船岸协同感知技术的应用开题报告

 2021-12-11 19:30:24

1. 研究目的与意义(文献综述)

1.目的及意义(含国内外的研究现状分析)

1.1选题背景

21世纪新的全球化世界格局正在形成,中国作为世界第二大经济体,怀抱着中华伟大复兴的梦想,如何在全球一体化的大形势下站稳脚跟,海洋强国地位的确立至关重要。海洋强国的战略,“一带一路”的倡议都显示着海上交通和海上资源的重要性,继船舶的自动化信息化后,迎来的是智能化。随着智能时代的逐渐到来,人工智能取得重大发展突破,大数据科学逐渐发展完善,现代计算机科学技术飞速发展。在前所未有的科技变革中,人类的航海事业也迎来了智能航海大时代。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

2.研究(设计)的基本内容、目标、拟采用的技术方案及措施

2.1研究内容

本文拟探索船岸协同感知技术在船舶靠离泊,执法监测,安全航行,智能航行等方面的应用,并结合现阶段的AIS,雷达,智能视觉以及相关算法在船岸协同感知中的融合。

2.1.1 船岸协同感知技术的应用

船舶靠离泊,装卸货方面,船-桥-岸一体化中基于同步装卸的多船岸桥协同调度方法可以大大提高集装箱码头岸桥装卸效率,可以实现在数据支持下的港口最大化的吞吐量。在船舶靠离泊过程中,基于AIS、雷达、激光扫描系统的智能识别与反馈分析,能减少引航员和驾驶员的机械性工作,也大大提高了靠离泊过程中的安全性。

执法监测,搜寻救助方面,岸站将利用船舶的实时反馈的信息数据,对船舶进行精准的定位,以及面临突发情况时的指挥与救助能够更加的及时。而基于智慧视觉的云平台也将对船舶自身航行的情况及时反馈于驾驶台,减少驾驶员思考的时间,能及时做出更精确的处理。热成像和AIS信息融合后能极大程度的提高海上运输的透明性与可控性,提高了执法监测的力度。

智能航行,安全航行方面,激光雷达和智慧视觉系统的融合[16],让船舶能对航线的安全性得到及时的反馈,基于传感器融合的障碍物检测与识别系统能对航行途中所遇到的障碍物进行分析反馈,减少驾驶员思考辨别的时间,减少船舶航行过程中的死角,从而达到智能、安全航行的目的。

2.1.1 船岸协同感知的技术融合

AIS系统、GPS系统、IC卡系统、RFID系统,其优点是可以获取在航船舶的动态与静态信息,但是只能被动接收,无法判断有效性。而VTS雷达系统、CCTV系统、二维激光扫描系统等,其优点可以主动获取船舶交通流信息,但是无法获取船舶的静态数据。所以二者的结合可以完善船舶智慧视觉系统。

基于传感器融合的障碍物检测与识别系统和基于视频的检测基础设施是目前船舶智慧视觉的重要组成,利用RCNN中的包围盒回归算法,对雷达检测到的感兴趣区域进行分析,实现实时障碍物检测与识别。由于不需要对整个图像进行处理,大大减少了数据处理量,提高了算法的效率。

物联网的大数据是构成船岸协同感知的重要部分,由于航道环境中的许多因素,如不可见性、可变性和不确定性,世界上许多重要航道变得越来越拥挤。准确的水深信息是提高航行安全性的必要条件。电子海图的水深信息不能及时更新,而实际水深是不可预测的,这一因素威胁着船舶在航道环境中的安全。基于岸基网络,船舶导航数据等大数据可以实时集成到船舶导航环境中,利用船舶吃水、航迹等信息可以达到实时估算。

2.2研究目标

(1)探索船岸协同感知技术在船舶靠离泊、执法监测、搜寻救助、智能航行等方面的应用

(2)探索船岸协同感知技术基于AIS,激光雷达,传感器障碍物检测等智慧视觉系统信息融合的可能性。

2.3技术方案

本文拟采用方案如下

3. 研究计划与安排

3.进度安排

2019.03-2019.04

查阅国内外相关文献,分析研究现状完成开题报告;

2019.04-2019.05

完成船岸协同感知技术在智能航行等方面的应用的探索;

2019.05-2019.06

完善船岸协同感知技术信息融合的可能性,完成相关参数计算;

2019.06-

完成学位论文,送审,答辩。

4. 参考文献(12篇以上)

4.阅读的参考文献不少于15篇(其中近五年外文文献不少于3篇)

[1] tan, gg ; zou, j ] ; zhuang, jy; wan, l; sun, hb ; sun, zy. fast marching squaremethod based intelligent navigation of the unmanned surface vehicle swarm inrestricted waters[j]applied ocean research, 2020, (95),doi: 10.1016/j.apor.2019.102018

[2] wang, yy; chai, sh ; nguyen, hd.unscented kalman filtertrained neural network control design for ship autopilot with experimental andnumerical approaches[j]applied ocean research ,2019, (85):162-172

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

发小红书推广免费获取该资料资格。点击链接进入获取推广文案即可: Ai一键组稿 | 降AI率 | 降重复率 | 论文一键排版