一种基于路径规划与人工势场法的船舶编队智能避碰方法

    公开(公告)号:CN110471427B

    公开(公告)日:2022-05-10

    申请号:CN201910844061.9

    申请日:2019-09-06

    Abstract: 本发明提供一种基于路径规划与人工势场法的船舶编队智能避碰方法,属于信息技术与船舶编队分布式控制技术领域,为解决现有人工势场所存在的技术问题,本发明方法,通过电子海图系统获得实时航行安全信息,结合船舶性能设定航行安全水深等指标,利用路径规划方法预规划出起点到终点的路径。通过船舶自动识别系统、全球定位系统等设备获得船舶的航行安全信息。当编队内船与船间的距离或船与障碍物间的距离小于对应的安全距离时,触发避碰或避障人工势场,通过人工势场排斥力与船舶路径跟踪复合力矩控制船舶航向和航速。本发明将路径规划与人工势场法结合,充分利用船舶航行全局信息与实时局部信息,实现了船舶智能航行与避碰控制。

    一种基于路径规划与人工势场法的船舶编队智能避碰方法

    公开(公告)号:CN110471427A

    公开(公告)日:2019-11-19

    申请号:CN201910844061.9

    申请日:2019-09-06

    Abstract: 本发明提供一种基于路径规划与人工势场法的船舶编队智能避碰方法,属于信息技术与船舶编队分布式控制技术领域,为解决现有人工势场所存在的技术问题,本发明方法,通过电子海图系统获得实时航行安全信息,结合船舶性能设定航行安全水深等指标,利用路径规划方法预规划出起点到终点的路径。通过船舶自动识别系统、全球定位系统等设备获得船舶的航行安全信息。当编队内船与船间的距离或船与障碍物间的距离小于对应的安全距离时,触发避碰或避障人工势场,通过人工势场排斥力与船舶路径跟踪复合力矩控制船舶航向和航速。本发明将路径规划与人工势场法结合,充分利用船舶航行全局信息与实时局部信息,实现了船舶智能航行与避碰控制。

    一种基于动态分割逆离散余弦变换倒谱系数的音声特征提取算法

    公开(公告)号:CN109767756A

    公开(公告)日:2019-05-17

    申请号:CN201910087494.4

    申请日:2019-01-29

    Abstract: 本发明公开了一种基于动态分割逆离散余弦变换倒谱系数的音声特征提取算法,具有如下步骤:S1、对音声信号进行预加重、分帧和加窗预处理:S2、对于预处理后的音声信号进行从时域到频域的变换形式处理:S3、利用聚类分析算法,计算步骤S2得到的逆离散余弦变换倒谱系数之间的相似度,并把相似度最大的相邻两类依次合并;迭代以上过程,直至聚类至24类,得到的动态分割逆离散余弦变换倒谱系数即为音声特征。本发明完善了现有技术没有充分利用音声动态特征进行频域变换的缺点,使本发明具有更广泛的适应性,且在说话人识别上可以获得更高的识别精度。

    一种基于宽度学习的安全帽图像识别算法

    公开(公告)号:CN109522838A

    公开(公告)日:2019-03-26

    申请号:CN201811355123.1

    申请日:2018-11-14

    Abstract: 本发明公开了一种基于宽度学习的安全帽图像识别算法,其特征在于具有如下步骤:S1、宽度学习系统的数据准备;S2、基于宽度学习训练安全帽图像识别模型;S3、基于宽度学习系统的安全帽图像检测机制:S31、读取步骤S1得到的图像测试集和步骤S2得到的所述安全帽图像识别模型;S32、将图像测试集中的图像输入到所述安全帽图像识别模型,获得输出值;S33、将有人但无安全帽的图片进行标记,并发出警告。本发明是基于宽度学习系统的安全帽图像识别技术,而宽度学习架构层次较浅,对计算资源要求较低使得其能够在低端设备上进行部署且不会损失太大的精度。

    一种异构船舶多航迹通用分段特征提取方法

    公开(公告)号:CN116796169A

    公开(公告)日:2023-09-22

    申请号:CN202310570732.3

    申请日:2023-05-19

    Abstract: 本发明公开了一种异构船舶多航迹分段通用特征提取方法,所述异构船舶为不同船型C和船长L的多条船舶,所述方法包括以下步骤:确定AIS数据采集海域;对异构船舶进行分类;对多航迹进行通用分段;提取通用分段航迹特征;依次选取航迹集合中的航迹,根据MMSI选择所属船舶分类的通用分段及其通用分段航迹特征。本发明可同时处理不同船舶的多条航迹,可用于轨迹压缩或轨迹特征提取。本发明通过得分的方式确定航迹特征点,保证了航迹特征提取的有效性。此外,也可将其他航迹直接应用于本发明,保证了航迹特征提取算法的泛化性,与传统特征提取算法相比,降低了迭代和计算时间。

    一种基于宽度学习的船舶运动无模型自适应最优控制方法

    公开(公告)号:CN109884886B

    公开(公告)日:2021-09-28

    申请号:CN201910252022.X

    申请日:2019-03-29

    Abstract: 本发明公开了一种基于宽度学习的船舶运动无模型自适应最优控制方法,包括以下步骤:S1:建立包含输入层和输出层的宽度学习模型,S2:根据控制目标构建船舶航向的最优控制目标函数;S3:根据被控船舶当前状态利用训练好的宽度学习模型获得船舶下一时刻航行状态的估计;S4:构建评价网和执行网的三层BP神经网络结构;S5:利用评价网权值更新公式进行权值更新;S6:利用执行网权值更新公式更新执行网的连接权重从而获得船舶当前时刻控制率S7:将更新后的船舶状态与当前控制率输入到宽度学习模型中重复S3‑S7,在此过程中评价网和执行网权值收敛得到船舶航向的近似最优控制。

Patent Agency Ranking