-
公开(公告)号：CN103207937B
公开(公告)日：2016-01-13
申请号：CN201310130091.6
申请日：2013-04-15
Applicant: 大连海事大学
IPC: G06F17/50
Abstract: 本发明公开了一种四元船舶安全领域模型系统，其特征在于：该模型由参数Q和k决定。参数Q由四个方向半径决定，方向半径分别为：Rfore、Raft、Rstarb和Rport；其中，Rfore、Raft分别为四元船舶领域纵向半径(Rlon)的前、后半径；Rport、Rstarb分别为四元船舶领域横向半径(Rlat)的左、右半径；所述四元船舶安全领域模型系统的边界为上述四个方向半径的所确定的闭合曲线组合而成，由于采用了上述技术方案，本发明提供的一种四元船舶安全领域模型系统和船舶避碰方法，形成了一个统一的安全领域框架，可以直观得到一个确定的船舶安全区域，结合避碰几何模型，可以有效提前警示相关船舶展开避碰动作，有效的保证了海上航行的安全性。
-
公开(公告)号：CN103204223A
公开(公告)日：2013-07-17
申请号：CN201310130071.9
申请日：2013-04-15
Applicant: 大连海事大学
Abstract: 本发明公开了一种模糊四元船舶安全领域模型，其特征在于：该模型由参数Q和k决定，参数Q由四个方向半径决定，方向半径分为：Rfore(r),Raft(r),Rstarb(r),Rport(r)；其中，Rfore(r),Raft(r)分别为四元船舶领域纵向半径（Rlon）的前、后半径；Rstarb(r),Rport(r)分别为四元船舶领域横向半径（Rlat）的左、右半径；r为模糊化实际距离的参数，随着r值的不同，模糊四元船舶安全领域模型的边界为多个由这四个方向半径所围成的封闭曲线组合而成，由于采用了上述技术方案，本发明提供的一种模糊四元船舶安全领域模型和船舶避碰方法，形成了一个统一的安全领域框架，可以直观得到一个确定的船舶安全区域，结合避碰几何模型，可以有效提前警示相关船舶展开避碰动作，有效的保证了海上航行的安全性。
-
公开(公告)号：CN103198720A
公开(公告)日：2013-07-10
申请号：CN201310116651.2
申请日：2013-04-03
Applicant: 大连海事大学
IPC: G08G3/02
Abstract: 本发明提出了一种基于广义在线自组织神经网络的船舶领域模型的辨识方法，具有如下步骤：选定船舶安全区域模型，确定该模型的函数、输入变量和期望输出值；建立包含输入层、隶属函数层、T-范数层和输出层的动态模糊神经网络；使用包含所述模型的输入变量和输出值的训练数据集，对所述动态模糊神经网络进行训练直至达到精度要求；将两艘对应船舶的航行参数，作为输入变量输入训练完毕后的船舶安全区域模型，得到两艘船舶的船舶安全区域。由于采用了上述技术方案，相对与传统的船舶领域模型，经过本发明修正的安全模型，具有更好的精度，安全性也更高。
-
公开(公告)号：CN103198720B
公开(公告)日：2016-04-20
申请号：CN201310116651.2
申请日：2013-04-03
Applicant: 大连海事大学
IPC: G08G3/02
Abstract: 本发明提出了一种基于广义在线自组织神经网络的船舶领域模型的辨识方法，具有如下步骤：选定船舶安全区域模型，确定该模型的函数、输入变量和期望输出值；建立包含输入层、隶属函数层、T-范数层和输出层的动态模糊神经网络；使用包含所述模型的输入变量和输出值的训练数据集，对所述动态模糊神经网络进行训练直至达到精度要求；将两艘对应船舶的航行参数，作为输入变量输入训练完毕后的船舶安全区域模型，得到两艘船舶的船舶安全区域。由于采用了上述技术方案，相对与传统的船舶领域模型，经过本发明修正的安全模型，具有更好的精度，安全性也更高。
-
公开(公告)号：CN103186815A
公开(公告)日：2013-07-03
申请号：CN201310115642.1
申请日：2013-04-03
Applicant: 大连海事大学
IPC: G06N3/02
Abstract: 本发明提出了一种基于在线快速自组织模糊神经网络的船舶领域模型的辨识方法，具有如下步骤：选定船舶安全区域模型，确定该模型的函数、输入变量和期望输出值；建立包含输入层、隶属函数层、T-范数层和输出层的动态模糊神经网络；使用包含所述模型的输入变量和输出值的训练数据集，对所述动态模糊神经网络进行训练直至达到精度要求；将两艘对应船舶的航行参数，作为输入变量输入训练完毕后的船舶安全区域模型，得到两艘船舶的船舶安全区域。由于采用了上述技术方案，相对与传统的船舶领域模型，经过本发明修正的安全模型，具有更好的精度，安全性也更高。
-
Patent Agency Ranking
公开(公告)号：CN103177290A
公开(公告)日：2013-06-26
申请号：CN201310116653.1
申请日：2013-04-03
Applicant: 大连海事大学
IPC: G06N3/02
Abstract: 本发明提出了一种基于在线自组织模糊神经网络的船舶领域模型的辨识方法，具有如下步骤：选定船舶安全区域模型，确定该模型的函数、输入变量和期望输出值；建立包含输入层、隶属函数层、T-范数层和输出层的动态模糊神经网络；使用包含所述模型的输入变量和输出值的训练数据集，对所述动态模糊神经网络进行训练直至达到精度要求；将两艘对应船舶的航行参数，作为输入变量输入训练完毕后的船舶安全区域模型，得到两艘船舶的船舶安全区域。由于采用了上述技术方案，相对与传统的船舶领域模型，经过本发明修正的安全模型，具有更好的精度，安全性也更高。
-
公开(公告)号：CN110148332A
公开(公告)日：2019-08-20
申请号：CN201910506713.8
申请日：2019-06-12
Applicant: 大连海事大学
IPC: G09B9/00
Abstract: 本发明公开了一种船舶主机遥控操作模拟训练系统，包括：系统管理模块用于控制数据管理模块、船舶主柴油机数学仿真模块以及主机遥控系统逻辑功能模块的运行、停止、冻结、状态保存以及状态加载；数据管理模块用于管理数据管理模块、船舶主柴油机数学仿真模块以及主机遥控系统逻辑功能模块的变量和数据库；主机遥控系统逻辑功能模块；通用交互模块包括：对应于船舶主机本体和工况监测的通用单元和对应于不同主机遥控系统的重新开发单元。解决主机遥控操作模拟训练系统产品老旧过时，通用性不足的问题，节省了更换设备的成本。
-
公开(公告)号：CN103186815B
公开(公告)日：2017-02-01
申请号：CN201310115642.1
申请日：2013-04-03
Applicant: 大连海事大学
IPC: G06N3/02
Abstract: 本发明提出了一种基于在线快速自组织模糊神经网络的船舶领域模型的辨识方法，具有如下步骤：选定船舶安全区域模型，确定该模型的函数、输入变量和期望输出值；建立包含输入层、隶属函数层、T-范数层和输出层的动态模糊神经网络；使用包含所述模型的输入变量和输出值的训练数据集，对所述动态模糊神经网络进行训练直至达到精度要求；将两艘对应船舶的航行参数，作为输入变量输入训练完毕后的船舶安全区域模型，得到两艘船舶的船舶安全区域。由于采用了上述技术方案，相对与传统的船舶领域模型，经过本发明修正的安全模型，具有更好的精度，安全性也更高。
-
公开(公告)号：CN113763771A
公开(公告)日：2021-12-07
申请号：CN202111055731.2
申请日：2021-09-09
Applicant: 大连海事大学
IPC: G09B9/00
Abstract: 本发明提供一种基于网络的船舶轮机模拟训练考评系统及实现方法。系统主要包括：轮机虚拟仿真训练客户端、轮机虚拟仿真云数据服务端、轮机虚拟仿真云调度服务端以及轮机虚拟仿真服务注册中心。其中轮机虚拟仿真云数据服务端、轮机虚拟仿真云调度服务端以及轮机虚拟仿真服务注册中心均部署在云服务器上。本发明打破了时间和地域的使用限制，使用云技术达到远程训练的目的，可以让学员或考生随时随地进行单机或多人组船联合训练或评估，实现考官、教练员和学员的异地远程教学、训练和考评。
-
公开(公告)号：CN112036480A
公开(公告)日：2020-12-04
申请号：CN202010890746.X
申请日：2020-08-29
Applicant: 大连海事大学
Abstract: 本发明提供一种船舶制冷系统故障诊断方法、装置及存储介质。方法包括：采集船舶制冷系统数据，包括系统运行数据以及运行数据对应的工况类型；利用训练好的故障识别模型对船舶制冷系统数据进行故障识别，所述故障识别模型用于对所述系统运行数据进行分类，得到所述运行数据对应的工况类型，其中所述故障识别模型为支持向量机模型，所述支持向量机模型的惩罚因子和核参数基于粒子群算法寻优获取。本发明基于主成分分析和粒子群算法优化支持向量机的方法对船舶制冷系统进行故障诊断，以提高船舶制冷系统的故障诊断正确率，缩短诊断时间，提升故障诊断灵敏度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
