-
公开(公告)号：CN115468584A
公开(公告)日：2022-12-13
申请号：CN202211035351.7
申请日：2022-08-26
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于级联神经网络的船舶组合导航故障检测方法，包括：S1：建立水面船舶SINS/GNSS和SINS/DVL/COMPASS的组合导航系统方程；S2：选取组合导航状态估计误差的变量：S3：选取组合导航量测误差的变量：S4：获取组合导航系统滤波过程中产生的协方差矩阵Pk；S5：获取残差的χ2检验法的故障信息统计量qk；S6：获取组合导航系统的故障信息。本发明针对基于残差观测器的故障检测算法存在渐变故障不易被识别以及故障阈值设置依赖先验知识的问题，采用级联神经网络实现对渐变故障更加敏感，提高了组合导航系统故障检测的智能性，具有故障检测的鲁棒性。
-
公开(公告)号：CN115115933A
公开(公告)日：2022-09-27
申请号：CN202210524826.2
申请日：2022-05-13
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/74 , G06V10/75 , G06V10/762
Abstract: 本发明公开了一种基于自监督对比学习的高光谱图像目标检测方法，包括：首先对待检测的高光谱图像进行奇偶波段采样，然后将得到的奇偶波段高光谱图像用于训练相应的对抗卷积自编码器，将训练好的编码器的特征提取部分作为数据增强函数用于数据增强。正负对通过数据增强构建，主干用于提取增强样本的表示向量。然后使用它们对应的对比头将表示向量分别映射到光谱和聚类对比空间。在对比空间中，通过最大化正对的相似性同时最小化负对的相似性来学习光谱和簇的相似性和相异性，以增加目标和背景的表示向量之间的差异。最后，结合空间信息，使用边缘保持滤波器对利用光谱信息通过余弦相似度得到的检测结果进行处理得到最终的检测结果。
-
公开(公告)号：CN115115933B
公开(公告)日：2024-08-09
申请号：CN202210524826.2
申请日：2022-05-13
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/74 , G06V10/75 , G06V10/762
Abstract: 本发明公开了一种基于自监督对比学习的高光谱图像目标检测方法，包括：首先对待检测的高光谱图像进行奇偶波段采样，然后将得到的奇偶波段高光谱图像用于训练相应的对抗卷积自编码器，将训练好的编码器的特征提取部分作为数据增强函数用于数据增强。正负对通过数据增强构建，主干用于提取增强样本的表示向量。然后使用它们对应的对比头将表示向量分别映射到光谱和聚类对比空间。在对比空间中，通过最大化正对的相似性同时最小化负对的相似性来学习光谱和簇的相似性和相异性，以增加目标和背景的表示向量之间的差异。最后，结合空间信息，使用边缘保持滤波器对利用光谱信息通过余弦相似度得到的检测结果进行处理得到最终的检测结果。
-
公开(公告)号：CN117495091A
公开(公告)日：2024-02-02
申请号：CN202311457234.4
申请日：2023-11-03
Applicant: 大连海事大学
IPC: G06Q10/0635 , G06Q50/40
Abstract: 本发明公开了一种基于熵‑TOPSIS‑耦合协调模型的智能船舶航行风险评价方法，基于专家知识及海上交通历史事故，通过融合熵权法根据各风险因素造成的事故发生概率对智能船舶航行风险指标矩阵进行归一化处理，并获取航行风险的信息熵权值；基于逼近理想解排序法，根据航行风险因素的权重与航行风险指标规范矩阵获取智能船舶的航行风险综合评价指数，并基于各航行风险综合评价指数建立航行风险综合评价指数序列表；基于耦合协调度模型，根据航行风险因素的权重与各风险因素造成的事故发生概率，进行耦合协调度计算获取智能船舶的航行风险耦合协调度；对智能船舶的航行危险进行了量化，且通过解耦降低各航行风险因素间的耦合协调度有效提高智能船舶的航行安全。
-
Patent Agency Ranking
公开(公告)号：CN117315995B
公开(公告)日：2024-05-07
申请号：CN202311280044.X
申请日：2023-09-28
Applicant: 大连海事大学
IPC: G08G3/02
Abstract: 本发明公开了一种基于近距离错过的水域碰撞危险量化及空间分布表征方法，能够通过两船的船舶领域的相对位置关系及避碰参数对它们之间的潜在碰撞危险进行表征。通过判断两船是否处于近距离错过船舶状态的方法，将船舶领域重叠率与传统避碰参数相结合对近距离错过局面进行辨识；克服了仅从距离角度对近距离错过局面的辨识不充分的问题，能够对水域中的潜在的近距离错过局面进行更加准确的辨识，从而对水域中的碰撞危险进行更加充分的识别。同时结合船舶领域重叠指数，进一步对水域中瞬时的碰撞危险进行量化并对其空间分布进行表征；使得本发明能够不受统计时段局限，使相关人员实时、全面、充分地了解掌握水域的碰撞危险情况。
-
公开(公告)号：CN117351780A
公开(公告)日：2024-01-05
申请号：CN202311253935.6
申请日：2023-09-26
Applicant: 大连海事大学
IPC: G08G3/02 , G06Q10/0631 , G06Q10/083 , G06F18/23211
Abstract: 本发明公开了一种海上混合交通场景下船舶高密度区域监管方法及系统。方法包括：S1、获取海上混合交通场景中的船舶AIS数据；S2、提取船舶AIS数据的经纬度坐标，计算获得船舶核心距离和可达距离有序序列；通过坡度阈方法计算得到不同密集程度的船舶区域；通过计算各个船舶区域的平均核心密度来确定船舶高密度区域；S3、对船舶高密度区域内存在碰撞风险的多种驾驶模式船舶进行调度。本发明通过计算船舶点之间的距离关系，以及船舶点可达距离有序序列的坡度阈值来计算获得不同船舶密度的区域，进而确定船舶密度最高的区域，针对有人在船和无人在船船舶，采用了不同的指令派发方式，辅助岸基监管人员对混合交通场景中的存在碰撞风险的船舶进行调度监管。
-
公开(公告)号：CN117315995A
公开(公告)日：2023-12-29
申请号：CN202311280044.X
申请日：2023-09-28
Applicant: 大连海事大学
IPC: G08G3/02
Abstract: 本发明公开了一种基于近距离错过的水域碰撞危险量化及空间分布表征方法，能够通过两船的船舶领域的相对位置关系及避碰参数对它们之间的潜在碰撞危险进行表征。通过判断两船是否处于近距离错过船舶状态的方法，将船舶领域重叠率与传统避碰参数相结合对近距离错过局面进行辨识；克服了仅从距离角度对近距离错过局面的辨识不充分的问题，能够对水域中的潜在的近距离错过局面进行更加准确的辨识，从而对水域中的碰撞危险进行更加充分的识别。同时结合船舶领域重叠指数，进一步对水域中瞬时的碰撞危险进行量化并对其空间分布进行表征；使得本发明能够不受统计时段局限，使相关人员实时、全面、充分地了解掌握水域的碰撞危险情况。
-
公开(公告)号：CN119207166A
公开(公告)日：2024-12-27
申请号：CN202411371876.7
申请日：2024-09-29
Applicant: 大连海事大学
IPC: G08G3/02 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种障碍船运动信息不定条件下的船舶避碰优化方法，通过构建用于衡量船舶碰撞危险度的隶属度函数，以构建船舶碰撞危险度数学模型获取当前船舶碰撞危险度；并基于国际海事避碰规则，根据预设船舶碰撞危险度范围划分并获取船舶避碰危险阶段及对应船舶避碰危险阶段的船舶会遇态势与让路关系，通过结合DWA避碰算法与VO避碰算法，为在不同避碰局面下为智能船自主避碰策略地制定提供支持；针对船舶航行状态存在不连续输出的情况，提出一种CNN‑GRU船舶航行状态预测网络，基于AIS历史数据对船舶航行状态及状态的不确定性进行预测，获得其位置的不确定分布，以便在移动碍航物不能被连续感知的情况下，仍能保证智能决策系统为智能船提供有效的避碰决策支持，充分考虑船舶位置的不确定性，对船舶领域进行优化。
-
公开(公告)号：CN115468584B
公开(公告)日：2024-12-24
申请号：CN202211035351.7
申请日：2022-08-26
Applicant: 大连海事大学
IPC: G01C25/00 , G01C21/16 , G01S19/23 , G01S19/47 , G06N3/0464 , G06N3/084 , G06F18/15 , G06F18/2131 , G06F18/243
Abstract: 本发明公开了一种基于级联神经网络的船舶组合导航故障检测方法，包括：S1：建立水面船舶SINS/GNSS和SINS/DVL/COMPASS的组合导航系统方程；S2：选取组合导航状态估计误差的变量：S3：选取组合导航量测误差的变量：S4：获取组合导航系统滤波过程中产生的协方差矩阵Pk；S5：获取残差的χ2检验法的故障信息统计量qk；S6：获取组合导航系统的故障信息。本发明针对基于残差观测器的故障检测算法存在渐变故障不易被识别以及故障阈值设置依赖先验知识的问题，采用级联神经网络实现对渐变故障更加敏感，提高了组合导航系统故障检测的智能性，具有故障检测的鲁棒性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
