CN112800075A - 一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法 - Google Patents

一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法 Download PDF

Info

Publication number
CN112800075A
CN112800075A CN202110133764.8A CN202110133764A CN112800075A CN 112800075 A CN112800075 A CN 112800075A CN 202110133764 A CN202110133764 A CN 202110133764A CN 112800075 A CN112800075 A CN 112800075A
Authority
CN
China
Prior art keywords
ship
database
forecast
degree
data
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
Application number
CN202110133764.8A
Other languages
English (en)
Other versions
CN112800075B (zh
Inventor
庄思卿
刘轶华
郭欣
张静燕
马钰
汪婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Maritime University
Original Assignee
Shanghai Maritime University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN202110133764.8A priority Critical patent/CN112800075B/zh
Publication of CN112800075A publication Critical patent/CN112800075A/zh
Application granted granted Critical
Publication of CN112800075B publication Critical patent/CN112800075B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2379—Updates performed during online database operations; commit processing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Ocean & Marine Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Combustion & Propulsion (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，该方法具体包括构建初始船舶操纵预报数据库；完善补全所述初始船舶操纵预报数据库；更新优化所述完善补全后的船舶操纵预报数据库。本发明解决了现有方法对船舶操纵预报精度不高、预报误差不具有鲁棒性以及预报实时不强的缺点。本方法能充分利用实船采集的六自由度姿态数据形成数据库，来预报船舶操纵性能。在通过对不同航行工况中船舶六自由度姿态数据的收集，不断对数据库补全完善、更新优化，从而得到一个覆盖工况全面、持续不断更新的船舶操纵预报数据库，达到对船舶操纵性能的精准实时预报。

Description

一种基于实船六自由度姿态数据的船舶操纵预报数据库更新 方法
技术领域
本发明涉及船舶操控性能预测领域，具体涉及一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法。
背景技术
目前，对船舶的操纵性能预测有5种方法，分别通过船舶运动数学模型、缩尺度船舶物理模型、计算流体力学、神经网络机器学习、数据库预报。但由于船舶在海上航行时受到风、浪、流耦合影响，在这种情况下通过船舶运动数学模型进行预测的方法比较困难而且预测结果实际有一定偏差，计算流体力学方式预测对环境的改变不具有连续保真性，精度很高，但实时性不强；通过缩尺度船舶物理模型实验方法预测，由于“尺度效应”导致预测值与实际值有较大差距；目前数据库预报的方法是根据计算流体力学方法将有限的船舶运动响应数据组成数据库的形式，通过近似逼近的方式来估算船舶的操纵性能。其优点在于，再满足一定预报精度的情况下，能够实现在线船舶操纵性能预报。但若外界环境与数据库中工况点相差较远时，预报误差将不具有鲁棒性，实船六自由度姿态数据能够对数据库的精度进行持续更新。因此，基于实船六自由度姿态仪(匹配时空气象和海洋数据)对于此类数据库的更新问题具有重要的研究意义。
发明内容
本发明的目的在于提供一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，解决了现有方法对船舶操纵预报的预报精度不高、预报误差不具有鲁棒性以及实时性不强的问题。本发明能充分利用实船采集的六自由度姿态数据，来更新修正船舶操纵预报数据库。在通过对不同航行工况中船舶六自由度姿态数据的收集，不断对数据库补全完善、更新优化，从而得到一个覆盖工况全面、持续不断更新的船舶操纵预报数据库，达到对船舶操纵性能的精准实时预报。
为了达到上述目的，本发明采用的技术方案如下：
一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，该方法包括：
构建初始船舶操纵预报数据库；
完善补全所述初始船舶操纵预报数据库；
更新优化所述完善补全后的船舶操纵预报数据库。
可选地，所述构建初始船舶操纵预报数据库具体包括：
船舶在一定的工况下航行时，通过船舶六自由度姿态仪采集船舶左舷或者右舷各个罗经方位的船舶六自由度姿态数据以及气象和海洋数据(时空的风、浪、流等)；
将采集的六自由度姿态数据、气象和海洋数据整理形成初始船舶操纵预报数据库。
可选地，所述姿态数据包括船舶横荡v、船舶垂荡w、船舶横摇p、船舶纵摇q、船舶首摇r、船舶横荡加速度
Figure BDA0002926331600000021
船舶垂荡加速度
Figure BDA0002926331600000022
船舶横摇加速度
Figure BDA0002926331600000023
船舶纵摇加速度
Figure BDA0002926331600000024
和船舶首摇加速度
Figure BDA0002926331600000025
用观测矩阵X表示测得的姿态数据，记为
Figure BDA0002926331600000026
可选地，所述完善补全初始船舶操纵预报数据库具体包括：
采集实船在实际工况下的船舶操纵观测数据；
确定初始船舶操纵预报数据库中是否有与所述船舶操纵观测数据相匹配的船舶操纵预报数据，若否，将该实船在该实际工况下的船舶操纵观测数据写入初始船舶操纵预报数据库，以完善补全所述初始船舶操纵预报数据库。
可选地，所述更新优化所述完善补全后的船舶操纵预报数据库具体包括：
在一定的采样周期内，对采集的船舶运动姿态数据进行数据处理，判断船舶运动姿态数值是否含有粗差，若是，舍弃该观测值，若否，将由船舶六自由度姿态仪获取的船舶操纵观测值与由船舶操纵预报数据库获取船舶操纵预报值作对比，以决定是否对船舶操纵预报数据库的该预报值更新优化。
可选地，所述由船舶操纵预报数据库获取船舶操纵预报值的具体包括：
输入必要的气象和海洋参数信息，如风向、风力、风浪来向、波长等，筛选出需要预报工况下的船舶操纵预报值。
可选地，根据六自由度姿态仪获取一定的采样周期的船舶操纵观测数据，依据相匹配的气象和海洋数据将获取的船舶操纵数据分类，对相同工况下的观测数据，先判断是否含有粗差，如果在一个采样周期内，采集计算后的对相同工况下的观测数值有n个，当计算的观测数值满足下式时，即认为该观测值为不含有粗差的观测值：
Figure BDA0002926331600000031
其中，
Figure BDA0002926331600000032
[X]＝X1+X2+...+Xn；
Figure BDA0002926331600000033
为观测数据的均值，δ为标准差，εn为第n次观测的残差，[x]为所有观测数值的和，[]代表求和符号。
可选地，将所有不含有粗差的观测数值求取平均值，作为观测数值与数据库的预报值相比对，进而决定是否更新优化船舶操纵预报数据库的预报值。
与现有技术相比，本发明至少具有以下优点之一：
本发明提供了一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，解决了现有方法对船舶操纵预报精度不高、预报误差不具有鲁棒性以及预报实时不强的缺点。本方法能充分利用实船采集的六自由度姿态数据形成数据库，来预报船舶操纵性能。在通过对不同航行工况中船舶六自由度姿态数据的收集，不断对数据库补全完善、更新优化，从而得到一个覆盖工况全面、持续不断更新的船舶操纵预报数据库，达到对船舶操纵性能的精准实时预报。
附图说明
图1是本发明一实施例中基于实船六自由度姿态数据的船舶操纵预报数据库更新方法的流程图。
具体实施方式
以下结合附图1和具体实施方式对本发明作进一步详细说明。根据下面说明，本发明的优点和特征将更清楚。需要说明的是，附图采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂，请参阅附图。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、基于实船六自由度姿态数据的船舶操纵预报数据库更新方法、物品或者现场设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、基于实船六自由度姿态数据的船舶操纵预报数据库更新方法、物品或者现场设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、基于实船六自由度姿态数据的船舶操纵预报数据库更新方法、物品或者现场设备中还存在另外的相同要素。
请参阅图1所示，本实施例提供的一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，该方法包括：
构建初始船舶操纵预报数据库；
完善补全所述初始船舶操纵预报数据库；
更新优化所述完善补全后的船舶操纵预报数据库。
本实施例中，所述构建初始船舶操纵预报数据库具体包括：
船舶在一定的工况下航行时，通过船舶六自由度姿态仪采集船舶左舷或者右舷各个罗经方位的船舶六自由度姿态数据以及气象和海洋数据(时空的风、浪、流等)；
将采集的六自由度姿态数据、气象和海洋数据整理形成初始船舶操纵预报数据库。
本实施例中，所述姿态数据包括船舶横荡v、船舶垂荡w、船舶横摇p、船舶纵摇q、船舶首摇r、船舶横荡加速度
Figure BDA0002926331600000051
船舶垂荡加速度
Figure BDA0002926331600000052
船舶横摇加速度
Figure BDA0002926331600000053
船舶纵摇加速度
Figure BDA0002926331600000054
和船舶首摇加速度
Figure BDA0002926331600000055
用观测矩阵X表示测得的姿态数据，记为
Figure BDA0002926331600000056
本实施例中，所述完善补全初始船舶操纵预报数据库具体包括：
采集实船在实际工况下的船舶操纵观测数据；
确定初始船舶操纵预报数据库中是否有与所述船舶操纵观测数据相匹配的船舶操纵预报数据，若否，将该实船在该实际工况下的船舶操纵观测数据写入初始船舶操纵预报数据库，以完善补全所述初始船舶操纵预报数据库。
本实施例中，所述更新优化所述完善补全后的船舶操纵预报数据库具体包括：
在一定的采样周期内，对采集的船舶运动姿态数据进行数据处理，判断船舶运动姿态数值是否含有粗差，若是，舍弃该观测值，若否，将由船舶六自由度姿态仪获取的船舶操纵观测值与由船舶操纵预报数据库获取船舶操纵预报值作对比，以决定是否对船舶操纵预报数据库的该预报值更新优化。
本实施例中，所述由船舶操纵预报数据库获取船舶操纵预报值的具体包括：
输入必要的气象和海洋参数信息，如风向、风力、风浪来向、波长等，筛选出需要预报工况下的船舶操纵预报值。
本实施例中，根据六自由度姿态仪获取一定的采样周期的船舶操纵观测数据，依据相匹配的气象和海洋数据将获取的船舶操纵数据分类，对相同工况下的观测数据，先判断是否含有粗差，如果在一个采样周期内，采集计算后的对相同工况下的观测数值有n个，当计算的观测数值满足下式时，即认为该观测值为不含有粗差的观测值：
Figure BDA0002926331600000061
其中，
Figure BDA0002926331600000062
[X]＝X1+X2+...+Xn；
Figure BDA0002926331600000063
为观测数据的均值，δ为标准差，εn为第n次观测的残差，[x]为所有观测数值的和，[]代表求和符号。
本实施例中，将所有不含有粗差的观测数值求取平均值，作为观测数值与数据库的预报值相比对，进而决定是否更新优化船舶操纵预报数据库的预报值。
将所有不含有粗差的观测数值求取平均值，作为观测数值与数据库的预报值相比对，进而决定是否更新优化船舶操纵预报数据库的预报值。
设第k次的观测矩阵为Xk，第k次的预测矩阵为
Figure BDA0002926331600000064
第k次的观测值和预报值的差值为εK，设Ak为对k次预报值的误差修正矩阵。
Figure BDA0002926331600000065
情况一：当获得第一次观测数值时，令
Figure BDA0002926331600000071
化简
Figure BDA0002926331600000072
令k＝1，
Figure BDA0002926331600000073
得出
Figure BDA0002926331600000074
并且带入误差修正矩阵A1
则该工况下船舶预报数据库中该船舶操纵数据将被更新优化为
Figure BDA0002926331600000075
Figure BDA0002926331600000076
情况二：当获得第k(k≥2)次的观测数值时，如果满足：|εK|≤|εK-1|,则认为船舶操纵数据库给出的预报值有效不更新数据库的该预报值，同时误差矩阵也不改变。并且反之如果|εK|>|εK-1|应该对预报值跟新优化。εK、εK-1为第k次和k-1次的观测值与预报值的差值。
情况二的优化算法为：
将
Figure BDA0002926331600000081
则该工况下船舶预报数据库中该船舶操纵数据将被更新优化为
Figure BDA0002926331600000082
Figure BDA0002926331600000083
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (8)

1.一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，其特征在于，该方法包括：
构建初始船舶操纵预报数据库；
完善补全所述初始船舶操纵预报数据库；
更新优化所述完善补全后的船舶操纵预报数据库。
2.如权利要求1所述的基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，其特征在于，所述构建初始船舶操纵预报数据库具体包括：
船舶在一定的工况下航行时，通过船舶六自由度姿态仪采集船舶左舷或者右舷各个罗经方位的船舶六自由度姿态数据以及气象和海洋数据；
将采集的六自由度姿态数据、气象和海洋数据整理形成初始船舶操纵预报数据库。
3.如权利要求2所述的基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，其特征在于，所述姿态数据包括船舶横荡v、船舶垂荡w、船舶横摇p、船舶纵摇q、船舶首摇r、船舶横荡加速度
Figure FDA0002926331590000015
船舶垂荡加速度
Figure FDA0002926331590000011
船舶横摇加速度
Figure FDA0002926331590000012
船舶纵摇加速度
Figure FDA0002926331590000013
和船舶首摇加速度
Figure FDA0002926331590000014
4.如权利要求2所述的基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，其特征在于，所述完善补全初始船舶操纵预报数据库具体包括：
采集实船在实际工况下的船舶操纵观测数据；
确定初始船舶操纵预报数据库中是否有与所述船舶操纵观测数据相匹配的船舶操纵预报数据，若否，将该实船在该实际工况下的船舶操纵观测数据写入初始船舶操纵预报数据库，以完善补全所述初始船舶操纵预报数据库。
5.如权利要求1所述的基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，其特征在于，所述更新优化所述完善补全后的船舶操纵预报数据库具体包括：
在一定的采样周期内，对采集的船舶运动姿态数据进行数据处理，判断船舶运动姿态数值是否含有粗差，若是，舍弃该观测值，若否，将由船舶六自由度姿态仪获取的船舶操纵观测值与由船舶操纵预报数据库获取船舶操纵预报值作对比，以决定是否对船舶操纵预报数据库的该预报值更新优化。
6.如权利要求5所述的基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，其特征在于，所述由船舶操纵预报数据库获取船舶操纵预报值的具体包括：
输入必要的气象和海洋参数信息，筛选出需要预报工况下的船舶操纵预报值。
7.如权利要求5所述的基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，其特征在于，根据六自由度姿态仪获取一定的采样周期的船舶操纵观测数据，依据相匹配的气象和海洋数据将获取的船舶操纵数据分类，对相同工况下的观测数据，先判断是否含有粗差，如果在一个采样周期内，采集计算后的对相同工况下的观测数值有n个，当计算的观测数值满足下式时，即认为该观测值为不含有粗差的观测值：
Figure FDA0002926331590000021
其中，
Figure FDA0002926331590000022
[X]＝X1+X2+...+Xn；
Figure FDA0002926331590000023
为观测数据的均值，δ为标准差，εn为第n次观测的残差，[x]为所有观测数值的和，[]代表求和符号。
8.如权利要求1所述的基于实船六自由度姿态数据的船舶操纵预报数据库更新方法，其特征在于，将所有不含有粗差的观测数值求取平均值，作为观测数值与数据库的预报值相比对，进而决定是否更新优化船舶操纵预报数据库的预报值。
CN202110133764.8A 2021-02-01 2021-02-01 一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法 Active CN112800075B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110133764.8A CN112800075B (zh) 2021-02-01 2021-02-01 一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110133764.8A CN112800075B (zh) 2021-02-01 2021-02-01 一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法

Publications (2)

Publication Number Publication Date
CN112800075A true CN112800075A (zh) 2021-05-14
CN112800075B CN112800075B (zh) 2023-09-29

Family

ID=75813262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110133764.8A Active CN112800075B (zh) 2021-02-01 2021-02-01 一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法

Country Status (1)

Country Link
CN (1) CN112800075B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114237805A (zh) * 2021-12-28 2022-03-25 歌尔科技有限公司 一种潮汐情况显示方法、装置、设备及介质
CN117048802A (zh) * 2023-04-26 2023-11-14 哈尔滨工业大学（威海） 基于真实海况强适应的船舶未来运动姿态预测方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102768524A (zh) * 2012-08-06 2012-11-07 长沙绿航节能科技有限公司 一种船舶运行能效的系统优化方法及其装置
CN103838800A (zh) * 2012-11-22 2014-06-04 傅辉 一种移动搜索方式
KR20160041572A (ko) * 2014-10-08 2016-04-18 대우조선해양 주식회사 웹 기반의 선박조종성능 정보 관리시스템
CN105836066A (zh) * 2016-03-28 2016-08-10 大连交通大学 开敞式码头系泊船姿态预测方法及系统
CN107201903A (zh) * 2017-04-07 2017-09-26 北京工业大学 Tbm隧道施工的智能化控制方法及系统
CN107908119A (zh) * 2017-10-31 2018-04-13 上海船舶运输科学研究所 一种营运船舶航行性能实时监测的管理系统
CN110889532A (zh) * 2019-10-08 2020-03-17 中国铁建重工集团股份有限公司 一种隧道开挖及支护参数的智能选择及优化方法、系统
CN111619751A (zh) * 2020-06-04 2020-09-04 威海海洋职业学院 一种基于多种学习算法的船舶横摇运动姿态控制系统
CN111656293A (zh) * 2017-09-28 2020-09-11 A.P.莫勒马斯克公司 用于操作船舶的方法和系统
CN111767612A (zh) * 2020-07-01 2020-10-13 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） 模型构建方法、船舶控制方法、装置及电子设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102768524A (zh) * 2012-08-06 2012-11-07 长沙绿航节能科技有限公司 一种船舶运行能效的系统优化方法及其装置
CN103838800A (zh) * 2012-11-22 2014-06-04 傅辉 一种移动搜索方式
KR20160041572A (ko) * 2014-10-08 2016-04-18 대우조선해양 주식회사 웹 기반의 선박조종성능 정보 관리시스템
CN105836066A (zh) * 2016-03-28 2016-08-10 大连交通大学 开敞式码头系泊船姿态预测方法及系统
CN107201903A (zh) * 2017-04-07 2017-09-26 北京工业大学 Tbm隧道施工的智能化控制方法及系统
CN111656293A (zh) * 2017-09-28 2020-09-11 A.P.莫勒马斯克公司 用于操作船舶的方法和系统
CN107908119A (zh) * 2017-10-31 2018-04-13 上海船舶运输科学研究所 一种营运船舶航行性能实时监测的管理系统
CN110889532A (zh) * 2019-10-08 2020-03-17 中国铁建重工集团股份有限公司 一种隧道开挖及支护参数的智能选择及优化方法、系统
CN111619751A (zh) * 2020-06-04 2020-09-04 威海海洋职业学院 一种基于多种学习算法的船舶横摇运动姿态控制系统
CN111767612A (zh) * 2020-07-01 2020-10-13 上海船舶研究设计院（中国船舶工业集团公司第六0四研究院） 模型构建方法、船舶控制方法、装置及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JUNFENG XU 等: "Safety Assessment of Navigation Based on Ship Handing Simulator", 《2019 5TH INTERNATIONAL CONFERENCE ON TRANSPORTATION INFORMATION AND SAFETY (ICTIS)》, pages 92 - 98 *
苑晓龙 等: "物联网系泊船舶运动监测系统方案设计", 《大连交通大学学报 》, vol. 34, no. 6, pages 112 - 116 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114237805A (zh) * 2021-12-28 2022-03-25 歌尔科技有限公司 一种潮汐情况显示方法、装置、设备及介质
CN117048802A (zh) * 2023-04-26 2023-11-14 哈尔滨工业大学（威海） 基于真实海况强适应的船舶未来运动姿态预测方法及系统

Also Published As

Publication number Publication date
CN112800075B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN101630376B (zh) 多模型神经网络的生物发酵过程软测量建模方法及软仪表
CN106779137A (zh) 一种根据海况与操纵条件预测船舶油耗的方法
CN108960421B (zh) 改进基于bp神经网络的水面无人艇航速在线预报方法
CN112800075A (zh) 一种基于实船六自由度姿态数据的船舶操纵预报数据库更新方法
CN110726415B (zh) 一种自适应的水下多波束同步定位与建图方法
CN113156815B (zh) 一种数据驱动的海上船舶运动姿态实时预报方法
CN110954132A (zh) Grnn辅助自适应卡尔曼滤波进行导航故障识别的方法
CN116702095B (zh) 一种模块化海上船舶运动姿态实时预报方法
CN115100247A (zh) 一种基于ais动态信息的分步预测船舶轨迹的方法
CN115983493A (zh) 一种基于多任务学习及深度学习模型的水质预测方法
CN111216126B (zh) 基于多模态感知的足式机器人运动行为识别方法及系统
CN109992894B (zh) 一种考虑感知信息误差的无人艇局部环境建模方法
CN116559977A (zh) 一种基于bp神经网络的nps-gryanik20蒸发波导高度预测方法
CN116150934A (zh) 船舶操纵运动高斯过程回归在线非参数辨识建模方法
Castelão A machine learning approach to quality control oceanographic data
CN114545400A (zh) 基于毫米波雷达的水面机器人的全局重定位方法
CN117372877A (zh) 一种基于神经网络的星图识别方法、装置及相关介质
CN115410419A (zh) 一种船舶系泊预警方法、系统、电子设备及存储介质
CN114706087A (zh) 一种三维成像声呐点云的水下地形匹配定位方法及系统
CN113703454B (zh) 一种基于四自由度的无人船动力参数实时辨识方法
Yang et al. Multi-sensor information fusion in ocean of things based on improved adaptive dempster-shafer evidence theory
CN116307273B (zh) 一种基于XGBoost算法的船舶运动实时预报方法及系统
CN114371700B (zh) 一种概率滤波强化学习无人船控制方法、装置及终端设备
CN117973429B (zh) 一种应用于非高斯噪声滤波的模型参数比估计方法
CN117367435B (zh) 疏散路径规划方法、装置、设备及存储介质

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