划分某水域船舶主要航迹段,算法消耗系统资源少,计算速度快。改进后的算法可为航路辨识、分道通航制定等提供理论支持。 相似文献
8.
为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。 相似文献
9.
为提高船舶交通量的预测精度,在BP神经网络的基础上结合马尔科夫预测模型建立一个新的预测模型.采用通过长江九江大桥的月度船舶交通量数据进行模型训练、验证和预测,求出相对残差值,将相对残差的前8项归一化后划分为3个状态,利用马尔科夫预测模型修正BP神经网络的预测值.该新模型将BP神经网络的相对残差值区间从[-12.9%,12.3%]降低至[-9.9%,5.4%].该模型能提高船舶交通量的预测精度,用于预测船舶交通量是可行的. 相似文献
10.
为进一步提高船舶航行动态预测的精度,提出将长短期记忆(long short-term memory,LSTM)网络应用到船舶航行动态预测。将船舶自动识别系统(automatic identification system,AIS)数据转化为航行动态时间序列数据用于LSTM网络的训练和测试。将预测结果与传统的航迹推算法、BP(back propagation)神经网络法等的预测结果进行对比,结果证明:基于LSTM网络的船舶航行动态预测模型具有精度高、鲁棒性强、通用性好等特点。预测结果可以为船舶交通管理中心(vessel traffic services,VTS)的监管提供参考,在预警船舶碰撞、搁浅等事故方面具有较高的实际应用价值。 相似文献
11.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
12.
为提高船舶交通事故的预测精度,提出将自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型与BP神经网络组合的船舶交通事故预测方法。该方法考虑船舶交通事故的复杂性和非线性因素,充分结合ARIMA模型与BP神经网络的优势,分别从简单加权和残差优化角度对ARIMA模型与BP神经网络的不同组合方法进行比较研究,并将其应用于2000—2018年英国籍船舶交通事故预测中。结果表明:与ARIMA模型、BP神经网络和ARIMA-BP的简单加权组合预测方法进行对比,ARIMA-BP的残差优化组合预测方法的预测精度最高,其均方根误差、平均绝对误差和平均绝对百分比误差分别为7.16、6.0和4.9%。本文提出的船舶交通事故预测方法可以为相关人员的决策提供指导。 相似文献
13.
基于PSO的BP神经网络-Markov船舶交通流量预测模型 总被引：3，自引：0，他引：3
为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。 相似文献
14.
为使船舶在多船避让环境下适应航行环境的变化并自动复航,提出基于动态分阶势场法的船舶自动避碰系统。该系统基于动态势场避障规划算法,利用模糊综合评价法量化船舶碰撞危险度;依据《国际海上避碰规则》确定本船在不同会遇局面下的避让行动,并据此对斥力势函数进行调整。该系统将本船的避碰过程划分为航迹保持、避让和复航3个阶段,根据不同阶段的要求构建动态分阶势场;利用动态分阶势场法对船舶的航行环境进行建模,进而生成恰当的航向指令;利用自动舵产生舵角指令控制船舶完成避让、复航和航迹保持。仿真结果表明:该自动避碰系统可以引导船舶完成既定的避让行动,并能使船舶在安全会遇距离上驶过;该系统可以适应航行环境的变化,且具备航迹保持能力。 相似文献
15.
为提高船舶市场趋势预测的精度,针对以往在神经网络应用时仅单纯改进隐层环节算法的局限性,综合模糊聚类方法、数据修正和插值算法,对输入环节的数据进行降维和增量处理,构建船舶市场趋势预测的三阶段模型.首先,利用模糊聚类方法对历史数据进行分类,降低数据非线性;然后,通过数据修正和插值算法,在不改变数据规律的情况下增加每类数据的数据量;最后,利用处理完毕的数据训练神经网络.实例结果证明,三阶段模型在船舶市场趋势预测方面是有效的. 相似文献
16.
图像处理与神经网络识别技术在船舶分类中的应用 总被引：1，自引：1，他引：0
应用图像处理和神经网络技术,提出一种基于静态照片对船舶进行分类的方法.首先通过图像处理技术对照片提取特征,然后将这些特征作为多层前向神经网络的输入,该神经网络用BP算法(反向传播算法)来进行,由该神经网络将照片中的船只分为大型船、中型船、小型船等3类.用真实的船的尺寸作实验,实验结果证明了该方法的有效性.另外,提出一种识别船舶类型的方法,用户可以通过GUI进行模拟实验.最后,讨论海上值班系统的研究现状.研究的目的是将图像处理技术集成到传统的船舶导航设备中. 相似文献
17.
由于恒值空调已经不能满足船舶舱室人员的热舒适要求,运用遗传算法求解热舒适方程,并提出利用遗传算法改进神经网络的船舶舱室热舒适预测模型。仿真结果表明,该模型具有良好的仿真性能,预测准确性高。该模型对提升船舶舱室的环境质量和提高船舶工作人员及乘客的热舒适度起到很大的帮助。 相似文献