CN108594241A - 一种auv声隐身态势评估方法 - Google Patents
一种auv声隐身态势评估方法 Download PDFInfo
- Publication number
- CN108594241A CN108594241A CN201810248831.9A CN201810248831A CN108594241A CN 108594241 A CN108594241 A CN 108594241A CN 201810248831 A CN201810248831 A CN 201810248831A CN 108594241 A CN108594241 A CN 108594241A
- Authority
- CN
- China
- Prior art keywords
- auv
- sonar
- detection
- probability
- detection probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/04—Systems determining presence of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/50—Systems of measurement, based on relative movement of the target
- G01S15/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S15/523—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种AUV声隐身态势评估方法,属于态势评估技术领域。本发明以各种声学数据、声呐设备参数和位置信息等为输入,建立声呐探测性能模型和信号余量模型,根据任务隐蔽性要求等级构建声呐威胁虚拟障碍物,通过声呐方程、“KoutofN”准则计算多种类型探测概率,基于信号余量SE模型确定AUV的可航行范围,在可航行范围内以渐变色表示探测概率值形成态势图。本发明的态势评估系统包含全局态势评估和实时态势评估,系统以全局态势评估结果、多种声呐探测概率、AUV可航行范围和态势图为输出结果,评估结果准确、可信度高、可视化,实现对AUV航路的隐身威胁评估,为规划系统提供隐蔽性约束条件。
Description
技术领域
本发明属于态势评估技术领域,具体涉及一种在声呐探测环境下的AUV声隐身态势评估方法。
背景技术
随着智能水下机器人(AUV)技术的发展,AUV在水下作业的应用需求也越来越广泛,行为决策智能化已经成为未来水下机器人的发展趋势。目前,AUV主要依靠采集实时目标状态以及地形、障碍物、海流等环境信息,通过优化算法规划最优行为。这种行为决策系统缺少对态势因素的考虑,通常难以满足全局任务目标的需求。因此要实现更高层次上的智能自主决策,决策系统还需要增加对环境态势的评估功能。
AUV作为一种水下探测平台,随着任务复杂程度提高,对AUV执行任务的安全性要求也越来越高,尤其AUV在执行一些特定目标任务时,对任务和动作隐蔽性要求较高。由于AUV搭载的各种推进器以及部分设备在工作时会形成噪声源,目前针对AUV的探测手段主要是以水下声学探测设备为主,对AUV的任务安全性造成较大威胁,所以需要实时可靠的声隐身态势评估方法。
考虑任务的隐蔽性要求,AUV规划系统需要根据自身噪声、环境特点和探测设备参数等,针对声学探测环境分析声隐身态势,将评估结果融入AUV航路规划的约束模型,提高规划航路的隐蔽性,实现AUV高层次上的智能决策。
发明内容
本发明的目的在于提供一种提高AUV智能行为规划系统决策水平及声呐探测环境下AUV执行任务隐蔽性的要求、评估结果准确、可信度高且可视化的AUV声隐身态势评估方法。
本发明的目的是这样实现的:
本发明公开了一种AUV声隐身态势评估方法,具体的实现方式包括以下步骤:
(1)在AUV下水执行任务前,根据航路起点和目标点确定任务目标水域范围,采集任务目标水域内的探测声呐位置、AUV和环境声学信息、声呐设备信息;
(2)根据步骤(1)的采集信息进行全局环境下的态势评估;在AUV的任务工况下建立信号余量SE模型,通过建立声呐性能模型确定DI、DT,输入SL、NL,计算AUV在水平面上周向均匀36个方向上信号余量SE为0时的传播损失TL值,根据TL模块计算每个方向上TL值对应的距离即声呐探测距离,基于最小二乘法拟合36个点得到声呐探测范围及威胁范围,同样计算全局环境下每个已知声呐的威胁范围得到全局威胁态势评估结果;
(3)根据步骤(1)采集的动态信息,在航路中进行实时态势评估;通过建立声呐方程,计算得到单一声呐的探测概率pd,当所有单一声呐的探测概率计算完成后,以探测概率作为威胁评估指数并根据大小对声呐进行威胁度排序;
(4)在单一声呐探测概率的基础上,根据声呐数量和航线时间,利用“KoutofN”准则计算得到多声呐的联合探测概率pda,根据总探测时间t和探测频率n计算AUV航线累积探测概率pdl;
(5)确定探测声呐设备参数后,在AUV所在位置的水平面上,以AUV为圆心均匀取36个方向,分别计算36个方向信号余量SE为0的点,并通过拟合包络线确定AUV可航行范围,制作态势图;
(6)综合以上步骤,得到全局态势评估图、单一声呐探测概率pd、声呐威胁排序、联合探测概率pda、航线累积探测概率pdl、AUV可航行范围和态势图。
对于一种AUV声隐身态势评估方法,所述的步骤(1)中采集的信息包括全局已知信息和实时采集信息及采集AUV执行任务所在水域环境的声学信息,具体为:
全局已知信息和实时采集信息包括:
(1.1)AUV和声呐设备的位置信息:经度xi、纬度yi和深度zi;
(1.2)声呐设备参数:列阵长度Δx、声波频率f、探测概率阈值pT、虚警率pfa、阵增益DI、声呐设备数量K;
(1.3)AUV噪声声源级SL;
采集AUV执行任务所在水域环境的声学信息包括:
(1.4)背景噪声NL:探测声呐的工作环境噪声;
(1.5)声传播损失TL:利用TL模块计算由AUV位置到探测声呐位置处的海洋传播损失。
对于一种AUV声隐身态势评估方法,所述的步骤(2)具体的实现步骤包括:
(2.1)建立声呐性能模型
DI=10log(2Δx/λ)
(2.2)模型输入参数列阵长度Δx、声波频率f、探测概率阈值pT、虚警率pfa,输出为阵增益DI和检测阈值DT两项构成,不同的声呐参数得到不同模型输出结果;
(2.3)简化声呐威胁模型并将评估结果用于AUV隐蔽航路规划,计算信号余量模型SE=SL+DI-TL-NL-DT=0的传播损失TL值;
(2.4)根据TL模块插值得到每个方向上TL值对应的距离即声呐探测距离,基于最小二乘法拟合36个点得到声呐探测范围及威胁范围;
(2.5)将AUV任务隐蔽性要求分为三个等级,一、二、三级分别对应安全系数k为1.0、1.25、1.5,声呐威胁半径Rs=k·Max{ri},以探测声呐位置为圆心构建虚拟障碍物模型,构建全局态势评估结果。
对于一种AUV声隐身态势评估方法,所述的步骤(4)具体的实现步骤包括:
(4.1)根据单一声呐探测概率计算联合和航路累积探测概率的方法,联合探测概率pda
综合每次的联合探测概率pdaj,基于“KoutofN”不连续模型计算航线累计探测概率;
(4.2)探测概率阈值pT为声呐判定AUV存在的最小探测概率值,分为50%、70%和90%,低于pT则认为探测概率为0即判定AUV不存在,K为总共N次探测中探测概率值大于阈值pT的次数的最小值,探测概率值大于阈值pT的次数为N,N-1,…K的概率分别为
PN=pda1·pda2...pdaN
(4.3)计算AUV航线累计探测概率
pdl=PN+PN-1+...+PK。
对于一种AUV声隐身态势评估方法,所述的步骤(5)通过以下步骤实现:
(5.1)确定探测声呐设备参数,在AUV所在位置的水平面上,以AUV为圆心每隔10°均匀取36个方向;
(5.2)在36个方向上计算每隔100m距离的探测概率值,直到信号余量SE为0,即探测概率为0;
(5.3)将36个信号余量SE为0的点拟合成包络线,确定AUV可航行范围;
(5.4)用由黑到白的渐变色显示不同探测概率值,探测概率大对应黑色,探测概率小对应白色,形成态势图。
本发明的有益效果在于:
本发明所述AUV态势评估计算方法首先以各种声学数据、声呐设备参数和位置信息等为输入,建立声呐威胁虚拟障碍物,进行全局态势评估和实时威胁评估,通过建立声呐模型得到全局态势评估结果,计算AUV在目标海域内的被探测概率,以具体数值作为AUV态势评估的指标,求出所有单一声呐的探测概率后,根据概率值大小进行排序。
其次,考虑复杂环境下的AUV态势分析,本发明还计算多探测平台联合探测环境下的联合探测概率值和AUV航线累计探测概率,给出更完善的态势评估结果。
最后,本发明选取以AUV为圆心36个均匀间隔的方向,确定每个方向在不同距离处探测声呐对AUV的探测概率值,拟合探测概率为0的点构成拟合曲线,所包围区域即为可航行范围,在可航行范围内以由黑到白的渐变色形式表示不同探测概率值从而构成态势图,使AUV态势评估仿真计算结果可视化。
因此,本发明所述AUV态势评估仿真计算方法对AUV在声呐探测环境下的评估方法具有评估准确、可信度高、可视化的特点,评估过程复杂度比较小,评估结果可以为AUV智能行为规划系统提供可靠依据。
附图说明
图1为本发明中AUV声隐身态势评估方法的总体流程示意图;
图2为本发明中AUV周向分布考核点分布示意图;
图3为本发明中全局环境下态势评估结果示意图;
图4为本发明中态势图示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
本发明公开了一种针对声呐探测环境下的AUV声隐身态势评估方法,以声呐探测概率值、声呐威胁排序、声呐威胁范围、可航行范围和基于探测概率的态势图作为评估结果。
结合图1,为本发明中AUV声隐身态势评估仿真计算方法的总体流程示意图,具体态势评估流程如下:
步骤1、在AUV下水执行任务前,根据航路起点和目标点确定任务目标水域范围,采集任务目标水域内的探测声呐位置、AUV和环境声学信息、声呐设备信息等,包括全局已知信息和实时采集信息,具体为:
(1)AUV和声呐设备的位置信息:经度xi、纬度yi和深度zi;
(2)声呐设备参数:列阵长度Δx、声波频率f、探测概率阈值pT、虚警率pfa、阵增益DI、声呐设备数量K;
其中阵增益DI如下,λ为波长,v为声波在水中传播速度。
DI=10log(2Δx/λ)
λ=v/f
(3)AUV噪声声源级SL。
采集AUV执行任务所在水域环境的声学信息,具体为:
(1)背景噪声NL:探测声呐的工作环境噪声;
(2)声传播损失TL:利用TL模块计算由AUV位置到探测声呐位置处的海洋传播损失。
步骤2、AUV下水执行任务前,根据步骤1采集的信息,进行全局环境下的态势评估,在AUV的任务工况下,通过建立信号余量SE模型。
SE=SL+DI-TL-NL-DT
建立声呐性能模型,主要由阵增益DI和检测阈值DT两项构成:
DI=10log(2Δx/λ)
通过声呐参数确定DI和DT,输入SL和NL,如图2所示,计算AUV在水平面上周向均匀36个方向上信号余量SE为0时的传播损失TL值,根据TL模块插值得到每个方向上TL值对应的距离即声呐探测距离,基于最小二乘法拟合36个点得到声呐探测范围及威胁范围,将AUV任务隐蔽性要求分为三个等级,一、二、三级分别对应安全系数k为1.0、1.25、1.5,取威胁半径Rs=k·Max{ri},以探测声呐位置为圆心构建虚拟障碍物模型,用同样方法计算全局环境下每个已知声呐的威胁范围得到全局威胁态势评估结果,具体如图3所示。
步骤3、根据步骤1采集的实时信息,对AUV在执行任务时进行实时态势评估,首先建立被动声呐方程
SL-TL-NL+DI=DT
其中声呐检测阈值DT由探测概率阈值pT和虚警率pfa得到:
获取单一声呐的探测概率pdi,i代表第i个探测声呐:
计算出所有单一声呐的探测概率后,根据概率值大小进行排序,概率值表示声呐对AUV隐蔽性的威胁指标,Qj表示总共K个探测声呐中概率值从大到小排第j个的声呐,具体形式如下:
Q1>Q2>Q3>Q4>......>Qs
步骤4、单一声呐探测概率仅能表示某个单独的声呐对AUV的探测概率,考虑多声呐联合探测环境下的态势评估问题,根据步骤1采集的声呐数量和步骤3计算的单一声呐探测概率输出多声呐的联合探测概率pda:
AUV在执行目标任务时,经常需要航行穿过任务区域,会多次被声呐探测,根据AUV航线时间t和探测频率n计算总探测次数N:
N=t×n
综合每次的联合探测概率pdaj,基于“KoutofN”不连续模型计算航线累计探测概率。探测概率阈值pT为声呐判定AUV存在的最小探测概率值,分为50%、70%和90%,低于pT则认为探测概率为0即判定AUV不存在,K为总共N次探测中探测概率值大于阈值pT的次数的最小值,探测概率值大于阈值pT的次数为N,N-1,…K的概率分别为
PN=pda1·pda2…pdaN
计算AUV航线累计探测概率
pdl=PN+PN-1+...+PK
步骤5、引入信号余量SE模型:SE=SL-TL-NL+DI-DT
在以AUV为圆心均分的36个方向上,利用声呐方程计算每隔距离100m的探测概率值,这里探测概率值为假设声呐在该坐标点上对AUV的探测概率,计算取到最后每个方向上信号余量SE=0,即探测概率为0的坐标点。然后将36个探测概率为0的点用最小二乘法拟合,曲线包围的范围即为AUV的可航行范围。在拟合曲线内,用由黑到白的渐变色显示不同探测概率值,探测概率大趋近于黑色,探测概率小趋近于白色,没一点的颜色深浅表示若声呐在此位置对AUV的探测概率大小及威胁程度,如图4所示,形成可视化的态势图。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种AUV声隐身态势评估方法,其特征在于,具体的实现方式包括以下步骤:
(1)在AUV下水执行任务前,根据航路起点和目标点确定任务目标水域范围,采集任务目标水域内的探测声呐位置、AUV和环境声学信息、声呐设备信息;
(2)根据步骤(1)的采集信息进行全局环境下的态势评估;在AUV的任务工况下建立信号余量SE模型,通过建立声呐性能模型确定DI、DT,输入SL、NL,计算AUV在水平面上周向均匀36个方向上信号余量SE为0时的传播损失TL值,根据TL模块计算每个方向上TL值对应的距离即声呐探测距离,基于最小二乘法拟合36个点得到声呐探测范围及威胁范围,同样计算全局环境下每个已知声呐的威胁范围得到全局威胁态势评估结果;
(3)根据步骤(1)采集的动态信息,在航路中进行实时态势评估;通过建立声呐方程,计算得到单一声呐的探测概率pd,当所有单一声呐的探测概率计算完成后,以探测概率作为威胁评估指数并根据大小对声呐进行威胁度排序;
(4)在单一声呐探测概率的基础上,根据声呐数量和航线时间,利用“KoutofN”准则计算得到多声呐的联合探测概率pda,根据总探测时间t和探测频率n计算AUV航线累积探测概率pdl;
(5)确定探测声呐设备参数后,在AUV所在位置的水平面上,以AUV为圆心均匀取36个方向,分别计算36个方向信号余量SE为0的点,并通过拟合包络线确定AUV可航行范围,制作态势图;
(6)综合以上步骤,得到全局态势评估图、单一声呐探测概率pd、声呐威胁排序、联合探测概率pda、航线累积探测概率pdl、AUV可航行范围和态势图。
2.根据权利要求1所述的一种AUV声隐身态势评估方法,其特征在于,所述的步骤(1)中采集的信息包括全局已知信息和实时采集信息及采集AUV执行任务所在水域环境的声学信息,具体为:
全局已知信息和实时采集信息包括:
(1.1)AUV和声呐设备的位置信息:经度xi、纬度yi和深度zi;
(1.2)声呐设备参数:列阵长度Δx、声波频率f、探测概率阈值pT、虚警率pfa、阵增益DI、声呐设备数量K;
(1.3)AUV噪声声源级SL;
采集AUV执行任务所在水域环境的声学信息包括:
(1.4)背景噪声NL:探测声呐的工作环境噪声;
(1.5)声传播损失TL:利用TL模块计算由AUV位置到探测声呐位置处的海洋传播损失。
3.根据权利要求1所述的一种AUV声隐身态势评估方法,其特征在于,所述的步骤(2)具体的实现步骤包括:
(2.1)建立声呐性能模型
DI=10log(2Δx/λ)
(2.2)模型输入参数列阵长度Δx、声波频率f、探测概率阈值pT、虚警率pfa,输出为阵增益DI和检测阈值DT两项构成,不同的声呐参数得到不同模型输出结果;
(2.3)简化声呐威胁模型并将评估结果用于AUV隐蔽航路规划,计算信号余量模型SE=SL+DI-TL-NL-DT=0的传播损失TL值;
(2.4)根据TL模块插值得到每个方向上TL值对应的距离即声呐探测距离,基于最小二乘法拟合36个点得到声呐探测范围及威胁范围;
(2.5)将AUV任务隐蔽性要求分为三个等级,一、二、三级分别对应安全系数k为1.0、1.25、1.5,声呐威胁半径Rs=k·Max{ri},以探测声呐位置为圆心构建虚拟障碍物模型,构建全局态势评估结果。
4.根据权利要求1所述的一种AUV声隐身态势评估方法,其特征在于,所述的步骤(4)具体的实现步骤包括:
(4.1)根据单一声呐探测概率计算联合和航路累积探测概率的方法,联合探测概率pda
综合每次的联合探测概率pdaj,基于“KoutofN”不连续模型计算航线累计探测概率;
(4.2)探测概率阈值pT为声呐判定AUV存在的最小探测概率值,分为50%、70%和90%,低于pT则认为探测概率为0即判定AUV不存在,K为总共N次探测中探测概率值大于阈值pT的次数的最小值,探测概率值大于阈值pT的次数为N,N-1,…K的概率分别为
PN=pda1·pda2…pdaN
(4.3)计算AUV航线累计探测概率
pdl=PN+PN-1+...+PK。
5.根据权利要求1所述的一种AUV声隐身态势评估方法,其特征在于,所述的步骤(5)通过以下步骤实现:
(5.1)确定探测声呐设备参数,在AUV所在位置的水平面上,以AUV为圆心每隔10°均匀取36个方向;
(5.2)在36个方向上计算每隔100m距离的探测概率值,直到信号余量SE为0,即探测概率为0;
(5.3)将36个信号余量SE为0的点拟合成包络线,确定AUV可航行范围;
(5.4)用由黑到白的渐变色显示不同探测概率值,探测概率大对应黑色,探测概率小对应白色,形成态势图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810248831.9A CN108594241B (zh) | 2018-03-25 | 2018-03-25 | 一种auv声隐身态势评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810248831.9A CN108594241B (zh) | 2018-03-25 | 2018-03-25 | 一种auv声隐身态势评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108594241A true CN108594241A (zh) | 2018-09-28 |
CN108594241B CN108594241B (zh) | 2019-07-16 |
Family
ID=63623615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810248831.9A Active CN108594241B (zh) | 2018-03-25 | 2018-03-25 | 一种auv声隐身态势评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108594241B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538017A (zh) * | 2020-05-09 | 2020-08-14 | 北京中安智能信息科技有限公司 | 基于声纳的目标探测概率评估方法和装置及设备 |
CN113433553A (zh) * | 2021-06-23 | 2021-09-24 | 哈尔滨工程大学 | 一种水下机器人多源声学信息融合精确导航方法 |
CN115294832A (zh) * | 2022-07-06 | 2022-11-04 | 中国船舶重工集团公司第七一五研究所 | 一种声呐设备训练数据生成方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4264369B2 (ja) * | 2004-02-27 | 2009-05-13 | 三菱重工業株式会社 | 水中航走体およびその制御方法 |
CN102156476A (zh) * | 2011-04-14 | 2011-08-17 | 山东大学 | 智能空间与护士机器人多传感器系统及其信息融合方法 |
US20170217588A1 (en) * | 2016-01-29 | 2017-08-03 | The Boeing Company | Methods and systems for assessing an emergency situation |
CN107748502A (zh) * | 2017-11-02 | 2018-03-02 | 北京华如科技股份有限公司 | 基于离散事件的作战仿真中实体的被动空间感知交互方法 |
-
2018
- 2018-03-25 CN CN201810248831.9A patent/CN108594241B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4264369B2 (ja) * | 2004-02-27 | 2009-05-13 | 三菱重工業株式会社 | 水中航走体およびその制御方法 |
CN102156476A (zh) * | 2011-04-14 | 2011-08-17 | 山东大学 | 智能空间与护士机器人多传感器系统及其信息融合方法 |
US20170217588A1 (en) * | 2016-01-29 | 2017-08-03 | The Boeing Company | Methods and systems for assessing an emergency situation |
CN107748502A (zh) * | 2017-11-02 | 2018-03-02 | 北京华如科技股份有限公司 | 基于离散事件的作战仿真中实体的被动空间感知交互方法 |
Non-Patent Citations (3)
Title |
---|
李卓等: "海洋水下战场态势仿真系统的设计与实现", 《指挥控制与仿真》 * |
李玉伟等: "探雷声呐水雷发现概率仿真研究", 《声学技术》 * |
黄红兵等: "态势与威胁估计: 理论概览和基于本体的方法", 《指挥与控制学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111538017A (zh) * | 2020-05-09 | 2020-08-14 | 北京中安智能信息科技有限公司 | 基于声纳的目标探测概率评估方法和装置及设备 |
CN111538017B (zh) * | 2020-05-09 | 2022-04-15 | 北京中安智能信息科技有限公司 | 基于声纳的目标探测概率评估方法和装置及设备 |
CN113433553A (zh) * | 2021-06-23 | 2021-09-24 | 哈尔滨工程大学 | 一种水下机器人多源声学信息融合精确导航方法 |
CN113433553B (zh) * | 2021-06-23 | 2022-08-02 | 哈尔滨工程大学 | 一种水下机器人多源声学信息融合精确导航方法 |
CN115294832A (zh) * | 2022-07-06 | 2022-11-04 | 中国船舶重工集团公司第七一五研究所 | 一种声呐设备训练数据生成方法 |
CN115294832B (zh) * | 2022-07-06 | 2024-02-27 | 中国船舶重工集团公司第七一五研究所 | 一种声呐设备训练数据生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108594241B (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108319293B (zh) | 一种基于lstm网络的uuv实时避碰规划方法 | |
Tsou et al. | Decision support from genetic algorithms for ship collision avoidance route planning and alerts | |
CN109540151A (zh) | 一种基于强化学习的auv三维路径规划方法 | |
Kang et al. | Collision avoidance path planning for ships by particle swarm optimization | |
Cao et al. | Target search control of AUV in underwater environment with deep reinforcement learning | |
CN108334677B (zh) | 一种基于gru网络的uuv实时避碰规划方法 | |
CN108594241B (zh) | 一种auv声隐身态势评估方法 | |
Yan et al. | A novel path planning approach for smart cargo ships based on anisotropic fast marching | |
Jacobi et al. | Underwater pipeline and cable inspection using autonomous underwater vehicles | |
Zheng et al. | A decision-making method for ship collision avoidance based on improved cultural particle swarm | |
CN113010958A (zh) | 自航船舶的模拟系统及其运作方法 | |
Vagale et al. | Evaluation of path planning algorithms of autonomous surface vehicles based on safety and collision risk assessment | |
Rupeng et al. | Improvements to terrain aided navigation accuracy in deep-sea space by high precision particle filter initialization | |
Zhang et al. | AUV path planning based on differential evolution with environment prediction | |
KR102005311B1 (ko) | 부유물 표류경로 분석 방법 | |
CN112215395B (zh) | 一种基于海洋大数据的水下装备适应性信息保障系统 | |
CN109916400A (zh) | 一种基于梯度下降算法与vo法相结合的无人艇避障方法 | |
CN113962426A (zh) | 一种近海水上通航安全智能预报方法和装置 | |
Sabra et al. | Dynamic localization plan for underwater mobile sensor nodes using fuzzy decision support system | |
Liang et al. | Novel L+ and FO L+ algorithms based on ENC data for automatic route planning of ships | |
Sang et al. | An autonomous underwater vehicle simulation with fuzzy sensor fusion for pipeline inspection | |
Fan et al. | Research on shipborne aided navigation system based on enhanced traffic environment perception | |
Fu et al. | Three-dimensional underwater path planning of submarine considering the real marine environment | |
CN108459614B (zh) | 一种基于cw-rnn网络的uuv实时避碰规划方法 | |
Ji et al. | Research on simulation experiment of underwater cluster multi-source information fusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |