-
公开(公告)号：CN119270856B
公开(公告)日：2025-05-23
申请号：CN202411385695.X
申请日：2024-09-30
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
IPC: G05D1/43 , G05D109/30
Abstract: 本发明提供了一种船舶大洋航线优化预报方法，包括如下步骤：S1、根据航次任务，根据转向点和航线类型建立初始航线；S2、建立船舶在海上对环境的运动响应数学模型；S3、获得船舶所经过海域的海洋环境预报结果；S4、计算船舶经过该海域的运动响应；S5、收集船舶此次航次任务中的其他要求条件作为其他约束；S6、优化计算得到船舶在优化目标下所应采取的优化航线和优化螺旋桨转速；S8、重复S3～S7，并执行最新得到的航线和航速优化方案。本发明通过对包括航线和螺旋桨转速在内的船舶航行计划要素进行优化，可以在规避恶劣海况以保证安全的前提下得到满足用户优化需求的航行方案。该方法有助于对船舶航行的智能化建设。
-
公开(公告)号：CN119443786A
公开(公告)日：2025-02-14
申请号：CN202411453591.8
申请日：2024-10-17
Applicant: 大连海事大学
IPC: G06Q10/0635 , G06Q50/40 , G06F16/2458 , G06N5/025
Abstract: 本申请适用于海上交通事故研究领域，提供了海上交通事故的风险影响因素分析方法，所述方法，包括：通过ARM技术，在不同船型海上交通事故调查报告中挖掘出不同船型海上交通事故中风险影响因素间的关联关系；基于所述关联关系，通过CN理论构建不同船型海上交通事故中风险影响因素的风险交互网络，并分析所述风险交互网络的拓扑特征数据；根据所述拓扑特征数据和基于WINGS方法构建的动态分析模型，获取不同船型海上交通事故中风险影响因素间的因果关系；基于所述因果关系和基于AISM方法建立的对抗性层次拓扑模型，确定不同船型海上交通事故中风险影响因素间的因果层次关系。
-
公开(公告)号：CN117494057A
公开(公告)日：2024-02-02
申请号：CN202311846304.5
申请日：2023-12-29
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
IPC: G06F18/25 , G06F18/2135 , G06N3/048 , G06N3/082 , G06F17/18
Abstract: 本发明提供了一种基于分阶多尺度分解的船舶运动预报方法，涉及船舶与海洋工程技术领域，包括如下步骤：S1、采集船舶运动实测数据；S2、利用经验模态分解方法对船舶运动实测数据进行信息多尺度分解，并对高频分量进行离散小波变化，得到分解后分量；S3、用每一个分解后分量进行神经网络辨识和预报，动态调整神经网络的规模、隐节点数目和位置，通过变结构神经网络对每个分量进行分别预报；S4、对每个分量的预报结果进行信息重组，得到最终的预报模型。本发明用基于滑动窗口的变结构径向基函数神经网络的非线性动态拟合能力和对系统状态的动态反映能力，能够得到更精确的海上船舶运动预报。
-
公开(公告)号：CN116822336B
公开(公告)日：2024-04-09
申请号：CN202310643506.3
申请日：2023-06-01
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
Abstract: 本发明提供了一种多模型组合的潮汐预报方法，涉及潮汐预报技术领域，包括如下步骤：S1、采集目标点位及附近点位的实测潮汐及水文气象要素数据；S2、利用调和分析法建立调和预报模型，获得第一预报结果；S3、建立带外部输入的潮汐预报自回归偏最小二乘模型，获得第一预报结果；S4、基于多尺度分解建立变结构神经网络预报模型，计算所述第一预报结果与实际潮汐的差值部分；将差值部分利用变结构神经网络预报模型进行辨识和预报，获得第二预报结果；S6、将第一预报结果与第二预报结果相加，得到最终潮汐预报结果。本发明充分利用线性预报方法鲁棒性强的优点和神经网络等非线性预报方法自适应、非线性的优点，能在保证稳定性的同时提高预报的精度。
-
公开(公告)号：CN116822336A
公开(公告)日：2023-09-29
申请号：CN202310643506.3
申请日：2023-06-01
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
Abstract: 本发明提供了一种多模型组合的潮汐预报方法，涉及潮汐预报技术领域，包括如下步骤：S1、采集目标点位及附近点位的实测潮汐及水文气象要素数据；S2、利用调和分析法建立调和预报模型，获得第一预报结果；S3、建立带外部输入的潮汐预报自回归偏最小二乘模型，获得第一预报结果；S4、基于多尺度分解建立变结构神经网络预报模型，计算所述第一预报结果与实际潮汐的差值部分；将差值部分利用变结构神经网络预报模型进行辨识和预报，获得第二预报结果；S6、将第一预报结果与第二预报结果相加，得到最终潮汐预报结果。本发明充分利用线性预报方法鲁棒性强的优点和神经网络等非线性预报方法自适应、非线性的优点，能在保证稳定性的同时提高预报的精度。
-
Patent Agency Ranking
公开(公告)号：CN116702095A
公开(公告)日：2023-09-05
申请号：CN202310643493.X
申请日：2023-06-01
Applicant: 大连海事大学 , 上海船舶运输科学研究所有限公司 , 广东海洋大学
IPC: G06F18/27 , G06F18/214 , G06N3/0499 , G06F18/2135
Abstract: 本发明提供了一种模块化海上船舶运动姿态实时预报方法，涉及船舶运动姿态预报技术领域，包括如下步骤：S1、采集目标船舶的船舶运动六自由度运动要素数据；S2、利用递归偏最小二乘回归模型进行预报，得到第一预报结果；S3、得到近似分量和细节分量；S4、利用变结构的径向基函数神经网络进行每个近似分量和细节分量的时间序列预报；S5、建立基于径向基函数神经网络的船舶运动预报模型，利用所述基于径向基函数神经网络的船舶运动预报模型进行预报，得到第二预报结果；S6、将所述第一预报结果和第二预报结果进行叠加，得到最终的模块化船舶运动预报的结果。本发明通过结合RPLS模型和VRBFN模型的模块化预报策略，在保证预报稳定性的同时提高了预报的精度。
-
公开(公告)号：CN119270856A
公开(公告)日：2025-01-07
申请号：CN202411385695.X
申请日：2024-09-30
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
IPC: G05D1/43 , G05D109/30
Abstract: 本发明提供了一种船舶大洋航线优化预报方法，包括如下步骤：S1、根据航次任务，根据转向点和航线类型建立初始航线；S2、建立船舶在海上对环境的运动响应数学模型；S3、获得船舶所经过海域的海洋环境预报结果；S4、计算船舶经过该海域的运动响应；S5、收集船舶此次航次任务中的其他要求条件作为其他约束；S6、优化计算得到船舶在优化目标下所应采取的优化航线和优化螺旋桨转速；S8、重复S3～S7，并执行最新得到的航线和航速优化方案。本发明通过对包括航线和螺旋桨转速在内的船舶航行计划要素进行优化，可以在规避恶劣海况以保证安全的前提下得到满足用户优化需求的航行方案。该方法有助于对船舶航行的智能化建设。
-
公开(公告)号：CN116702095B
公开(公告)日：2024-04-05
申请号：CN202310643493.X
申请日：2023-06-01
Applicant: 大连海事大学 , 上海船舶运输科学研究所有限公司 , 广东海洋大学
IPC: G06F18/27 , G06F18/214 , G06N3/0499 , G06F18/2135
Abstract: 本发明提供了一种模块化海上船舶运动姿态实时预报方法，涉及船舶运动姿态预报技术领域，包括如下步骤：S1、采集目标船舶的船舶运动六自由度运动要素数据；S2、利用递归偏最小二乘回归模型进行预报，得到第一预报结果；S3、得到近似分量和细节分量；S4、利用变结构的径向基函数神经网络进行每个近似分量和细节分量的时间序列预报；S5、建立基于径向基函数神经网络的船舶运动预报模型，利用所述基于径向基函数神经网络的船舶运动预报模型进行预报，得到第二预报结果；S6、将所述第一预报结果和第二预报结果进行叠加，得到最终的模块化船舶运动预报的结果。本发明通过结合RPLS模型和VRBFN模型的模块化预报策略，在保证预报稳定性的同时提高了预报的精度。
-
公开(公告)号：CN119262235A
公开(公告)日：2025-01-07
申请号：CN202411385697.9
申请日：2024-09-30
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
Abstract: 本发明提供了一种冰区航行船舶环境响应的快速预报方法，包括如下步骤：S1、建立船舶在海上对存在冰、风、浪的环境干扰下的运动响应数学模型；S2、建立船舶航行海域冰情及海况预报模型；S3、对船舶冰区航行的环境运动及结构响应数据库进行丰富或者根据实测信息进行数据同化；S4、根据船舶的计划航线与对区域冰区环境要素的预报结果，在24h之内按小时对船舶航线区域进行冰区环境要素的精细化实时预报，在预报过程中采用多层次分解与预测，将预测分解成不同的时间尺度进行预报，将不同的预报进行求和以得到最终的预报结果。本发明可以在冰区复杂环境影响下快速、精确得到船舶的运动和结构响应。
-
公开(公告)号：CN117518298A
公开(公告)日：2024-02-06
申请号：CN202311846303.0
申请日：2023-12-29
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
Abstract: 本发明提供了一种具有自适应模型结构的潮汐组合预报方法，包括如下步骤：S1、采集目标点位及附近点位的实测数据；S2、利用调和分析法建立调和常数模型；S3、计算调和常数模型所输出的第一预报结果，将实测数据的实际潮汐值减去第一预报结果得到差值，得到子序列；S4、利用动态正交模型选择算法建立变结构神经网络预测模型，利用Lipschitz熵值法进行子序列预报模型结构的确定，利用变结构神经网络预测模型对子序列进行辨识和预报，得到第二预报结果；S5、将第一预报结果与第二预报结果相加，得到最终预报结果。本发明减少了人工确定模型结构带来的耗时长、任意性强、无法反映系统动态和往往无法达到最优的缺点，提高了所得模型的预测精度和算法的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.047 seconds)
