-
公开(公告)号：CN116540727A
公开(公告)日：2023-08-04
申请号：CN202310637927.5
申请日：2023-06-01
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于多传感器融合SLAM定位的欠驱动无人水面艇自主靠泊方法，该方法通过多传感器融合slam系统构建港口环境下的点云地图，为无人船自动停泊过程中定位与自主避障提供信息。靠干扰能力强，在某类传感器信号缺失或信号弱的情况下依然能保证定位精度；不依赖岸基端设备的牵引与信息交互，拓展性、可移植性强，可应用在大部分船舶上而无需对船身进行改造。由于环境点云在无人船的行进过程中是不断获取的，因此通过点云地图定位的方式能够得到一直更新的船体位姿信息。从而提升了低速小位移时的船体位姿的准确性，可搭配特定港口停泊装置或在任意港口水岸环境下停泊。
-
Patent Agency Ranking
公开(公告)号：CN116204981A
公开(公告)日：2023-06-02
申请号：CN202310158003.7
申请日：2023-02-23
Applicant: 大连海事大学
Abstract: 本发明一种水动力导数阶次可变的船舶运动预报方法，包括以下步骤：基于泰勒级数展开思想，建立具有可变高阶水动力导数的四自由度船舶操纵运动预报模型；基于可变高阶水动力导数的四自由度船舶操纵运动预报模型，采用扩展卡尔曼滤波算法，对不同阶次的水动力导数进行参数辨识；根据可变高阶水动力导数的四自由度船舶操纵运动预报模型预测出船舶轨迹偏差，自适应确定可变高阶水动力导数的四自由度船舶操纵运动预报模型的动态阶次，实现船舶运动状态的预报。相较于固定的模型结构，本发明提出的基于水动力导数阶次自适应船舶操纵运动模型的船舶运动预报方法可以有效提高运动预报的精度。
-
公开(公告)号：CN116620519A
公开(公告)日：2023-08-22
申请号：CN202310313876.0
申请日：2023-03-28
Applicant: 大连海事大学
Abstract: 本发明一种具有波浪自适应性的无人搜救艇，包括主船体、对称布置在所述主船体两侧的四个浮舱及四组用于连接主船体与浮舱的悬架结构；在所述主船体上设置各种传感设备以获取无人艇的自身状态与外界环境信息，构成无人艇的感知系统；在所述主船体内部设置有控制系统，用于接收来自感知系统的信息并在必要时对无人艇未来的行为作出决策或调控；在所述四个浮舱中的其中两个下部布置有推进装置，用于为无人艇的前进与转向提供动力，动力大小由控制系统进行调控。本发明相较传统无人艇具有更强的稳定性，且每个浮舱与主船体间通过悬架结构连接，使得浮舱相对于主船体具有一定的自由度，从而可以通过悬架结构中的弹性元件减缓波浪经浮舱对主船体造成的冲击。
-
公开(公告)号：CN117634661A
公开(公告)日：2024-03-01
申请号：CN202310571525.X
申请日：2023-05-19
Applicant: 大连海事大学
IPC: G06Q10/04 , G06Q50/40 , G06N3/0442 , G06N3/08 , G06N3/049 , G06N3/0464
Abstract: 本发明一种基于自注意双向长短期记忆网络的船舶操纵运动预报方法，包括以下步骤：对船舶运动历史数据进行采集，得到船舶历史数据的时间序列；构建自注意力加权双向长短期记忆网络模型，对注意力加权双向长短期记忆网络模型进行训练，得到训练后的自注意力加权双向长短期记忆网络模型；训练后的自注意力加权双向长短期记忆网络模型实现对船舶航行的运动数据进行预测，本方法采用了双向长短期记忆网络，可以循环学习并提取船舶运动时间序列数据的前向和反向特征，在船舶操纵运动数据预测中具有优异的预测精度和模型泛化能力，实际应用性较强。
-
公开(公告)号：CN116992916A
公开(公告)日：2023-11-03
申请号：CN202310536683.1
申请日：2023-05-12
Applicant: 大连海事大学
Abstract: 本发明一种基于SDN‑HP模型的智能船舶操纵运动预报方法，包括以下步骤：对船舶的航行数据进行采集；对采集到的船舶航行数据进行小波包阈值去噪处理；基于处理后的船舶航行数据，建立数据驱动自组织分层剪枝神经网络模型，并对数据驱动自组织分层剪枝神经网络模型进行训练；根据船舶历史航行数据输入到训练好的数据驱动自组织分层剪枝神经网络模型中，实现对船舶运动方向的在线预测，本发明方法能够为船舶运动预报领域提供更加可靠和高效的技术支持，进一步提高了智能船舶航行的安全性和经济性，具有广泛的实际应用价值。
-
公开(公告)号：CN116468156A
公开(公告)日：2023-07-21
申请号：CN202310313860.X
申请日：2023-03-28
Applicant: 大连海事大学
IPC: G06Q10/04 , G06N20/10 , G06N3/084 , G06N3/0464 , G06F17/16 , G06F30/27 , G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本发明提出一种基于数理方程‑数据驱动融合的智能船舶操纵运动预报方法，包括以下步骤：在MMG模型的基础上，基于泰勒级数展开思想，建立具有可变高阶水动力导数的四自由度船舶操纵运动预报模型；基于可变高阶水动力导数的四自由度船舶操纵运动预报模型，采用扩展卡尔曼滤波算法，对不同阶次的水动力导数进行参数辨识；在最优阶次预报模型的基础上，结合真实的船舶运动数据，构建船舶运动预报残差；采用最小二乘支持向量机算法进行黑箱建模，对运动预报残差进行逼近；搭建BP神经网络，利用最小二乘支持向量机黑箱模型的预报残差与最优模型的预报结果作为输入，真实的船舶航行数据作为输出对神经网络进行学习训练，实现对船舶运动状态的估计。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
