CN110844000B - 船舶锚泊控制方法、控制装置、控制系统及电子设备 - Google Patents

Abstract

本发明提供了一种船舶锚泊控制方法、控制装置、控制系统及电子设备，涉及船舶锚泊的技术领域，方法包括：当船舶进入锚地范围时，获取气象参数、水流参数和船舶状态参数；根据所述气象参数、水流参数、船舶状态参数和预先建立的第一识别模型得到当前船舶姿势参数；根据抛锚方案控制各个执行机构按预设船舶姿势停靠在最优锚位，本发明采用神经网络模型结合各项参数获取当前船舶姿势，时效性高，结果准确；有利于提高抛锚精度，提高安全性。

Description

船舶锚泊控制方法、控制装置、控制系统及电子设备

技术领域

本发明涉及船舶锚泊技术领域，尤其是涉及一种船舶锚泊控制方法、控制装置、控制系统及电子设备。

背景技术

目前，船舶采用锚泊辅助系统进行智能停靠，现有的锚泊辅助系统采用实时数据与预设目标值的比较反馈结果来调整决策指令，发出信号驱动控制模块进行相应的操作，反馈与操作之间的衔接取决于信号的传递精度、速度以及预设目标值的准确性，导致这种控制方法的时效性较低。

发明内容

本发明的目的在于提供一种船舶锚泊控制方法、控制装置、控制系统及电子设备，能够提高信息时效性，提高抛锚精度和安全性。

第一方面，本发明提供的船舶锚泊控制方法，包括：

当船舶进入锚地范围时，获取气象参数、水流参数和船舶状态参数；

根据所述气象参数、水流参数、船舶状态参数和预先建立的第一识别模型得到当前船舶姿势参数；其中，所述第一识别模型为神经网络模型；

根据当前船舶姿势参数和预设船舶姿势参数得到抛锚方案；

根据抛锚方案控制各个执行机构按预设船舶姿势停靠在最优锚位。

本实施例的船舶锚泊控制方法能够提高信息时效性，提高抛锚精度和安全性。

在可选的实施方式中，根据所述气象参数、水流参数、船舶状态参数和预先建立的第一识别模型得到当前船舶姿势参数的步骤包括：

将获取的气象参数、水流参数和船舶状态参数进行预处理；

将预处理后的气象参数、水流参数和船舶状态参数输入预先建立的神经网络模型；

接收神经网络模型输出的控制参数；

判断所述控制参数是否达到收敛状态，当未达到收敛状态时，将所述控制参数通过自学习模型反馈至神经网络模型；否则，将达到收敛状态的控制参数作为当前船舶姿势参数。

在可选的实施方式中，船舶进入锚地范围之前还包括：

获取航程规划数据和目标地点的调度反馈信息；

根据所述航程规划数据和目标地点的调度反馈信息确定锚地；

在距离锚地预设第一距离内判断是否执行锚泊任务；

当判断结果为是时，在距离锚地预设第二距离时，执行抛锚前准备的步骤；

当进入锚地范围时，根据电子海图信息、GPS定位信息、声学定位信息、影像传感信息和海床水文地理信息的一种或几种确定最优锚位确定最优锚位。在可选的实施方式中，所述抛锚方案还包括，应急时刻锚机启用或停止抛锚的步骤、使用备锚的步骤和使用弃锚的步骤。

在可选的实施方式中，还包括：

起锚时，根据调度反馈信息、船舶状态参数、气象参数和预先建立的第二识别模型，确定起锚方案；

根据起锚方案控制各个执行机构进行起锚。

在可选的实施方式中，所述起锚方案包括控制锚机反转的步骤，控制锚链收链的步骤，控制船舶主机速度的步骤，监测锚链受力状态的步骤。

第二方面，本发明提供的一种船舶锚泊控制装置，包括：

获取模块，用于当船舶进入锚地范围时，获取气象参数、水流参数和船舶状态参数；

参数确定模块，用于根据所述气象参数、水流参数、船舶状态参数和预先建立的第一识别模型得到当前船舶姿势参数；其中，所述第一识别模型为神经网络模型；

抛锚方案模块，用于根据当前船舶姿势参数和预设船舶姿势参数得到抛锚方案；

执行模块，用于根据抛锚方案控制各个执行机构按预设船舶姿势停靠在最优锚位。

本实施例的船舶锚泊控制装置能够提高信息时效性，提高抛锚精度和安全性。

第三方面，本发明实施例提供的一种船舶锚泊控制系统，包括气象参数检测模块、水流参数检测模块、船舶状态参数检测模块、执行机构和主控制模块；所述主控制模块分别与所述气象参数检测模块、水流参数检测模块、船舶状态参数检测模块和执行机构连接；

所述气象参数检测模块，用于检测船舶所处环境的气象参数；

所述水流参数检测模块，用于检测船舶所处水域的水流参数；

所述船舶状态参数检测模块，用于检测船舶状态参数；

所述主控制模块，用于根据船舶状态参数检测、水流参数和船舶状态参数以及预先建立的第一识别模型得到当前船舶姿势参数，并根据当前船舶姿势参数和预设船舶姿势参数确定抛锚方案，并向各个执行机构发送相应的抛锚方案；其中，所述第一识别模型为神经网络模型；

所述执行机构，用于根据接收到的相应的抛锚方案执行相应的动作，以使得船舶按预设船舶姿势停靠在最优锚位。

本实施例的船舶锚泊控制系统能够提高信息时效性，提高抛锚精度和安全性。

第四方面，实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述前述实施方式任一所述的方法的步骤。

第五方面，实施例提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行所述前述实施方式任一所述方法。

本发明提供的船舶锚泊控制方法、控制装置、控制系统及电子设备，通过在船舶进入锚地范围时，获取气象参数、水流参数和船舶状态参数，结合预先建立的第一识别模型得到当前船舶姿势参数，并根据当前船舶姿势参数和预设船舶姿势参数确定抛锚方案，从而根据抛锚方案控制各个执行机构按预设船舶姿势停靠在最优锚位；本发明实施例采用神经网络模型结合各项参数获取当前船舶姿势，时效性高，结果准确；有利于提高抛锚精度，提高安全性。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的船舶锚泊控制方法的流程图；

图2为本发明实施例提供的船舶锚泊控制方法的另一个流程图；

图3为本发明实施例提供的船舶锚泊控制系统的原理图；

图4为本发明实施例提供的船舶锚泊控制装置的系统原理图；

图5为本发明实施例提供的船舶锚泊控制系统的另一个原理图；

图6为本发明实施例提供的电子设备的系统原理图。

图标：41-获取模块；42-参数确定模块；43-抛锚方案模块；44-执行模块；51-主控制模块；511-数据云平台；52-气象参数检测模块；521-风速仪；53-水流参数检测模块；531-流速传感器；54-船舶状态参数检测模块；541-应力传感器；542-锚机；543-止链装置；544-弃锚装置；545-测深仪；55-执行机构；600-电子设备；601-通信接口；602-处理器；603-存储器；604-总线。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现有锚泊辅助系统技术依赖于信息传输的精度和速度、以及预设目标值的准确性，另外，辅助抛锚的过程并不全面，仅从必要的环境参数判断此刻是否适合抛锚、起锚，从锚机上的张紧力判断此刻是否走锚或有走锚趋势。

现有的自动化锚机仅实现起抛锚操作的自动化控制，对于船舶余速与锚机操作之间的配合没有精确信号传递和判断方式。另外，现有锚机不设张力监测装置，对锚链受力、锚爪的抓地状态没有信息化的反馈。

基于此，本发明提供一种船舶锚泊控制方法、控制装置、控制系统及电子设备，能够提高信息时效性，提高抛锚精度和安全性。下面通过实施例对本发明进行详细的介绍。

参照图1，一种船舶锚泊控制方法，包括：

S110：当船舶进入锚地范围时，获取气象参数、水流参数和船舶状态参数；

S120：根据所述气象参数、水流参数、船舶状态参数和预先建立的第一识别模型得到当前船舶姿势参数；其中，所述第一识别模型为神经网络模型；

S130：根据当前船舶姿势参数和预设船舶姿势参数得到抛锚方案；

S140：根据抛锚方案控制各个执行机构按预设船舶姿势停靠在最优锚位。

具体地，如图3所示，本方法应用于船舶锚泊控制系统，包括具有无极调速电阻元器件的数字化锚机542、液压操纵的止链装置543、电磁开关控制的弃锚装置544、测深仪545、风速仪521、流速传感器531、位于锚机542和止链装置543的应力传感器541、位于船舶控制中心的数据云平台511、多个影像信号传感器和分布于全船范围的其他传感器等。

其中，各个执行机构包括锚机542、止链装置543和电磁式快速响应弃锚装置544。气象参数包括风速和风向等，通过风速仪521获得；水流参数包括水流速度和水流方向等，通过流速传感器531获得；船舶状态参数包括船舶航行速度、船向、吃水、装载量等必要参数，通过测深仪545、应力传感器541、影像信号传感器和分布于全船范围的其他传感器获得。所有参数进入已经建立的第一识别模型进行模式识别及处理，再结合预设船舶姿势参数预设船舶姿势，得到参数化的抛锚方案。

本实施例依靠合理的感知布局，实时监测海况环境、气象数据，收集风、浪、流等数据，并调用船体工况数据，结合航程规划、码头调度等计划安排，能完成无人自主的抛锚、起锚、应急弃锚、启用备锚等动作。

本发明实施例采用神经网络模型结合各项参数获取当前船舶姿势，时效性高，结果准确；有利于提高抛锚精度，提高安全性。

可选地，步骤S120包括：

将获取的气象参数、水流参数和船舶状态参数进行预处理；

将预处理后的气象参数、水流参数和船舶状态参数输入预先建立的神经网络模型；

接收神经网络模型输出的控制参数；

判断所述控制参数是否达到收敛状态，当未达到收敛状态时，将所述控制参数通过自学习模型反馈至神经网络模型；否则，将达到收敛状态的控制参数作为当前船舶姿势参数。

具体地，第一识别模块基于神经网络模型，在传统控制模型架构的基础上加入非线性学习机制。具体的原理流程如图2所示。接收各类传感器发送的信号，并经信号预处理、信号转换器、数据后处理、可靠参数读入、功能模型识别后，对各类模块触发判断，以判断是否有异常，当出现异常时进行应急处理，处理完成后将未发现异常的数据以及应急处理后的数据发送至神经网络模型进行识别。

神经网络模型输出控制参数，当输出的控制参数达到收敛状态，则得到预设船舶姿势参数，将预设船舶姿势参数通过反馈模型反控制各个执行机构，各个执行机构通过信号转换将数据反馈至自学习模型，自学习模型将转换发送的数据以及未达到状态收敛的数据进行自学习，并将结果发送至神经网络模型。执行机构还通过监督模型对接收到的各传感器信号进行监督。

可选地，船舶进入锚地范围之前还包括：

获取航程规划数据和目标地点的调度反馈信息；

根据所述航程规划数据和目标地点的调度反馈信息确定锚地；

在距离锚地预设第一距离内判断是否执行锚泊任务；

当判断结果为是时，在距离锚地预设第二距离时，执行抛锚前准备的步骤；

当进入锚地范围时，确定最优锚位。

具体地，在航行过程中，接收来自船体控制中心定制的航程规划数据，航程规划数据包括计划在何时何地进行多长时间的靠泊任务，同时通过对口数据传输接受码头的调度信息反馈，在接近锚地(第一距离五十海里)处触发锚泊任务判断，决策下一步是否需进行锚泊任务；若执行抛锚任务，距离锚地第二距离(十海里)处，船舶控制中心检测各执行机构及信息传输是否有故障(即抛锚前准备的步骤)，进入抛锚前准备阶段；当进入锚地范围，结合电子海图信息、GPS信息、声学定位信息、影像传感信息等，获取海床水文地理信息，探测最优的锚位，触发抛锚方案。

可选地，所述抛锚方案包括锚机542正转时间控制的步骤、锚机542转动速度控制的步骤、锚链出链长度控制的步骤、刹车机构启动时刻控制的步骤、船舶舵向控制的步骤、船舶主机速度控制的步骤。

具体地，抛锚方案包括各个执行机构需要调整的参数，包括锚机542开始正转的时刻、转动的速度分配、出链的总长、刹车机构开始作用的时刻、以及启动抛锚流程之后船舶舵向、(船舶)主机速度分配，通过通讯层将动作指令传递给个执行机构。

根据动作指令，锚机调速机构控制出链的速度、位移传感器实时传输出链的长度，在达到预设值时启用刹车装置，同时根据方案指挥船舶主机正车或是倒车并以合适的余速配合完成抛锚的动作，达到指定锚位。

可选地，所述抛锚方案还包括，应急时刻锚机启用或停止抛锚的步骤、使用备锚的步骤和使用弃锚的步骤。

具体地，若在执行抛锚方案时，外界情况出现异常、超出预设的极限情况时，启动应急处理程序，启用停止抛锚、使用备锚、弃锚等应急处理。

优选地，安装在锚机542上的应力传感器541实时传输锚链的张力大小，完成抛锚方案的所有动作后，触发锚泊状态判断，当张力数据在相当时间内处于稳定值、预期值，即判定为锚爪抓地成功，达到收敛状态；

当输出参数达到收敛状态，并且来自数据云平台511的船舶状态数据反馈船舶状态平稳，则触发止链命令，将决策命令传输到锚机542，松开离合完成卸载，指挥止链装置543完成止链动作并反馈止链完成的信号，并输出锚链应力值至主控制模块。在后期锚泊的过程中始终监测应力值，把异常信号反馈至船舶控制中心；主控制模块同时实现走锚预测控制。

可选地，还包括：

起锚时，根据调度反馈信息、船舶状态参数、气象参数和预先建立的第二识别模型，确定起锚方案；

根据起锚方案控制各个执行机构进行起锚。

可选地，所述起锚方案包括控制锚机542反转的步骤，控制锚链收链的步骤，控制船舶主机速度的步骤，监测锚链受力状态的步骤。

具体地，调度反馈信息用于判断码头调度是否成功。起锚的判断除了码头调度成功的信号，还有船舶状态、极端环境的甄别；

起锚的逻辑与抛锚类似，制定起锚方案，需读入来自船舶控制中心数据云平台511的参数，进入已经建立的学习模型库模式(即神经网络模型+自学习模型)进行识别，输出控制参数；

控制锚机542反转，根据控制收敛情况，指挥船舶主机速度配合完成起锚，并在过程中监测锚链受力状态。

对于异常情况的判断模块，主要由各类环境传感器、应力监测传感器提供参数，建立一个安全判断的神经网络控制模型，其收敛控制条件就是各参数的安全系数，通过不断的学习更正，这个收敛的条件会更加精准。

本实施例是基于航线规划、码头联调、船舶状态，结合环境水文条件和神经网络控制机制实现智能决策和智能操纵的锚泊系统，一方面利用智能船舶全船的传感器和数据云平台511直接调取所需数据，实现数据的高效传递；另一方面利用大数据和神经网络模型建立的关系网，避免复杂的参数调整和试算过程，通过不断学习新的环境参数，提高控制效果。

本发明基于神经网络控制的基础上，结合智能船舶大脑系统以及码头的信息化系统，使锚泊系统实现全周期的智能控制。

如图4所示，一种船舶锚泊控制装置，包括：

获取模块41，用于当船舶进入锚地范围时，获取气象参数、水流参数和船舶状态参数；

参数确定模块42，用于根据所述气象参数、水流参数、船舶状态参数和预先建立的第一识别模型得到当前船舶姿势参数；其中，所述第一识别模型为神经网络模型；

抛锚方案模块43，用于根据当前船舶姿势参数和预设船舶姿势参数得到抛锚方案；

执行模块44，用于根据抛锚方案控制各个执行机构按预设船舶姿势停靠在最优锚位。

可选地，参数确定模块42，包括：

预处理模块，用于将获取的气象参数、水流参数和船舶状态参数进行预处理；

神经网络模型模块，用于将预处理后的气象参数、水流参数和船舶状态参数输入预先建立的神经网络模型；

接收模块，用于接收神经网络模型输出的控制参数；

判断模块，用于判断所述控制参数是否达到收敛状态，当未达到收敛状态时，将所述控制参数通过自学习模型反馈至神经网络模型；否则，将达到收敛状态的控制参数作为当前船舶姿势参数。

可选地，还包括最优锚位模块，所述最优锚位模块用于：

获取航程规划数据和目标地点的调度反馈信息；

根据所述航程规划数据和目标地点的调度反馈信息确定锚地；

在距离锚地预设第一距离内判断是否执行锚泊任务；

当判断结果为是时，在距离锚地预设第二距离时，执行抛锚前准备的步骤；

当进入锚地范围时，根据电子海图信息、GPS定位信息、声学定位信息、影像传感信息和海床水文地理信息的一种或几种确定最优锚位。

可选地，抛锚方案模块43包括锚机正转时间控制模块、锚机转动速度的控制模块、锚链出链长度控制模块、刹车机构启动时刻控制模块、船舶舵向控制模块、船舶主机速度控制模块。

可选地，所述抛锚方案模块43还包括，应急时刻的锚机启用或停止抛锚模块、备锚模块和弃锚模块。

可选地，还包括：

起锚方案模块，用于起锚时，根据调度反馈信息、船舶状态参数、气象参数和预先建立的第二识别模型，确定起锚方案；

起锚模块，用于根据起锚方案控制各个执行机构进行起锚。

可选地，所述起锚方案模块包括控制锚机反转模块，控制锚链收链模块，控制船舶主机速度模块，监测锚链受力状态模块。

如图5所示，一种船舶锚泊控制系统，包括气象参数检测模块52、水流参数检测模块53、船舶状态参数检测模块54、执行机构55和主控制模块51；所述主控制模块51分别与气象参数检测模块52、水流参数检测模块53、船舶状态参数检测模块54和执行机构55连接；

所述气象参数检测模块52，用于检测船舶所处环境的气象参数；

所述水流参数检测模块53，用于检测船舶所处水域的水流参数；

所述船舶状态参数检测模块54，用于检测船舶状态参数；

所述主控制模块51，用于根据船舶状态参数检测、水流参数和船舶状态参数以及预先建立的第一识别模型得到当前船舶姿势参数，并根据当前船舶姿势参数和预设船舶姿势参数确定抛锚方案，并向各个执行机构发送相应的抛锚方案；其中，所述第一识别模型为神经网络模型；

所述执行机构55，用于根据接收到的相应的抛锚方案执行相应的动作，以使得船舶按预设船舶姿势停靠在最优锚位。

具体地，如图3所示，本方法应用于船舶锚泊控制系统，船舶状态参数检测模块54包括无极调速电阻元器件的数字化锚机542、液压操纵的止链装置543、电磁开关控制的弃锚装置544、测深仪545、位于锚机542和止链装置543的应力传感器541、多个影像信号传感器和分布于全船范围的其他传感器等。测得的船舶状态参数包括船舶航行速度、船向、吃水、装载量等必要参数。

气象参数检测模块52包括风速仪521等，用于测量风速和风向等。

水流参数检测模块53包括流速传感器531等，用于水流速度和水流方向等。

主控制模块51包括船舶控制中心和位于船舶控制中心的数据云平台511。

执行机构55包括锚机止链装置543和电磁式快速响应弃锚装置544。

所有参数进入已经建立的第一识别模型进行模式识别及处理，再结合预设船舶姿势参数预设船舶姿势，得到参数化的抛锚方案。

参见图6，本发明实施例还提供一种设备，本发明实施例还提供了一种电子设备600，包括通信接口601、处理器602、存储器603以及总线604，处理器602、通信接口601和存储器603通过总线604连接；上述存储器603用于存储支持处理器602执行上述船舶锚泊控制方法的计算机程序，上述处理器602被配置为用于执行该存储器603中存储的程序。

可选地，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行如上述实施例中的船舶锚泊控制方法。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种船舶锚泊控制方法，其特征在于，包括：

当船舶进入锚地范围时，获取气象参数、水流参数和船舶状态参数；

根据所述气象参数、水流参数、船舶状态参数和预先建立的第一识别模型得到当前船舶姿势参数；其中，所述第一识别模型为神经网络模型；

根据当前船舶姿势参数和预设船舶姿势参数得到抛锚方案；

根据抛锚方案控制各个执行机构按预设船舶姿势停靠在最优锚位；

其中，根据所述气象参数、水流参数、船舶状态参数和预先建立的第一识别模型得到当前船舶姿势参数的步骤包括：

将获取的气象参数、水流参数和船舶状态参数进行预处理；

将预处理后的气象参数、水流参数和船舶状态参数输入预先建立的神经网络模型；

接收神经网络模型输出的控制参数；

判断所述控制参数是否达到收敛状态，当未达到收敛状态时，将所述控制参数通过自学习模型反馈至神经网络模型；否则，将达到收敛状态的控制参数作为当前船舶姿势参数。

2.根据权利要求1所述的控制方法，其特征在于，船舶进入锚地范围之前还包括：

获取航程规划数据和目标地点的调度反馈信息；

根据所述航程规划数据和目标地点的调度反馈信息确定锚地；

在距离锚地预设第一距离内判断是否执行锚泊任务；

当判断结果为是时，在距离锚地预设第二距离时，执行抛锚前准备的步骤；

当进入锚地范围时，根据电子海图信息、GPS定位信息、声学定位信息、影像传感信息和海床水文地理信息的一种或几种确定最优锚位。

3.根据权利要求1所述的控制方法，其特征在于，所述抛锚方案包括锚机正转时间控制的步骤、锚机转动速度控制的步骤、锚链出链长度控制的步骤、刹车机构启动时刻控制的步骤、船舶舵向控制的步骤、船舶主机速度控制的步骤。

4.根据权利要求3所述的控制方法，其特征在于，所述抛锚方案还包括，应急时刻锚机启用或停止抛锚的步骤、使用备锚的步骤和使用弃锚的步骤。

5.根据权利要求1所述的控制方法，其特征在于，还包括：

起锚时，根据调度反馈信息、船舶状态参数、气象参数和预先建立的第二识别模型，确定起锚方案；

根据起锚方案控制各个执行机构进行起锚。

6.根据权利要求5所述的控制方法，其特征在于，所述起锚方案包括控制锚机反转的步骤，控制锚链收链的步骤，控制船舶主机速度的步骤，监测锚链受力状态的步骤。

7.一种船舶锚泊控制装置，其特征在于，包括：

获取模块，用于当船舶进入锚地范围时，获取气象参数、水流参数和船舶状态参数；

参数确定模块，用于根据所述气象参数、水流参数、船舶状态参数和预先建立的第一识别模型得到当前船舶姿势参数；其中，所述第一识别模型为神经网络模型；

抛锚方案模块，用于根据当前船舶姿势参数和预设船舶姿势参数得到抛锚方案；

执行模块，用于根据抛锚方案控制各个执行机构按预设船舶姿势停靠在最优锚位；

其中，根据参数确定模块用于：

将获取的气象参数、水流参数和船舶状态参数进行预处理；

将预处理后的气象参数、水流参数和船舶状态参数输入预先建立的神经网络模型；

接收神经网络模型输出的控制参数；

判断所述控制参数是否达到收敛状态，当未达到收敛状态时，将所述控制参数通过自学习模型反馈至神经网络模型；否则，将达到收敛状态的控制参数作为当前船舶姿势参数。

8.一种船舶锚泊控制系统，其特征在于，包括气象参数检测模块、水流参数检测模块、船舶状态参数检测模块、执行机构和主控制模块；所述主控制模块分别与所述气象参数检测模块、水流参数检测模块、船舶状态参数检测模块和执行机构连接；

所述气象参数检测模块，用于检测船舶所处环境的气象参数；

所述水流参数检测模块，用于检测船舶所处水域的水流参数；

所述船舶状态参数检测模块，用于检测船舶状态参数；

所述主控制模块，用于根据船舶状态参数检测、水流参数和船舶状态参数以及预先建立的第一识别模型得到当前船舶姿势参数，并根据当前船舶姿势参数和预设船舶姿势参数确定抛锚方案，并向各个执行机构发送相应的抛锚方案；其中，所述第一识别模型为神经网络模型；

所述执行机构，用于根据接收到的相应的抛锚方案执行相应的动作，以使得船舶按预设船舶姿势停靠在最优锚位。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。

Images