基于ADRC的并联三自由度船载稳定平台稳定控制律设计

针对存在动态不确定与未知时变外界扰动下的并联三自由度船载稳定平台稳定控制问题,采用自抗扰控制(Active Disturbance Rejection Control,ADRC)技术,构造扩张状态观测器,实时估计由船载稳定平台动态不确定、未知时变外界扰动以及平台各自由度运动状态变量间的耦合构成的总扰动;设计船载稳定平台PID反馈控制律,并将总扰动的估计前馈至控制输入端补偿船载稳定平台的总扰动,以实现平台的稳定控制.理论分析表明,设计的基于ADRC的船载稳定平台稳定控制律可使其上支撑面在惯性空间保持平稳,并保证船载稳定平台闭环控制系统中所有信号一致最终有界.仿真实验结果验证了设计的基于ADRC的船载稳定平台稳定控制律的有效性以及对未知时变外界扰动的鲁棒性.     

长江客渡船AIS终端供电保障模块的设计

为保障长江客渡船航行安全,长江海事局在2012年开始部署渡船AIS终端。该终端为监管渡船航行安全提供现场数据。在部署工作中,安装人员遇到了渡船供电电压波动大的问题,导致AIS终端不能持续正常回传现场监管数据,给安全监管工作带来隐患。该文就解决AIS终端供电问题设计电源模块,使AIS终端能在一个宽泛的供电电压下持续正常工作。     

基于Cryosat2与船载重力测量数据反演我国近海海域重力异常

基于Cryosat-2三年半的卫星测高GDR(geophysical data records)数据,使用海面高梯度,依据最小二乘配置方法得到了南海部分海域垂线偏差格网,结合移去-恢复技术采用逆Vening-Meinesz的球面一维傅里叶变换算法快速计算我国近海海域测高重力异常CASM_GRA.与船载重力测量数据融合后,重力场精度在2.75~5.38mgal之间,平均偏差在-0.21~0.45mgal之间.与DTU13重力场模型相比,平均值最大改进为12.98mgal,标准差最大降幅近3.40mgal.与Sandwell V23.1模型相比,平均值最大改进为13.58 mgal,标准差最大降幅为1.09mgal.     

AIS中数据库的设计

在会计信息系统中,数据库作为数据和信息的主要存储形式,在整个信息系统中起着重要的作用,因此,数据库的设计在系统设计中非常关键,以AIS中凭证数据库的设计为例,阐述了"使用灵活,节省空间"这一基本的设计原则的具体应用.     

船载高频地波雷达的一阶海洋回波分析

为了拓宽便携式高频地波雷达(OSMAR-S)的应用场合,提高其海态监测的能力,通过船载雷达系统走航的方式获取大范围的海洋回波信息.利用实测数据中形态多样的一阶海洋回波谱图,分析了海流、风向和雷达探测张角对回波谱的影响,讨论了径向流速和风向信息提取的可行性.研究结果表明:在船沿岸走航的情况下,海流引起回波谱频点的偏移,风向规律地改变谱图的形态,岸基单站雷达的风向模糊问题得以解决;在船四面环海航行的情况下,单个回波频点存在双到达角和风向模糊的问题.     

从船载摄像机影像序列中提取海冰密集度的方法初探

南北极地区的航运受海冰影响较大.现有的冰区导航方法较为单一.本文设计了一种从船载摄像机影像序列中提取海冰密集度的方法,并以雪龙船第26次南极航行所拍摄的影像为例,对方法的可行性进行实验,之后使用中分辨率雷达卫星数据作为验证数据,对结果精度进行验证.结果表明,这种方法具有较高的精度,同时由于其在观测成本和观测简易度上的优势,可以作为现有导航方法的补充,并可用于定点监测等领域,为研究全球环境变化提供数据支持.     

基于海况环境激励的某船载装置动力学分析

为了提高船载装置设计的安全性和可靠性,对基于海况环境激励的某船载装置动力学特性进行了仿真分析.针对设计要求的海上工作极限情况,输入了5级和8级海况下的波浪载荷激励,通过ADAMS仿真得到了船载装置的运动特性及关键部件的动力学特性.根据分析结果提出了增加横向轮个数和横向轮与轨道间隙的结构改善策略,并通过仿真结果验证了改善策略的有效性,为优化船载装置的结构设计提供了分析手段和参考依据.     

基于AIS的船舶航迹分布算法

为绘制航迹分布图,利用AIS信息,尤其是位置信息,设计了航迹分布图绘制算法.该算法以AIS信息数据库中动态表、静态表为数据源,利用存储过程,数据库访问技术实现航迹分布图在电子海图平台上的绘制.研究结果表明,这种航迹分布图绘制方法具有可行性、快捷性和较高的准确性.     

船载雷达标校模式远程切换的设计与实现

针对船载雷达标校过程中需进行复杂繁重的人工切换模式问题,提出了一种开关网络设计方案。该方案具有灵活完备的信号配送机制,通过开关网络的自动切换功能,可实现系统有线标校、无线标校的远程快速切换,对提高工作效率、缩短标校准备时间,降低设备损耗有着积极的意义。     

基于宽卷积核神经网络与BiLSTM的渔船轨迹分类方法

【目的】针对使用船舶自动识别系统(automatic identification system, AIS)数据进行船舶类型识别中原始特征较少和时空特征利用不充分的问题,提出了基于数据块的双向长短期记忆卷积神经网络的渔船类型分类方法。【方法】首先将数据以数据块的形式输入模型,保留短时内的时序特征;然后利用宽卷积核深度卷积神经网络(wide convolutional kernel deep convolutional neural network, WDCNN)模型首层的大卷积对数据进行特征提取;最后采用双向长短期记忆网络(bidirectional long-short-term memory networks, BiLSTM)提取数据的深层时间信息,得到最终的船舶分类结果。【结果】在真实的船舶AIS数据集上进行测试后发现：本模型较主流船舶分类模型对渔船分类的正确率有一定的提升,F₁值达到了5%左右的提高。【结论】本试验模型更有利于海事部门对渔船的监管,同时对海上渔场、鱼群分布的研究也有一定的参考价值。