基于速度特征的内河LNG船舶三维动态安全区建模方法

为提高LNG船舶安全区设置的科学性,保障内河水域LNG船舶的通航安全,提出了一种基于速度特征的内河LNG船舶三维动态安全区建模方法。基于LNG船舶航行方向和速度变化的特点,将传统速度的线性分布模型改进为随机分布模型;利用区域分解法,将复杂的三维几何区域分解成若干个子区域,建立相应的边界方程;基于船舶间极限通过设定约束条件,根据其几何形状,运用停船视距理论、船舶漂移计算方法和富余水深计算方法对安全区内部结构不同方位的安全距离进行数值求解。针对某内河LNG船舶,通过设置不同速度条件进行仿真验证。研究结果表明:该模型能较真实反映船舶安全区在速度影响下的差异变化,为内河LNG船舶航路规划起到参考作用。

基于三维视频融合的智慧港口全景建模研究

针对港区监控视频图像之间联动性差与缺乏三维立体视觉感受等问题,提出一种基于三维视频融合的港口全景建模方法。首先,基于倾斜摄影对港区进行三维重建,在重建过程中利用体素滤波法处理点云数据,以构建轻量化模型;其次,提出一种改进SURF(Speeded-Up Robust Features)算法进行图像相似配准,以求解相机姿态,实现三维模型与视频的融合;最后,以武汉某港口为实验区域,基于Cesium开源引擎实现了三维全景模型可视化渲染。结果表明,上述方法可以将港口监控视频流以纹理的形式投影到实景模型上,构建含有实时视频数据的三维全景模型,解决港口监控现存问题,为实现智慧港口立体监控提供一种新思路。

厦门港刘五店航道通航安全风险分析及应对措施

通过对厦门港刘五店航道通航安全风险进行分析(包括风险识别和风险评价),并提出相应的风险控制、应对措施及建议,对参与航道建设和管理的相关人员具有一定的参考价值。

一种基于深度强化学习的船舶智能避碰方法

文中提出了一种基于深度强化学习(deep reinforcement learning,DRL)的船舶智能避碰方法.该方法利用D3QN(double deep q-learning network with dueling architecture)算法与船舶领域模型,结合《国际海上避碰规则》(COLREGs)的避碰操作规范设计奖励函数,通过时序差分法实现优先经验回放,构建自主避碰的智能体.通过ROS-gazebo搭建仿真环境,构建神经网络处理环境中的视觉与雷达数据,快速有效地获取环境特征信息.结果表明:对比传统DQN算法,该方法具有更好的决策能力,训练时间更短;在避碰过程中可以对会遇局面做出正确的判断,选择符合COLREGs规范的避碰动作,最终可以准确并及时的避让目标船.

六鳌重装码头船舶操纵模拟试验

通过对具备在电子海图上显示船舶动态功能的模拟试验平台进行模拟操船试验,分析设计船型靠离六鳌重装码头2#泊位的可行性、安全性以及安全保障措施等,其成果可作为工程水域通航安全保障和通航安全管理以及船舶进出港航行与靠离泊安全操纵的参考依据。

浅谈散货船的水尺计重方法与技巧

文章介绍了散货船货物计量的方法,阐述了水尺计重的原理、方法与计算过程,探讨了水尺计重观测数据出现误差的原因及提高精度的方法,供参与水尺计重的人员参考。

漳州一帆重工5000吨级码头船舶自力靠离泊操纵方案

本文根据漳州六鳌半岛附近的气象条件、水文条件等特点,结合漳州一帆重工5000吨级码头的建设规模,提出了船舶自力靠离泊的操纵方案及其注意事项,希望能为同类型码头、船舶等靠离泊作业提供参考。

杂货船的配积载计划编制过程及注意事项

文章根据工作经验简述了杂货船的配积载过程,并进行了详细的分析,针对配积载工作中的细节提出了相关注意事项,供参与杂货船配积载工作的有关人员参考。

面向环境不确定性的船舶操纵运动建模与预报方法

为解决复杂环境因素影响下的船舶操纵运动预报精度问题,提出了一种面向环境不确定性的船舶操纵运动灰箱辨识建模与预报方法;参考分离型船舶操纵运动模型结构,考虑船舶操纵运动机理,建立了简化的灰箱模型;选取合适的试验对象,运用最小二乘支持向量机算法对建立的船舶操纵运动灰箱模型进行参数辨识,并通过旋回试验和Z形操纵试验测试了模型的泛化性;通过环境不确定性因素分析,构建了波浪作用力干扰模型、数据传输延时模型和感知设备误差模型,并以此为基础,生成了具有多种环境不确定性因素影响的船舶运动响应训练数据;通过仿真试验,验证了预报方法在环境不确定性因素干扰下的预报精度。研究结果表明:在引入环境不确定性因素影响的船舶操纵运动预报试验中,当感知设备误差由0逐渐提升至5%和10%时,除受较小的初始数量级因素影响的横摇速度外,其余船舶运动响应预报结果的均方根误差增幅均小于10%,预测模型的精度可以得到有效保证;而在感知设备误差达到20%的极端条件下,纵荡速度、横荡速度、艏摇速度预报误差相较于0时分别提升4.65%、15.97%、18.17%,误差增幅仍能有效控制在20%以下。可见,船舶操纵运动建模与预报方法可在一定程度上实现环境不确定性因素干扰下的高精度船舶操纵运动预报。