CN115578546A - 船舶姿态预测方法、设备、装置及系统 - Google Patents
船舶姿态预测方法、设备、装置及系统 Download PDFInfo
- Publication number
- CN115578546A CN115578546A CN202211165093.4A CN202211165093A CN115578546A CN 115578546 A CN115578546 A CN 115578546A CN 202211165093 A CN202211165093 A CN 202211165093A CN 115578546 A CN115578546 A CN 115578546A
- Authority
- CN
- China
- Prior art keywords
- ship
- attitude data
- predicted
- attitude
- ship attitude
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种船舶姿态预测方法、设备、装置及系统,应用于智能船舶技术领域。本申请中,针对待处理船舶,获取当前时段的实际船舶姿态数据;基于实际船舶姿态数据,针对待处理船舶预测下一时段的预测船舶姿态数据集,预测船舶姿态数据集包括下一时段中至少一个时刻对应的预测船舶姿态数据;通过配置的显示策略,基于预测船舶姿态数据集对待处理船舶进行预测姿态展示,显示策略包括:通过预设船舶模型加载预测船舶姿态数据集的模型展示策略、基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种。将实时预测的预测船舶姿态数据显示,提升安全性。
Description
技术领域
本申请涉及智能船舶技术领域,尤其涉及一种船舶姿态预测方法、设备、装置及系统。
背景技术
船舶工业是海洋经济的第二产业,是各个国家进行经济、文化交流的重要途径,对海洋强国建设发挥着重要作用。
船舶在海上航行时,由于受到大风、海浪以及洋流等不确定外力的耦合影响,导致船体受力情况非常复杂,船体会发生不规律摇摆,而船体摇摆对行船安全性威胁较大,船舶航行的安全性较低。
因此,如何提升船舶航行的安全性是目前需要解决的问题。
发明内容
本申请提供一种船舶姿态预测方法、装置、设备及存储介质,用以提前预测船舶姿态,提升船舶航行的安全性。
第一方面,本申请实施例提供一种船舶姿态预测方法,该方法包括:
针对待处理船舶,获取当前时段的实际船舶姿态数据;
基于实际船舶姿态数据,针对待处理船舶预测下一时段的预测船舶姿态数据集,其中,预测船舶姿态数据集包括下一时段中至少一个时刻对应的预测船舶姿态数据;
通过配置的显示策略,基于预测船舶姿态数据集对待处理船舶进行预测姿态展示,其中显示策略包括:通过预设船舶模型加载预测船舶姿态数据集的模型展示策略、基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种。
第二方面,本申请实施例提供一种船舶姿态预测装置,该装置包括:
获取单元,用于针对待处理船舶,获取当前时段的实际船舶姿态数据;
预测单元,用于基于实际船舶姿态数据,针对待处理船舶预测下一时段的预测船舶姿态数据集,其中,预测船舶姿态数据集包括下一时段中至少一个时刻对应的预测船舶姿态数据;
显示单元,用于通过配置的显示策略,基于预测船舶姿态数据集对待处理船舶进行预测姿态展示,其中显示策略包括:通过预设船舶模型加载预测船舶姿态数据集的模型展示策略、基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种。
在一种可能的实现方式中,预测单元基于实际船舶姿态数据,预测下一时段的预测船舶姿态数据集之前,还用于:
检测到实际船舶姿态数据为空值时,采用设定数值对实际船舶姿态数据进行填充处理;和/或
检测到实际船舶姿态数据为异常值时,对实际船舶姿态数据进行滤波处理。
在一种可能的实现方式中,预测单元基于实际船舶姿态数据,预测下一时段的预测船舶姿态数据集后,还用于:
响应于预测船舶姿态数据满足行船控制条件时,对预测船舶姿态数据进行分析,确定行船控制策略,其中行船控制策略包括打舵、减速中的至少一种;
基于行船控制策略,控制船舶的行驶状态。
在一种可能的实现方式中,行船控制条件包括如下至少一种:
预测船舶姿态数据不在待处理船舶当前所处区域关联的第一阈值范围;或
预测船舶姿态数据与前一时刻的船舶姿态数据之间的差值,不在待处理船舶当前所处区域关联的第二阈值范围内;或
预测船舶姿态数据与前K时刻的船舶姿态数据之间的差值的最大值,不在待处理船舶当前所处区域关联的第三阈值范围内,其中K为正整数。
在一种可能的实现方式中,预测单元基于实际船舶姿态数据,预测下一时段的预测船舶姿态数据集后,还用于:
响应于预测船舶姿态数据满足待处理船舶当前所处区域关联的告警控制条件时,通过配置的告警策略,进行告警处理。
在一种可能的实现方式中,预测单元通过配置的告警策略,进行告警处理,具体用于:
通过配置的语音告警策略,进行语音告警处理;和/或
通过配置的显示告警策略,对展示的待处理船舶的预设姿态进行告警标记。
在一种可能的实现方式中,待处理船舶当前所处区域关联的告警控制条件包括如下至少一种:
预测船舶姿态数据不在待处理船舶当前所处区域关联的第一安全范围内;或
预测船舶姿态数据与前一时刻的船舶姿态数据之间的差值,不在待处理船舶当前所处区域关联的第二安全范围内;或
预测船舶姿态数据与前K时刻的船舶姿态数据之间的差值的最大值,不在待处理船舶当前所处区域关联的第三安全范围内,其中K为正整数。
在一种可能的实现方式中,显示策略包括通过预设船舶模型加载预测船舶姿态数据集的模型展示策略时,显示单元具体用于:
通过配置的三维船舶模型,按照时间顺序,采用视频的方式,在显示界面中的三维船舶模型展示区域,实时展示待处理船舶的预测姿态;和/或
通过配置的两个二维船舶模型,按照时间顺序,采用视频的方式,在显示界面中的横摇船舶模型展示区域,实时展示待处理船舶的横摇预测姿态,以及在显示界面中纵摇船舶模型展示区域,实时展示待处理船舶的纵摇预测姿态。
在一种可能的实现方式中,若下一时段中包括一个时刻,则基于实际船舶姿态数据,通过已训练船舶姿态预测网络,预测一个时刻的预测船舶姿态数据;
若下一时段中包括至少两个时刻,则基于实际船舶姿态数据,通过已训练船舶姿态预测网络,预测下一时段中第一时刻的第一预测船舶姿态数据,以及基于第一预测船舶姿态数据,通过已训练船舶姿态预测网络,预测下一时段中后续时刻的第二预测船舶姿态数据;或基于实际船舶姿态数据,通过已训船舶姿态预测网络,直接预测下一时段中至少两个时刻的预测船舶姿态数据;
其中,已训练船舶姿态预测网络是基于历史实际船舶姿态数据训练获得的。
第三方面,本申请实施例提供一种电子设备,包括:存储器和处理器,其中,存储器,用于存储计算机指令;处理器,用于执行计算机指令以实现本申请实施例提供的船舶姿态预测方法的步骤。
第四方面,本申请实施例提供一种船舶姿态预测系统,该系统包括:数据采集设备、姿态预测设备、显示设备、控制设备,其中:
数据采集设备,用于针对待处理船舶,获取当前时段的实际船舶姿态数据,并将实时船舶姿态数据传输到姿态预测设备;
姿态预测设备,用于基于实际船舶姿态数据,针对待处理船舶预测下一时段的预测船舶姿态数据集,并将预测船舶姿态数据集传输给显示设备,以控制设备,其中,预测船舶姿态数据集中包括下一时段中至少一个时刻对应的预测船舶姿态数据;
显示设备,用于通过配置的显示策略,基于预测船舶姿态数据集对待处理船舶进行预测姿态展示,其中显示策略包括:通过预设船舶模型加载预测船舶姿态数据集的模型展示策略、基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种;
控制设备,用于对预测船舶姿态数据进行分析,确定行船控制策略,并基于行船控制策略,控制船舶的行驶状态,其中行船控制策略包括打舵、减速中的至少一种。
第五方面,本申请实施例提供一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令被处理器执行时实现本申请实施例提供的船舶姿态预测方法的步骤。
第六方面,本申请实施例提供一种计算机程序产品,其包括计算机指令,计算机指令存储在计算机可读存储介质中;当电子设备的处理器从计算机可读存储介质读取计算机指令时,处理器执行计算机指令,使得电子设备执行本申请实施例提供的船舶姿态预测方法的步骤。
本申请有益效果如下:
本申请实施例提供一种船舶姿态预测方法、装置、设备及存储介质;针对待处理船舶,获取当前时段的实际船舶姿态数据,并根据实际船舶姿态数据预测下一时段的预测船舶姿态数据集,预测船舶姿态数据集包括下一时段中至少一个时刻对应的预测船舶姿态数据,实时预测下一时段中至少一个预测船舶姿态数据;然后,通过配置的显示策略,基于预测船舶姿态数据集中的至少一个预测船舶姿态数据对待处理船舶进行预测姿态展示,显示策略包括通过预设船舶模型加载预测船舶姿态数据集的模型展示策略、基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种;将预测船舶姿态数据的变化实时显示,使船舶姿态数据更加直观,进一步基于船舶姿态可提前对船舶进行预控制,极大的提高船舶航行时的安全性和稳定性。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域的普通技术人员来讲,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为本申请实施例提供的一种应用场景示意图;
图2为本申请实施例提供的一种船舶姿态预测方法流程图;
图3为本申请实施例提供的第一种预测姿态展示的示意图;
图4为本申请实施例提供的第二种预测姿态展示的示意图;
图5为本申请实施例提供的第三种预测姿态展示的示意图;
图6为本申请实施例提供的第四种预测姿态展示的示意图;
图7为本申请实施例提供的第五种预测姿态展示的示意图;
图8为本申请实施例提供的一种船舶姿态告警示意图;
图9为本申请实施例提供的一种船舶姿态预测的具体实施方式流程图;
图10为本申请实施例提供的一种船舶姿态预测装置结构图;
图11为本申请实施例提供的一种船舶姿态预测系统结构图;
图12为本申请实施例提供的另一种船舶姿态预测系统结构图;
图13为本申请实施例提供的一种电子设备结构图。
具体实施方式
为了使本申请的目的、技术方案及有益效果更加清楚明白,以下将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请部分实施例,并不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
下文中所用的词语“示例性”的意思为“用作例子、实施例或说明性”。作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
文中的术语“第一”、“第二”仅用于描述目的,而不能理解为明示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
下面对本申请实施例的设计思想进行简要介绍:
船舶工业作为海洋经济第二产业,是各个国家进行经济、文化交流的重要途径,其发展对海洋强国建设发挥着重要作用。
船舶在海上航行时,由于受到大风、海浪以及洋流等不确定性外力的耦合影响,船体受力情况非常复杂,船体会发生不规律摇摆,如船体横摇、船体纵摇。而在船舶的各种姿态参数中,横摇与纵摇对船舶的安全性威胁最大,船舶航行的安全性较低。
有鉴于此,考虑到船舶姿态对船舶韩星安全性至关重要,因基于掌握的当前船舶姿态,预测船舶在下一时段内的预测船舶姿态数据集,即预测船舶在下一时段内的船舶姿态的变化,基于预测的预测船舶姿态数据集,可提前对船舶进行预控制,极大地提高船舶航行时的安全性和稳定性,因此本申请实施例提供一种船舶姿态预测方法、设备、装置及系统。
在本申请中,针对待处理船舶,获取当前时段的实际船舶姿态数据,并根据实际船舶姿态数据预测下一时段的预测船舶姿态数据集,预测船舶姿态数据集包括下一时段中至少一个时刻对应的预测船舶姿态数据,实时预测下一时段中至少一个预测船舶姿态数据;然后,通过配置的显示策略,基于预测船舶姿态数据集中的至少一个预测船舶姿态数据对待处理船舶进行预测姿态展示,显示策略包括通过预设船舶模型加载预测船舶姿态数据集的模型展示策略、基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种;将预测船舶姿态数据的变化实时显示,使船舶姿态数据更加直观,进一步基于船舶姿态可提前对船舶进行预控制,极大的提高船舶航行时的安全性和稳定性。
以下结合说明书附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请,并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
参考图1,图1为本申请实施例的应用场景示意图。该应用场景中包括终端设备110和服务器120,终端设备110与服务器120之间可以通过通信网络进行通信。
在一种可选的实施方式中,通信网络可以是有线网络或无线网络。因此,终端设备110和服务器120可以通过有线或无线通信方式进行直接或间接地连接。比如,终端设备110可以通过无线接入点与服务器120间接地连接,或发终端设备110通过因特网与服务器120直接地连接,本申请在此不做限制。
在本申请实施例中,终端设备110包括但不限于手机、平板电脑、笔记本电脑、台式电脑、智能语音交互设备、安装于船舶上的终端设备等;
服务器120是用于船舶姿态预测的后台服务器。服务器120可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
需要说明的是,本申请实施例中的船舶姿态预测方法由电子设备执行;该电子设备可以为终端设备,其终端设备可以为图1中所示的终端设备110,也可以为除图1中所示的终端设备110以为的其他终端设备;该电子设备可以为服务器,其中服务器可以为图1中所示的服务器120,也可以为除图1中所示的服务器120以外的其他服务器。
因此,本申请实施例中的船舶姿态预测方法可以由终端设备单独执行,或服务器单独执行,或终端设备与服务器配合执行。例如,当终端设备与服务器配合执行时,由服务器基于实际船舶姿态数据,针对待处理船舶预测下一时段的预测船舶姿态数据集,由终端设备通过配置的显示策略,基于预测船舶姿态数据集对待处理船舶进行预测姿态展示。
图1所示只是举例说明,实际上终端设备110和服务器120的数量不受限制,在本申请实施例中不做具体限定。本申请实施例中,当服务器120的数量为多个时,多个服务器120可组成为一区块链,服务器120为区块链上的节点。
基于上述应用场景,下面结合上述描述的应用场景,根据附图来描述本申请示例性实施方式提供的船舶姿态预测方法,需要注意的是,上述应用场景仅是为了便于理解本申请的精神和原理而示出,本申请的实施方式在此方面不受任何限制。
参考图2,图2示例性提供本申请实施例中一种船舶姿态预测方法,该方法中包括:
步骤S200,针对待处理船舶,获取当前时段的实际船舶姿态数据。
在本申请实施例中,针对待处理船舶,实时获取当前时段的实际船舶姿态数据;
其中,当前时段中可仅包含一个时刻,也可以为至少两个连续时刻。
步骤S201,基于实际船舶姿态数据,针对待处理船舶预测下一时段的预测船舶姿态数据集,其中,预测船舶姿态数据集包括下一时段中至少一个时刻对应的预测船舶姿态数据。
在一种可能的实现方式中,若下一时段中包括一个时刻,则基于实际船舶姿态数据,通过已训练船舶姿态预测网络,预测一个时刻的预测船舶姿态数据;即,将实际船舶姿态数据输入已训练船舶姿态预测网络中,通过已训练船舶姿态预测网络预测下一时刻的预测船舶姿态数据,并输出该下一时刻的预测船舶姿态数据。
在一种可能的实现方式中,若下一时段中包括至少两个时刻,且已训练船舶姿态预测网络一次预测仅输出一个时刻的预测船舶姿态数据,则基于实际船舶姿态数据,通过已训练船舶姿态预测网络,预测下一时段中第一时刻的第一预测船舶姿态数据,以及基于第一预测船舶姿态数据,通过已训练船舶姿态预测网络,预测下一时段中后续时刻的第二预测船舶姿态数据;
以下一时段中包括三个时刻为例,三个时刻分别为第一时刻、第二时刻、第三时刻;在预测三个时刻各自对应的预测船舶姿态数据时:首先,将实际船舶姿态数据,输入已训练船舶姿态预测网络中,通过已训练船舶姿态预测网络,预测第一时刻的第一预测船舶姿态数据,并输出该第一时刻的第一预测船舶姿态数据;然后,将该第一时刻的第一预测船舶姿态数据和去掉一个最早时刻的船舶姿态数据后的剩余实际船舶姿态数据,输入已训练船舶姿态预测网络中,通过已训练船舶姿态预测网络,预测第二时刻的第二预测船舶姿态数据,并输出该第二时刻的第二预测船舶姿态数据;同理,将第一时刻的第一预测船舶姿态数据、第二时刻的第二预测船舶姿态数据以及去掉两个最早时刻的船舶姿态数据后的剩余实际船舶姿态数据,输入已训练船舶姿态预测网络,通过已训练船舶姿态预测网络,预测第三时刻的预测船舶姿态数据,并输出该第三时刻的预测船舶姿态数据。
在另一种可能的实现方式中,若下一时段中包括至少两个时刻,且已训练船舶姿态训练网络一次预测同时输出至少两个时刻的预测船舶姿态数据,则基于实际船舶姿态数据,通过已训船舶姿态预测网络,直接预测下一时段中至少两个时刻的预测船舶姿态数据;
以下一时段中包括三个时刻为例,三个时刻分别为第一时刻、第二时刻、第三时刻,在预测三个时刻各自对应的预测船舶姿态数据时:将实际船舶姿态数据,输入已训练船舶姿态预测网络中,通过已训练船舶姿态预测网络,一次按照时间顺序输出第一时刻的预测船舶姿态数据、第二时刻的预测船舶姿态数据以及第三时刻的预测船舶姿态数据。
需要说明的是,已训练船舶姿态预测网络是基于历史实际船舶姿态数据,对待训练船舶姿态预测网络训练获得的,且待训练船舶姿态预测网络包括但不限于:长短时记忆网络(Long Short-Term Memory,LSTM)、门循环网络(Gate Recurrent Unit,GRU)、Transfomer、卷积神经网络(Convolutional Neural Networks,CNN);且在对待训练船舶姿态预测网络进行训练时,可自定义输入的实际船舶姿态数据数量,以及输出的预测船舶姿态数据数量,比如基于输入的九个实际船舶姿态数据数量,预测输出的两个预测船舶姿态数据数量。
步骤S202,通过配置的显示策略,基于预测船舶姿态数据集对待处理船舶进行预测姿态展示,其中显示策略包括:通过预设船舶模型加载预测船舶姿态数据集的模型展示策略、基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种。
在一种可能的实现方式中,显示策略包括通过预设船舶模型加载预测船舶姿态数据集的模型展示策略时,通过配置的船舶模型,按照时间顺序,采用视频的方式,在显示界面中船舶模型展示区域,实时展示待处理船舶的预测姿态。
在本申请实施例中,船舶模型可以设置一个三维船舶模型,或者两个二维船舶模型;
当船舶模型为三维船舶模型时,通过配置的三维船舶模型,按照时间顺序,采用视频的方式,在显示界面中的三维船舶模型展示区域,实时展示待处理船舶的预测姿态;参考图3,图3示例性提供本申请实施例中第一种预测姿态展示的示意图。
当船舶模型为两个二维船舶模型时,两个二维船舶模型为横摇船舶模型和纵摇船舶模型,此时,按照时间顺序,采用视频的方式,在显示界面中的横摇船舶模型展示区域,实时展示待处理船舶的横摇预测姿态,以及在显示界面中纵摇船舶模型展示区域,实时展示待处理船舶的纵摇预测姿态;参考图4,图4示例性提供本申请实施例中第二种预测姿态展示的示意图。
在一种可能的实现方式中,显示策略包括基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略时,船舶姿态变化曲线包括船舶横摇变化曲线和船舶纵摇变化曲线;此时,在显示界面中的船舶横摇变化曲线展示区域,实时展示船舶在各个时刻下的真实船舶横摇姿态数据和预测船舶横摇姿态数据,以及在显示界面中的船舶纵摇变化曲线展示区域,实时展示船舶在各个时刻下的真实船舶纵摇姿态数据和预测船舶纵摇姿态数据;参考图5,图5示例性提供本申请实施例中第三种预测姿态展示的示意图。
在一种可能的实现方式中,显示策略包括基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略时,船舶姿态数据值包括船舶横摇姿态数据值和船舶纵摇姿态数据值;此时,在显示界面中的船舶姿态数据值对应的数据值展示区域,实时展示各个时刻下的预测船舶横摇姿态数据值和预测船舶纵摇姿态数据值;参考图6,图6示例性提供本申请实施例中第四种预测姿态展示的示意图。
需要说明的是,在本申请实施例中,可在同一显示界面中同时显示船舶模型、船舶姿态变化曲线以及船舶姿态数据值,以船舶模型为两个二维船舶模型为例,参考图7,图7示例性提供本申请实施例中第五种预测姿态展示的示意图。
在本申请中,针对待处理船舶,获取当前时段的实际船舶姿态数据,并根据实际船舶姿态数据预测下一时段的预测船舶姿态数据集,预测船舶姿态数据集包括下一时段中至少一个时刻对应的预测船舶姿态数据,实时预测下一时段中至少一个预测船舶姿态数据;然后,通过配置的显示策略,基于预测船舶姿态数据集中的至少一个预测船舶姿态数据对待处理船舶进行预测姿态展示,显示策略包括通过预设船舶模型加载预测船舶姿态数据集的模型展示策略、基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种;将预测船舶姿态数据的变化实时显示,使船舶姿态数据更加直观,进一步,基于船舶姿态可提前对船舶进行预控制,极大的提高船舶航行时的安全性和稳定性。
针对待处理船舶,获取实际船舶姿态数据时,获取到的实际船舶姿态数据可能会出现数据异常,在出现数据异常的情况,基于数据异常的实际船舶姿态数据,预测下一时段的船舶姿态数据集时,将导致预测的船舶姿态数据集不准确;
因此,为了保证基于实际船舶姿态数据,预测下一时段的船舶姿态数据集的准确性,本申请实施例中,提出对实际船舶姿态数据进行检测,并在检测到数据异常时,对数据异常的实际船舶数据进行数据处理的实现方式。
在一种可能的实现方式中,获取实际船舶姿态数据后,对实际船舶姿态数据进行检测,若检测到实际船舶姿态数据为空值时,则采用设定数值对实际船舶姿态数据进行填充处理,该设定数值可以设置为0或1;若检测到实际船舶姿态数据为异常值时,则对实际船舶姿态数据进行滤波处理;以保证基于处理后的实际船舶姿态数据预测下一时段的船舶姿态数据集的准确性。
为了基于预测船舶姿态提前对船舶进行控制,以提高船舶航行时的安全性和稳定性,本申请实施例中设定了行船控制条件、告警控制条件、船体设施控制条件中的至少一种控制条件;下面分别对三种控制条件,以及相应的控制措施进行说明。
一、行船控制:
在本申请实施例中,在获得下一时段对应的至少一个预测船舶姿态数据后,针对至少一个预测船舶姿态数据中的各个预测船舶姿态数据,分别确定该预测船舶姿态数据是否满足行船控制条件,并在确定该预测船舶姿态数据满足行船控制条件时,对预测船舶姿态数据进行分析,确定行船控制策略,并基于行船控制策略,控制船舶的行驶状态,其中,行船控制策略包括通过打舵改变航向以及改变风舷角、减少航速中的至少一种。
其中,行船控制条件包括如下至少一种:
条件1、预测船舶姿态数据不在待处理船舶当前所处区域关联的第一阈值范围;
例如,待处理船舶对应的船舶横摇姿态数据在当前所处区域关联的第一阈值范围为(-1,1),而预测的预测船舶横摇姿态的值为-2,不在第一阈值范围内,则确定满足行船控制条件;同理,对于待处理船舶对应的船舶纵摇姿态数据在当前所处区域也设置有相应的第一阈值范围,并确定预测的预测船舶纵摇姿态数据不在相应的第一阈值范围内时,则确定满足行船控制条件;
条件2、预测船舶姿态数据与前一时刻的船舶姿态数据之间的差值,不在待处理船舶当前所处区域关联的第二阈值范围内;
例如,确定待处理船舶的预测船舶横摇姿态与前一时刻的船舶横摇姿态之间的差值,以及确定待处理船舶对应的船舶横摇姿态数据差值在当前所处区域关联的第二阈值范围;然后,确定差值不在第二阈值范围内时,则确定满足行船控制条件;对于待处理船舶的预测船舶纵摇姿态数据与前一时刻的船舶纵摇姿态数据之间的差值,确定该差值不在待处理船舶对应的船舶纵摇姿态数据差值在当前所处区域关联的第二阈值范围内,则确定满足行船控制条件。
条件3、预测船舶姿态数据与前K时刻的船舶姿态数据之间的差值的最大值,不在待处理船舶当前所处区域关联的第三阈值范围内,其中K为正整数。
与上述条件1、条件2类似,在此不再重复赘述。
需要说明的是,船舶横摇姿态数据对应的阈值范围,和船舶纵摇姿态数据对应的阈值范围可以一致,也可不一致,具体的阈值范围根据实际情况进行设定。
二、告警控制:
在本申请实施例中,在获得下一时段对应的至少一个预测船舶姿态数据后,针对至少一个预测船舶姿态数据中的各个预测船舶姿态数据,分别确定该预测船舶姿态数据是否满足告警控制条件,并在确定该预测船舶姿态数据满足告警控制条件时,通过配置的告警策略,进行告警处理。
其中,告警控制条件包括如下至少一种:
条件1、预测船舶姿态数据不在待处理船舶当前所处区域关联的第一安全范围内;
条件2、预测船舶姿态数据与前一时刻的船舶姿态数据之间的差值,不在待处理船舶当前所处区域关联的第二安全范围内;
条件3、预测船舶姿态数据与前K时刻的船舶姿态数据之间的差值的最大值,不在待处理船舶当前所处区域关联的第三安全范围内,其中K为正整数。
需要说明的是,告警控制条件部分可参见行船控制条件部分,在此不再重复赘述,且第一安全范围可与行船控制条件中的第一阈值范围一致,第二安全范围可与行船控制条件中的第二阈值范围一致,第三安全范围可与行船控制条件中的第三阈值范围一致,且第一安全范围、第二安全范围以及第三安全范围可根据实际情况设置。
在一种可能的实现方式中,通过配置的语音告警策略,进行语音告警处理;例如,通过喇叭直接播报,提醒船员进入危险状态。
在另一种可能的实现方式中,通过配置的显示告警策略,对展示的待处理船舶的预设姿态进行告警标记;例如,显示界面中,采用船舶姿态数据值的姿态数据展示策略,展示的待处理船舶的预设姿态,则在对展示的待处理船舶的预设姿态进行告警标记时,直接在显示的预测船舶姿态数据值上进行标记,比如对预测船舶姿态数据值进行标亮或加粗;参考图8,图8为本申请实施例提供的一种船舶姿态告警示意图。
三、船体设施控制:
在本申请实施例中,在获得下一时段对应的至少一个预测船舶姿态数据后,针对至少一个预测船舶姿态数据中的各个预测船舶姿态数据,分别确定该预测船舶姿态数据是否满足船体设施控制条件,并在确定该预测船舶姿态数据满足船体设施控制条件时,为防止船舶进水,关闭所有水密门窗、向船舶高船舷载水仓内载水。
其中,船体设施控制条件包括如下至少一种:
条件1、预测船舶姿态数据不在待处理船舶当前所处区域关联的第一控制范围内;
条件2、预测船舶姿态数据与前一时刻的船舶姿态数据之间的差值,不在待处理船舶当前所处区域关联的第二控制范围内;
条件3、预测船舶姿态数据与前K时刻的船舶姿态数据之间的差值的最大值,不在待处理船舶当前所处区域关联的第三控制范围内,其中K为正整数。
需要说明的是,船体设施控制条件部分可参见行船控制条件部分,在此不再重复赘述,且第一控制范围可与行船控制条件中的第一阈值范围一致,第二控制范围可与行船控制条件中的第二阈值范围一致,第三控制范围可与行船控制条件中的第三阈值范围一致,且第一控制范围、第二控制范围以及第三控制范围可根据实际情况设置。
在本申请实施例中,不同的待处理船舶在不同水域对应的相同控制条件中设置的阈值范围可不同,不同的待处理船舶在相同水域对应的相同控制条件中设置的阈值范围可不同,相同的待处理船舶在不同水域对应的相同控制条件中设置的阈值范围可不同。
参考图9,图9示例性提供本申请实施例中一种船舶姿态预测的具体实施方式流程图,包括如下步骤:
步骤S900,针对待处理船舶,获取当前时段的实际船舶姿态数据。
步骤S901,判断实际船舶姿态数据是否异常,若异常则执行步骤S902,否则执行步骤S903。
步骤S902,对实际船舶姿态数据进行数据处理。
在本申请实施例中,确定实际船舶姿态数据异常,且检测到实际船舶姿态数据为空值时,采用设定数值对实际船舶姿态数据进行填充处理;
确定实际船舶姿态数据异常,且检测到实际船舶姿态数据为异常值时,对实际船舶姿态数据进行滤波处理。
步骤S903,基于实际船舶姿态数据,针对待处理船舶预测下一时段的预测船舶姿态数据集。
其中,预测船舶姿态数据集包括下一时段中至少一个时刻对应的预测船舶姿态数据。
其中,实际船舶姿态数据可为步骤S902中数据处理后的实际船舶姿态数据,也可以为步骤S900中获取的当前时段的实际船舶姿态数据,具有由步骤S900中获取到的实际船舶姿态数据是否异常决定。
步骤S904,判断预测船舶姿态数据是否满足相应的控制条件,若是则执行步骤S905,否则执行步骤S906;
步骤S905,基于满足的控制条件对应的控制策略,对船舶进行控制处理,以及,通过配置的显示策略,基于预测船舶姿态数据集对待处理船舶进行预测姿态展示。
在本申请实施例中,当确定满足行船控制条件时,通过打舵改变航向以及改变风舷角、减少航速来控制船舶的行驶状态;
当确定满足告警控制条件是,通过语音方式提醒船员进入危险状态,或通过在界面中对展示的待处理船舶的预设姿态进行告警标记,以提醒船员进入危险状态;
当确定满足船体设施控制条件时,为防止船舶进水,关闭所有水密门窗、向船舶高船舷载水仓内载水。
步骤S906,通过配置的显示策略,基于预测船舶姿态数据集对待处理船舶进行预测姿态展示。
在本申请中,根据实际船舶姿态数据,实时预测下一时段的预测船舶姿态数据集,并基于船舶姿态数据集,将待处理船舶的预测船舶姿态的变化实时显示,同时判断预测船舶姿态数据是否满足设定的控制条件,并在满足设定的控制条件时,基于不同的控制条件给出相应的控制措施,提升船舶航行的安全性。
与本申请上述方法实施例基于同一发明构思,本申请实施例中还提供了一种船舶姿态预测装置,装置解决问题的原理与上述实施例的方法相似,因此装置的实施可以参见上述方法的实施,重复之处不再赘述。
参考图10,图10示例性提供本申请实施例提供一种船舶姿态预测装置1000,该船舶姿态预测装置1000包括:
获取单元1001,用于针对待处理船舶,获取当前时段的实际船舶姿态数据;
预测单元1002,用于基于实际船舶姿态数据,针对待处理船舶预测下一时段的预测船舶姿态数据集,其中,预测船舶姿态数据集包括下一时段中至少一个时刻对应的预测船舶姿态数据;
显示单元1003,用于通过配置的显示策略,基于预测船舶姿态数据集对待处理船舶进行预测姿态展示,其中显示策略包括:通过预设船舶模型加载预测船舶姿态数据集的模型展示策略、基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种。
在一种可能的实现方式中,预测单元1002基于实际船舶姿态数据,预测下一时段的预测船舶姿态数据集之前,还用于:
检测到实际船舶姿态数据为空值时,采用设定数值对实际船舶姿态数据进行填充处理;和/或
检测到实际船舶姿态数据为异常值时,对实际船舶姿态数据进行滤波处理。
在一种可能的实现方式中,预测单元1002基于实际船舶姿态数据,预测下一时段的预测船舶姿态数据集后,还用于:
响应于预测船舶姿态数据满足行船控制条件时,对预测船舶姿态数据进行分析,确定行船控制策略,其中行船控制策略包括打舵、减速中的至少一种;
基于行船控制策略,控制船舶的行驶状态。
在一种可能的实现方式中,行船控制条件包括如下至少一种:
预测船舶姿态数据不在待处理船舶当前所处区域关联的第一阈值范围;或
预测船舶姿态数据与前一时刻的船舶姿态数据之间的差值,不在待处理船舶当前所处区域关联的第二阈值范围内;或
预测船舶姿态数据与前K时刻的船舶姿态数据之间的差值的最大值,不在待处理船舶当前所处区域关联的第三阈值范围内,其中K为正整数。
在一种可能的实现方式中,预测单元1002基于实际船舶姿态数据,预测下一时段的预测船舶姿态数据集后,还用于:
响应于预测船舶姿态数据满足待处理船舶当前所处区域关联的告警控制条件时,通过配置的告警策略,进行告警处理。
在一种可能的实现方式中,预测单元1002通过配置的告警策略,进行告警处理时,具体用于:
通过配置的语音告警策略,进行语音告警处理;和/或
通过配置的显示告警策略,对展示的待处理船舶的预设姿态进行告警标记。
在一种可能的实现方式中,待处理船舶当前所处区域关联的告警控制条件包括如下至少一种:
预测船舶姿态数据不在待处理船舶当前所处区域关联的第一安全范围内;或
预测船舶姿态数据与前一时刻的船舶姿态数据之间的差值,不在待处理船舶当前所处区域关联的第二安全范围内;或
预测船舶姿态数据与前K时刻的船舶姿态数据之间的差值的最大值,不在待处理船舶当前所处区域关联的第三安全范围内,其中K为正整数。
在一种可能的实现方式中,显示策略包括通过预设船舶模型加载预测船舶姿态数据集的模型展示策略时,显示单元1003具体用于:
通过配置的三维船舶模型,按照时间顺序,采用视频的方式,在显示界面中的三维船舶模型展示区域,实时展示待处理船舶的预测姿态;和/或
通过配置的两个二维船舶模型,按照时间顺序,采用视频的方式,在显示界面中的横摇船舶模型展示区域,实时展示待处理船舶的横摇预测姿态,以及在显示界面中纵摇船舶模型展示区域,实时展示待处理船舶的纵摇预测姿态。
在一种可能的实现方式中,若下一时段中包括一个时刻,则基于实际船舶姿态数据,通过已训练船舶姿态预测网络,预测一个时刻的预测船舶姿态数据;
若下一时段中包括至少两个时刻,则基于实际船舶姿态数据,通过已训练船舶姿态预测网络,预测下一时段中第一时刻的第一预测船舶姿态数据,以及基于第一预测船舶姿态数据,通过已训练船舶姿态预测网络,预测下一时段中后续时刻的第二预测船舶姿态数据;或基于实际船舶姿态数据,通过已训船舶姿态预测网络,直接预测下一时段中至少两个时刻的预测船舶姿态数据;
其中,已训练船舶姿态预测网络是基于历史实际船舶姿态数据训练获得的。
与本申请上述方法实施例基于同一发明构思,本申请实施例还提供的一种船舶姿态预测系统,系统解决问题的原理与上述实施例的方法相似,因此系统的实施可以参见上述方法的实施,重复之处不再赘述。
参考图11,图11示例性提供本申请实施例提供一种船舶姿态预测系统1100,该船舶姿态预测系统1100包括:数据采集设备1101、姿态预测设备1102、显示设备1103、控制设备1104,其中:
数据采集设备1101,用于针对待处理船舶,获取当前时段的实际船舶姿态数据,并将实时船舶姿态数据传输到姿态预测设备;
姿态预测设备1102,用于基于实际船舶姿态数据,针对待处理船舶预测下一时段的预测船舶姿态数据集,并将预测船舶姿态数据集传输给显示设备,以控制设备,其中,预测船舶姿态数据集中包括下一时段中至少一个时刻对应的预测船舶姿态数据;
显示设备1103,用于通过配置的显示策略,基于预测船舶姿态数据集对待处理船舶进行预测姿态展示,其中显示策略包括:通过预设船舶模型加载预测船舶姿态数据集的模型展示策略、基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种;
控制设备1104,用于对预测船舶姿态数据进行分析,确定行船控制策略,并基于行船控制策略,控制船舶的行驶状态,其中行船控制策略包括打舵、减速中的至少一种。
在一种可能的实现方式中,数据采集设备1101还用于:
检测到实际船舶姿态数据为空值时,采用设定数值对实际船舶姿态数据进行填充处理;和/或
检测到实际船舶姿态数据为异常值时,对实际船舶姿态数据进行滤波处理。
在一种可能的实现方式中,控制设备1104具体用于:
响应于预测船舶姿态数据满足行船控制条件时,对预测船舶姿态数据进行分析,确定行船控制策略,其中行船控制策略包括打舵、减速中的至少一种;
基于行船控制策略,控制船舶的行驶状态。
在一种可能的实现方式中,行船控制条件包括如下至少一种:
预测船舶姿态数据不在待处理船舶当前所处区域关联的第一阈值范围;或
预测船舶姿态数据与前一时刻的船舶姿态数据之间的差值,不在待处理船舶当前所处区域关联的第二阈值范围内;或
预测船舶姿态数据与前K时刻的船舶姿态数据之间的差值的最大值,不在待处理船舶当前所处区域关联的第三阈值范围内,其中K为正整数。
在一种可能的实现方式中,控制设备1104还用于:
响应于预测船舶姿态数据满足待处理船舶当前所处区域关联的告警控制条件时,通过配置的告警策略,进行告警处理。
在一种可能的实现方式中,控制设备1104通过配置的告警策略,进行告警处理,具体用于:
通过配置的语音告警策略,进行语音告警处理;和/或
通过配置的显示告警策略,对展示的待处理船舶的预设姿态进行告警标记。
在一种可能的实现方式中,待处理船舶当前所处区域关联的告警控制条件包括如下至少一种:
预测船舶姿态数据不在待处理船舶当前所处区域关联的第一安全范围内;或
预测船舶姿态数据与前一时刻的船舶姿态数据之间的差值,不在待处理船舶当前所处区域关联的第二安全范围内;或
预测船舶姿态数据与前K时刻的船舶姿态数据之间的差值的最大值,不在待处理船舶当前所处区域关联的第三安全范围内,其中K为正整数。
在一种可能的实现方式中,显示策略包括通过预设船舶模型加载预测船舶姿态数据集的模型展示策略时,显示设备1103具体用于:
通过配置的三维船舶模型,按照时间顺序,采用视频的方式,在显示界面中的三维船舶模型展示区域,实时展示待处理船舶的预测姿态;和/或
通过配置的两个二维船舶模型,按照时间顺序,采用视频的方式,在显示界面中的横摇船舶模型展示区域,实时展示待处理船舶的横摇预测姿态,以及在显示界面中纵摇船舶模型展示区域,实时展示待处理船舶的纵摇预测姿态。
在一种可能的实现方式中,若下一时段中包括一个时刻,姿态预测设备1102具体用于:
基于实际船舶姿态数据,通过已训练船舶姿态预测网络,预测一个时刻的预测船舶姿态数据。
其中,已训练船舶姿态预测网络是基于历史实际船舶姿态数据训练获得的。
在一种可能的实现方式中,若下一时段中包括至少两个时刻,姿态预测设备1102具体用于:
基于实际船舶姿态数据,通过已训练船舶姿态预测网络,预测下一时段中第一时刻的第一预测船舶姿态数据,以及基于第一预测船舶姿态数据,通过已训练船舶姿态预测网络,预测下一时段中后续时刻的第二预测船舶姿态数据;或
基于实际船舶姿态数据,通过已训船舶姿态预测网络,直接预测下一时段中至少两个时刻的预测船舶姿态数据;
其中,已训练船舶姿态预测网络是基于历史实际船舶姿态数据训练获得的。
需要说明的是,数据采集设备、姿态预测设备、显示设备以及控制设备可以是单独的设备,也可以将数据采集设备、姿态预测设备、显示设备以及控制设备各自实现的功能集中到同一设备中实现。
参考图12,图12示例性提供本申请实施例中另一种船舶姿态预测系统,该船舶姿态预测系统相比较船舶姿态预测系统1100,还包括:网络训练设备1201。
网络训练设备1201用于:基于历史实际船舶姿态数据,对待训练船舶姿态预测网络进行训练,获得已训练船舶姿态预测网络,并将已训练船舶姿态预测网络部署到姿态预测设备1102。
数据采集设备1101,用于针对待处理船舶,获取当前时段的实际船舶姿态数据,其中,实际船舶姿态数据包括船舶横摇、纵摇的实时姿态数据,并将实时船舶姿态数据通过串口通信的方式传输到姿态预测设备1102;
姿态预测设备1102,用于基于实际船舶姿态数据,通过硬件设备中部署的已训练船舶姿态预测网络,针对待处理船舶预测下一时段的预测船舶姿态数据集,并将预测船舶姿态数据集传输给显示设备1103,且在确定预测船舶姿态数据集中的预测船舶姿态满足控制条件时,将预测船舶姿态传输给控制设备1104;
显示设备1103,用于通过配置的显示策略,基于预测船舶姿态数据集对待处理船舶进行预测姿态展示,其中显示策略包括:通过预设船舶模型加载预测船舶姿态数据集的模型展示策略、基于预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种;即可视化待处理船舶的预测姿态;
控制设备1104,用于对预测船舶姿态数据进行分析,确定相应的控制措施,并基于相应的控制措施,对船舶进行控制。
在本申请实施例提供的船舶姿态预测系统中,建立了一整套船舶姿态实时预测框架,通过网络训练设备生成已训练船舶姿态预测网络,并将已训练船舶姿态预测网络部署到姿态预测设备中,姿态预测设备基于数据采集设备实时采集的当前时段的实际船舶姿态数据,通过已训练船舶姿态预测网络,实时预测下一时段的预测船舶姿态数据集,然后通过显示设备实时将预测的预测船舶姿态数据集对应的姿态变化展示,同时,在检测到预测船舶姿态数据异常时,通过控制设备按照相应的控制措施进行控制,实现了从预测网络生成、预测网络部署、实时数据采集、实时数据预测、实时显示、预控制的功能,提升了船舶航行的安全性和稳定性。
为了描述的方便,以上各部分按照功能划分为各单元(或模块)分别描述。当然,在实施本申请时可以把各单元(或模块)的功能在同一个或多个软件或硬件中实现。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在介绍了本申请示例性实施方式的船舶姿态预测方法和装置之后,接下来,介绍根据本申请的另一示例性实施方式的用于船舶姿态预测的电子设备。
与本申请上述方法实施例基于同一发明构思,本申请实施例中还提供了一种电子设备,该电子设备可以是服务器。在该实施例中,电子设备的结构可以如图13所示,包括存储器1301,通讯模块1303以及一个或多个处理器1302。
存储器1301,用于存储处理器1302执行的计算机程序。存储器1301可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统,以及运行即时通讯功能所需的程序等;存储数据区可存储各种即时通讯信息和操作指令集等。
存储器1301可以是易失性存储器(volatile memory),例如随机存取存储器(random-access memory,RAM);存储器1301也可以是非易失性存储器(non-volatilememory),例如只读存储器,快闪存储器(flash memory),硬盘(hard disk drive,HDD)或固态硬盘(solid-state drive,SSD);或者存储器1301是能够用于携带或存储具有指令或数据结构形式的期望的计算机程序并能够由计算机存取的任何其他介质,但不限于此。存储器1301可以是上述存储器的组合。
处理器1302,可以包括一个或多个中央处理单元(central processing unit,CPU)或者为数字处理单元等等。处理器1302,用于调用存储器1301中存储的计算机程序时实现上述船舶姿态预测方法。
通讯模块1303用于与终端设备和其他服务器进行通信。
本申请实施例中不限定上述存储器1301、通讯模块1303和处理器1302之间的具体连接介质。本申请实施例在图13中以存储器1301和处理器1302之间通过总线1304连接,总线1304在图13中以粗线描述,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线1304可以分为地址总线、数据总线、控制总线等。为便于描述,图13中仅用一条粗线描述,但并不描述仅有一根总线或一种类型的总线。
存储器1301中存储有计算机存储介质,计算机存储介质中存储有计算机可执行指令,计算机可执行指令用于实现本申请实施例的船舶姿态预测方法。处理器1302用于执行上述的船舶姿态预测方法。
在一些可能的实施方式中,本申请提供的船舶姿态预测方法的各个方面还可以实现为一种程序产品的形式,其包括计算机程序,当程序产品在电子设备上运行时,计算机程序用于使电子设备执行本说明书上述描述的根据本申请各种示例性实施方式的船舶姿态预测方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括计算机程序,并可以在计算装置上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被命令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分船舶的数据信号,其中承载了可读计算机程序。这种船舶的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、船舶或者传输用于由命令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用计算机程序的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (12)
1.一种船舶姿态预测方法,其特征在于,所述方法包括:
针对待处理船舶,获取当前时段的实际船舶姿态数据;
基于所述实际船舶姿态数据,针对所述待处理船舶预测下一时段的预测船舶姿态数据集,其中,所述预测船舶姿态数据集包括所述下一时段中至少一个时刻对应的预测船舶姿态数据;
通过配置的显示策略,基于所述预测船舶姿态数据集对所述待处理船舶进行预测姿态展示,其中所述显示策略包括:通过预设船舶模型加载所述预测船舶姿态数据集的模型展示策略、基于所述预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于所述预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种。
2.如权利要求1所述的方法,其特征在于,所述获取实际船舶姿态数据后,基于所述实际船舶姿态数据,预测下一时段的预测船舶姿态数据集之前,还包括:
检测到所述实际船舶姿态数据为空值时,采用设定数值对所述实际船舶姿态数据进行填充处理;和/或
检测到所述实际船舶姿态数据为异常值时,对所述实际船舶姿态数据进行滤波处理。
3.如权利要求1所述的方法,其特征在于,所述基于所述实际船舶姿态数据,预测下一时段的预测船舶姿态数据集后,还包括:
响应于所述预测船舶姿态数据满足行船控制条件时,对所述预测船舶姿态数据进行分析,确定行船控制策略,其中所述行船控制策略包括打舵、减速中的至少一种;
基于所述行船控制策略,控制船舶的行驶状态。
4.如权利要求3所述的方法,其特征在于,所述行船控制条件包括如下至少一种:
所述预测船舶姿态数据不在所述待处理船舶当前所处区域关联的第一阈值范围;或
所述预测船舶姿态数据与前一时刻的船舶姿态数据之间的差值,不在所述待处理船舶当前所处区域关联的第二阈值范围内;或
所述预测船舶姿态数据与前K时刻的船舶姿态数据之间的差值的最大值,不在所述待处理船舶当前所处区域关联的第三阈值范围内,其中K为正整数。
5.如权利要求1所述的方法,其特征在于,所述基于所述实际船舶姿态数据,预测下一时段的预测船舶姿态数据集后,还包括:
响应于所述预测船舶姿态数据满足所述待处理船舶当前所处区域关联的告警控制条件时,通过配置的告警策略,进行告警处理。
6.如权利要求5所述的方法,其特征在于,所述通过配置的告警策略,进行告警处理,包括:
通过配置的语音告警策略,进行语音告警处理;和/或
通过配置的显示告警策略,对展示的所述待处理船舶的预设姿态进行告警标记。
7.如权利要求5所述的方法,其特征在于,所述待处理船舶当前所处区域关联的告警控制条件包括如下至少一种:
所述预测船舶姿态数据不在所述待处理船舶当前所处区域关联的第一安全范围内;或
所述预测船舶姿态数据与前一时刻的船舶姿态数据之间的差值,不在所述待处理船舶当前所处区域关联的第二安全范围内;或
所述预测船舶姿态数据与前K时刻的船舶姿态数据之间的差值的最大值,不在所述待处理船舶当前所处区域关联的第三安全范围内,其中K为正整数。
8.如权利要求1所述的方法,其特征在于,所述显示策略包括通过预设船舶模型加载所述预测船舶姿态数据集的模型展示策略时,所述通过配置的显示策略,基于所述预测船舶姿态数据集对所述待处理船舶进行预测姿态展示,包括:
通过配置的三维船舶模型,按照时间顺序,采用视频的方式,在显示界面中的三维船舶模型展示区域,实时展示所述待处理船舶的预测姿态;和/或
通过配置的两个二维船舶模型,按照时间顺序,采用视频的方式,在显示界面中的横摇船舶模型展示区域,实时展示所述待处理船舶的横摇预测姿态,以及在显示界面中纵摇船舶模型展示区域,实时展示所述待处理船舶的纵摇预测姿态。
9.如权利要求1~8任一所述的方法,其特征在于,若所述下一时段中包括一个时刻,则基于所述实际船舶姿态数据,通过已训练船舶姿态预测网络,预测所述一个时刻的预测船舶姿态数据;
若所述下一时段中包括至少两个时刻,则基于所述实际船舶姿态数据,通过已训练船舶姿态预测网络,预测所述下一时段中第一时刻的第一预测船舶姿态数据,以及基于所述第一预测船舶姿态数据,通过所述已训练船舶姿态预测网络,预测所述下一时段中后续时刻的第二预测船舶姿态数据;或基于所述实际船舶姿态数据,通过已训船舶姿态预测网络,直接预测所述下一时段中至少两个时刻的预测船舶姿态数据;
其中,所述已训练船舶姿态预测网络是基于历史实际船舶姿态数据训练获得的。
10.一种船舶姿态预测装置,其特征在于,所述装置包括:
获取单元,用于针对待处理船舶,获取当前时段的实际船舶姿态数据;
预测单元,用于基于所述实际船舶姿态数据,针对所述待处理船舶预测下一时段的预测船舶姿态数据集,其中,所述预测船舶姿态数据集包括所述下一时段中至少一个时刻对应的预测船舶姿态数据;
显示单元,用于通过配置的显示策略,基于所述预测船舶姿态数据集对所述待处理船舶进行预测姿态展示,其中所述显示策略包括:通过预设船舶模型加载所述预测船舶姿态数据集的模型展示策略、基于所述预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于所述预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种。
11.一种电子设备,其特征在于,该电子设备包括:存储器和处理器,其中:
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述计算机程序,实现权利要求1~9任一所述方法的步骤。
12.一种船舶姿态预测系统,其特征在于,所述系统包括:数据采集设备、姿态预测设备、显示设备、控制设备,其中:
所述数据采集设备,用于针对待处理船舶,获取当前时段的实际船舶姿态数据,并将所述实时船舶姿态数据传输到所述姿态预测设备;
所述姿态预测设备,用于基于所述实际船舶姿态数据,针对所述待处理船舶预测下一时段的预测船舶姿态数据集,并将所述预测船舶姿态数据集传输给所述显示设备,以所述控制设备,其中,所述预测船舶姿态数据集中包括所述下一时段中至少一个时刻对应的预测船舶姿态数据;
所述显示设备,用于通过配置的显示策略,基于所述预测船舶姿态数据集对所述待处理船舶进行预测姿态展示,其中所述显示策略包括:通过预设船舶模型加载所述预测船舶姿态数据集的模型展示策略、基于所述预测船舶姿态数据集生成的船舶姿态变化曲线的姿态变换展示策略、基于所述预测船舶姿态数据集生成的船舶姿态数据值的姿态数据展示策略中的至少一种;
所述控制设备,用于对所述预测船舶姿态数据进行分析,确定行船控制策略,并基于所述行船控制策略,控制船舶的行驶状态,其中所述行船控制策略包括打舵、减速中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211165093.4A CN115578546A (zh) | 2022-09-23 | 2022-09-23 | 船舶姿态预测方法、设备、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211165093.4A CN115578546A (zh) | 2022-09-23 | 2022-09-23 | 船舶姿态预测方法、设备、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115578546A true CN115578546A (zh) | 2023-01-06 |
Family
ID=84580476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211165093.4A Pending CN115578546A (zh) | 2022-09-23 | 2022-09-23 | 船舶姿态预测方法、设备、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578546A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN117073769A (zh) * | 2023-10-17 | 2023-11-17 | 中交第一航务工程局有限公司 | 一种全漂浮状态下船体姿态的检测装置 |
-
2022
- 2022-09-23 CN CN202211165093.4A patent/CN115578546A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN117073769A (zh) * | 2023-10-17 | 2023-11-17 | 中交第一航务工程局有限公司 | 一种全漂浮状态下船体姿态的检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115578546A (zh) | 船舶姿态预测方法、设备、装置及系统 | |
CN110570690B (zh) | 一种船舶航行风险预警方法、装置、终端设备及存储介质 | |
US12005922B2 (en) | Toward simulation of driver behavior in driving automation | |
Mittendorf et al. | Sea state identification using machine learning—A comparative study based on in-service data from a container vessel | |
CN112766329B (zh) | 一种多无人艇协同拦截控制方法及系统 | |
US10712159B2 (en) | Critical system operations and simulations using wearable immersive augmented reality technology | |
CN116306790B (zh) | 一种基于cnn-gru和注意力机制的近海船舶轨迹实时预测方法、系统、设备及介质 | |
JP2022521718A (ja) | 船舶ランデブー検出 | |
CN112347218B (zh) | 无人船艇的环境地图生成方法及无人船艇感知系统 | |
CN111861155A (zh) | 船舶碰撞风险检测方法、系统、计算机设备和存储介质 | |
CN115995165A (zh) | 一种船舶航行风险管理方法和系统 | |
CN113408711A (zh) | 一种基于lstm神经网络的船舶运动极短期预报方法及系统 | |
US20230245429A1 (en) | Method and apparatus for training lane line detection model, electronic device and storage medium | |
CN116280094A (zh) | 一种基于Conv-Bi-LSTM模型的船舶升沉运动预测系统及预测方法 | |
CN111824357B (zh) | 测试方法、装置、电子设备及计算机可读存储介质 | |
CN116778437B (zh) | 目标船只轨迹监测方法、装置、电子设备及可读存储介质 | |
CN113920447A (zh) | 船舶入港检测方法、装置、计算机设备及存储介质 | |
CN116812109A (zh) | 一种船舶自主航行系统的测试方法及系统 | |
CN114663964A (zh) | 船舶远程驾驶行为状态监测预警方法、系统及存储介质 | |
CN115166754A (zh) | 一种激光雷达点云的处理方法、装置、电子设备及介质 | |
CN111028482B (zh) | 远洋航行的提醒方法、装置及系统 | |
CN118015477B (zh) | 一种航海雷达图像识别方法、装置、电子设备及存储介质 | |
CN117273197B (zh) | 基于航迹及生产信息融合的船舶运营状态预测方法及系统 | |
EP4411505A1 (en) | Auto-docking of marine vessels | |
Chen et al. | From integrated bridge system to marine bridge domain: A computational perspective |
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 |