一、船舶自动航行系统的现状与发展（论文文献综述）
严新平,刘佳仑,张煜,李诗杰,王腾飞[1]（2022）在《智能航运的研究现状与展望》文中研究指明航运是以船舶为载运工具,以港口为节点,以海洋、江河、湖泊等水域为通道的运输方式,智能航运包括智能港口、智能船舶、智能航道、智能监管和智能服务等五个要素。综述了智能港口、智能船舶涉及的关键技术和应用案例,展望了未来新一代航运系统的构建。
刘彬,殷非,张程,庄加兴[2]（2021）在《自主航行船舶控制系统架构与关键技术》文中研究指明随着大数据、物联网和人工智能技术的发展,近几年自主航行船舶（无人船）研究成为行业研究的热点。MUNIN项目是最早研究无人商船的项目[1-3],该项目研究并验证了自主航行商船的概念和可行性。MUNIN项目引起了多方对自主航行船舶的广泛关注。挪威建立了世界上第一个自主航行船舶测试区,成立了自主航行船舶论坛NFAS[4]。Rolls-Royce公司公布了由其引领的"高级无人驾驶船舶应用开发计划"（AAWA）项目[5-6]研究无人船舶,主要研究感知系统（Intelligence System）,
解钦[3]（2021）在《基于人工智能的渔船航行数据挖掘研究》文中研究表明海上船舶通过船舶自动识别系统（Automatic Identification System,AIS）终端将海量的船舶定位数据通过卫星通讯、地面基站等方式传输至AIS数据中心,其中,AIS终端可以实现海上船舶之间的数据交换。AIS数据中心对渔船定位数据处理之后,以结构化的方式存储在数据库中。船舶轨迹数据通过船舶监控系统（Vessel Monitoring System,VMS）和船舶交通服务（Vessel Traffic Services,VTS）,可实现船舶轨迹预测、碰撞检测和进出港口航行安全等。此外,通过大数据和机器学习技术处理后的船舶定位数据可用于分析渔业资源时空分布,渔船作业行为识别、渔船违禁作业等。本文通过数据预处理、机器学习、深度神经网络等技术,对海量的渔船AIS数据进行了研究,并对算法进行验证,保证了研究在实际生产活动中的意义。本文的主要工作内容及创新点如下:1.设计渔船AIS数据的预处理算法。本文使用的数据来自于浙江省海洋与渔业局和阿里天池2020数字中国创新大赛。其中,浙江省海洋与渔业局提供的数据为2015年、2016年3月到5月的渔船AIS数据,提供数据的渔船均在浙江登记。本文通过Hadoop的分布式计算方法,将全部渔船AIS数据分为按照时间排序的单艘渔船全部轨迹数据。为了寻找渔区热点及其变化的规律,将渔船AIS数据按照年份、月份单独划分。其次,对异常、错误或者不符合经纬度范围的数据进行分析和清理。最后,针对提取的渔船轨迹数据,使用线性插值的方法填补缺失数据。2.设计渔船轨迹预测模型。针对渔船轨迹数据多特征的特点以及对轨迹预测的准确度和动态性的要求,首先将所有渔船轨迹数据进行可视化,再通过ORB（Oriented FAST and Rotated BRIEF）的特征检测和BF（Brute-Force）匹配来计算图像相似度用于划分渔船轨迹类型,紧接着构造多特征的时序性轨迹数据,然后使用了一种基于循环神经网络的变体模型Bi-LSTM,把处理过的浙江省渔船轨迹数据用于模型的训练,并使用该模型进行轨迹的预测。最后,根据神经网络的参数选择,讨论了预测结果,并且与其他方法进行了实验对比。3.设计渔船作业方式识别算法。渔船作业方式识别是利用大数据和机器学习技术对海量渔船定位数据进行分析,统计速度、方向、作业空间、作业时间等数据的常规特征、众数特征、特殊状态,构建多维度的特征工程,然后使用Light GBM这种集成学习算法来判断其作业方式。从海量的渔船轨迹中利用机器学习等技术自动识别渔船作业方式,可以发现违规改变作业方式的渔船,同时,可以进一步了解某类渔船在特定时间和特定海域的作业情况,并推算该海域渔业资源变化情况,加强渔业资源的管理。4.设计渔区热点发现算法。首先绘制渔区热点在一个星期、一个月和一年的时间间隔下的热力图,分析了渔区热点的变化情况。然后,提出了两次K-Means聚类来识别捕鱼热点的算法,该算法使用K-Means聚类算法选出每一条渔船的聚类中心,然后将所有聚类的中心再次使用K-Means聚类获取最终的渔区热点,该算法将有效的获取在特定时间下的捕鱼热点。
钮俊涛[4]（2021）在《考虑动态约束的水面无人艇自主避障算法研究》文中进行了进一步梳理近年来自主航行技术在多个领域得到广泛应用,无人车、无人机、以及无人艇的发展如火如荼。自主航行船舶以独特的优势成为海上船舶的主要发展趋势,受到了各大海上强国的重点关注和研发投入。自动避碰决策模块作为自主航行船舶的重要组成部分,也是关于水面无人艇（Unmanned Surface Vehicle,USV）研究的热点问题。本文主要针对自主水面舰艇的动态避碰算法进行了以下方面的研究。（1）对于USV国内外发展现状进行了论述,分别从反应式避碰和路径规划式避碰两个角度对各种算法进行分析比较。重点阐述了自主水面艇进行自主避碰的相关算法特点。并选取经典的速度障碍法作为本文研究避碰问题的算法核心。（2）详细分析了USV实现动态避碰的理论依据,主要包括USV周边环境的感知建模和USV运动模型相关参数的计算,并且综合了多个碰撞相关的参数计算船舶碰撞危险度。结合船舶的避碰经验确定每个参数权重,将模糊的船舶危险度转换为可以量化的参数,同时为了符合现有的海上船舶避碰规则,将《国际海上避碰规则》（International Regulations for Preventing Collisions at Sea,COLREGs）融合到避碰决策过程中。（3）在对传统的速度障碍法进行介绍的基础上,通过增加航向稳定性以及航线保持性等约束,以速度障碍法为基础的避碰航速选择进行多级优化,并在多船会遇情况下通过划分核心碰撞区和广义碰撞区实现最优的避碰决策。（4）对于特殊的非线性航行障碍船提出增加虚拟障碍物实现避碰,并且在USV避碰速度空间中增加海岸、岛屿的约束。通过建立以速度障碍法为基础的多级优化方法,对两船对遇、交叉、追越局面进行仿真,同时针对多种局面下非线性运动的障碍船避碰问题进行仿真。仿真结果表明基于速度障碍法的多级优化避碰决策系统性能良好,既能够做出符合COLRGEs避障决策,同时针对障碍船不遵守规则的情况下,也能完成避障保证船舶的安全。
王金铎[5]（2021）在《狭窄水域多船动态避障方法研究》文中研究表明近年来,随着智能化航运的发展,智能船舶在航运业得到广泛关注,主要是在军事和民用领域。自动避障技术是智能船舶关键技术之一,不仅可以衡量其智能化水平,也是其高效、安全完成各项航行任务的前提。目前自动避障技术仍存在很多缺陷,尤其是在狭窄水域中对多船进行实时规避的问题亟待解决。本文以狭窄水域中智能船舶多船动态避障方法研究为主题,分析智能船舶狭窄水域动态避障需求,提出适用于船舶的自适应速度权值动态窗口算法,搭建智能船舶自动避碰系统,并开展实船实验进行验证。论文的主要工作包括:（1）研究智能船舶狭窄水域环境中的避碰特性约束,推导智能船舶与障碍船会遇时相对位置参数,并基于加权法对船舶碰撞危险度进行计算。通过分析狭窄水域船舶避碰会遇态势,比较各个避障算法的优缺点,确定以动态窗口法作为避碰决策的核心算法。（2）结合狭窄水域的环境特点以及智能船舶动力学特性,构建船舶二维运动模型,同时,根据船舶实际航行要求对评价函数中的速度目标函数和艏向目标函数进行推导计算,并引入自适应速度权值,提出基于自适应速度权值的动态窗口法,解决了动态窗口法在夹击会遇场景中由于固定的速度权值出现避碰失败以及避碰过程中离障碍物过近的问题。通过对比夹击会遇场景中两种算法的仿真,结果显示,在夹击会遇场景中,本文所提出的算法可以根据离障碍物的距离改变航速,具有更好的通过性和安全性。同时,对复杂环境下多船动态避障进行仿真,验证了改进算法的有效性。（3）搭建智能船舶自动避碰系统。首先,根据智能船舶在狭窄水域中的避碰需求,对自动避碰系统整体方案进行设计。然后,运用坐标转换与多线程的方法实现多传感器时间和空间上的融合,并通过Rviz可视化工具对融合之后的数据进行显示和传输,搭建基于ROS（Robot Operating System,机器人操作系统）的船舶定位于感知系统。最后,开发人机界面控制平台,实现传感器数据和控制参数的数字化显示,搭建船舶控制系统。（4）狭窄水域实船控制特性与避碰试验。根据前文研究的内容和所搭建的系,开展船舶控制特性试验、单船以及多船会遇情景下的避碰实验。结果表明基于自适应速度权值的动态窗口法能够对动态障碍物进行有效避让,避让轨迹更加平滑,验证了此实验平台的可靠性以及本文提出的改进避碰算法的有效性,为智能船舶在狭窄水域中多船动态避障提供了解决方法。
张宝晨,张英俊,王绪明,高汉增,孙武[6]（2021）在《基于船岸协同的船舶智能航行与控制关键技术研究》文中认为智能船舶是全球航运领域的热点,船舶智能航行与控制是智能船舶的关键、难点与瓶颈。构建船舶智能航行与控制系统,构建能够满足船舶智能航行的通信与信息服务系统,突破船舶智能感知、认知、决策等关键技术,实现船舶远程驾驶、自主避碰与自动靠离泊是当前船舶智能航行与控制的核心问题。本文针对船舶智能航行关键核心问题,以船岸协同的方式研究船舶智能航行关键技术。搭建基于船岸协同的船舶智能航行与控制系统的架构,构建通信与信息服务保障系统,突破了沿海与内河船舶自主航行避碰算法等关键技术,实现了船舶远程驾驶,为构建基于船岸协同的船舶智能航行与控制系统奠定了技术基础。
展琼谣[7]（2021）在《PIDVCA算法优化及其决策效果可视化研究》文中研究指明随全球航运业的蓬勃发展,开阔水域的船舶密度日益增大,海上碰撞事故频繁发生,究其过程是人为疏忽的原因造成的。基于船舶拟人智能避碰决策（PIDVCA）算法的开阔水域避碰辅助决策系统研究已有一些成果,但开阔繁忙水域多船会遇PIDVCA算法以及避碰辅助决策功能界面设计存在不足。因此,本文依托国家自然基金项目《复杂水域船舶拟人智能避碰避险决策关键技术研究》和工业和信息化部项目《船舶航行态势智能感知系统研制》,重点研究开阔繁忙水域多船紧迫危险决策方法和两船协调避让的可视化解释,进一步完善PIDVCA算法,优化系统界面设计,为驾驶员提供安全、经济的避碰辅助决策方案,主要完成工作如下:（1）简要介绍PIDVCA算法的原理及船舶碰撞危险评价体系,阐述了基于船舶碰撞危险评价体系的改向失效下多船紧迫危险含义;分析了PIDVCA算法的组成、特点及其局限性,提出了解决多船紧迫危险避碰决策的思路、方法和内容。（2）构建多船典型会遇场景紧迫危险决策库。分析船舶碰撞危险体系下多船（两目标船）紧迫危险采取变速或改向变速决策成功避让的可行性;利用空间目标方位及其交汇特征组合确定典型多船会遇场景,借助几何分析与手动模拟实验相结合的方法构建开阔繁忙水域多船典型会遇场景紧迫危险决策库;通过模拟操船实验构建变速及改向变速操纵参数估算模型,以实现仿真实验过程能正确估算避让决策执行点到避让结束点的操纵延时。（3）多船紧迫危险避碰算法设计及验证。基于多船典型会遇场景紧迫危险决策库,设计多船紧迫危险避碰算法模块并集成到PIDVCA算法库,嵌入到我校自主研发的船舶智能操控仿真平台。设计典型测试案例对算法仿真测试,实验结果证明设计的多船紧迫危险算法模块具备处理紧迫局面改向失效下的决策问题,并初步验证了算法的有效性。（4）介绍船舶避碰辅助决策系统的碰撞危险预警及辅助决策功能,分析雷达避碰辅助决策功能界面显示及决策可视化需求,以此设计调查问卷。根据调查问卷分析结果,设计避碰辅助功能界面及其决策可视化界面,重点研究实现了两船协调避让决策建议可视化并设计了决策依据的解析模式。通过设置仿真案例,利用航海模拟器展示模拟训练效果,探讨了两船协调避碰辅助决策可视化及其解析在模拟器培训教学改革的应用。
陈鹏[8]（2021）在《基于HSSVM与卷积神经网络的船舶避碰知识库研究》文中研究表明为了保障船舶航行安全,船舶智能避碰决策是船舶自动避碰、预防甚至避免船舶事故发生的关键。船舶智能避碰决策不仅有助于提高船舶航行的安全性,减少人为因素的影响、节约人力物力成本,对世界的航运业的发展具有重要意义,是船舶安全航行领域的重点研究方向。船舶避碰知识库是完成船舶智能避碰决策的关键数据基础。以往船舶避碰知识库以经验数据存储、规则学习、知识推理为主,实现避碰轨迹知识库、三元组图数据库存储、图像特征融合知识库的研究为数不多,这也是本文的核心研究内容。本文以船舶航行AIS历史数据为基础,研究如何利用船舶运动轨迹采用支持向量机算法自动完成船舶避碰数据分类,建立简洁版船舶避碰知识库;在此基础上,针对海量新增AIS数据,融合轨迹运动标注特征、TCPA（Time of the Closest Point of Approach）/DCPA（Distance of the Closest Point of Approach）标注特征,利用卷积神经网络深度学习算法进行船舶轨迹匹配,实现大规模海量AIS数据的船舶避碰知识库构建,从交通安全角度研究船舶避让的规律和方法,从而为船舶智能避碰提供数据支撑。本文的主要工作包括:（1）AIS船舶轨迹数据预处理技术研究。针对海量AIS轨迹数据,首先采用基于时间片倒排索引的方式进行时间戳过滤,然后采用基于R树索引的空间范围搜索完成船舶会遇数据提取。针对AIS数据的冗余性,提出加入船舶行驶中的加速、减速、转向数据点、动态行为点的动态D-P算法,即在经典D-P算法基础上加入状态驻点,避免压缩过程丢失关键数据点。针对数据补全问题,在分析一阶差商二阶差商基础上,对船舶直线采用拉格朗日双线性插值,对船舶曲线运动采用拉格朗日二次插值,完成两船轨迹对齐需求。针对避碰模式识别中用到的TCPA/DCPA标定计算问题,定义一种简洁高效的计算方法,以平面向量运算理论、相对运动几何分析计算目标船的空间碰撞危险测度DCPA和时间碰撞危险测度TCPA,得到两船TCPA/DCPA标注结果。（2）提出一种结合加权kNN算法和超球支持向量机算法的分类决策方法研究,该方法用于船舶会遇数据分类决策。为了加快二次规划求解的速度,计算中心距离比率确定样本权值,训练时首先选取对结果超球贡献大的样本。同时为了实现算法参数寻优计算,引入多线程技术、遗传算法+SMO加速求解。对每一个测试样本,其类别判定取决于该点与每个分类超球的位置关系。对复杂相交区域的数据分类,引入kNN采用近似性度量选取相交区域训练数据集中与测试样本最近邻点的类别作为测试样本的类别,进而提高算法的泛化能力。对船舶会遇数据进行分类测试,实验结果表明新的算法效率较高,分类效果较好。根据避碰过程模式,提取整个避碰过程的轨迹序列数据,构建船舶避碰知识库。（3）基于CNN的船舶避碰轨迹匹配算法研究,用于解决海量新增AIS数据的船舶避碰知识库构建。新增AIS数据经插值、时间对齐处理后拼接在一起,组成融合特征作为基于卷积神经网络轨迹匹配网络的输入数据。以HSSVM训练得到的避碰知识为基础,设计不同的卷积核函数实现卷积操作,通过卷积层、池化层和激活函数层将原始输入数据映射到隐层特征空间,再通过全连接层则对前面的特征加权求和,将分布式特征表示映射到样本标记空间。按交叉熵损失训练深度学习网络,调优CNN网络参数,得到船舶避碰数据分类匹配结果,从而完成大规模数据的避碰模式知识库构建,并给出了船舶避碰图像知识库和船舶避碰特征知识库的应用。论文提出的方法克服了原有避碰知识库研究的一些局限性,扩展了知识存储、知识表示、知识融合的实际应用范例。
李永杰,张瑞,魏慕恒,张羽[9]（2021）在《船舶自主航行关键技术研究现状与展望》文中研究指明船舶自主航行作为智能船舶的显着特征,日益受到工业与海事企业的关注。为把握船舶自主航行现状和发展方向,开展相关关键技术研究调研与综述。分析近三年国内外船舶自主航行技术的发展现状,针对航行态势感知、认知计算、避碰决策、航行控制、赛博安全等关键技术,剖析其技术内涵、研究现状与应用情况。针对智能航行关键技术现状与技术需求,从态势感知、认知与决策、控制与安全3个方面对船舶自主航行的未来发展进行了展望。
周翔宇[10]（2020）在《面向自主船舶的危险分析方法研究》文中研究指明继蒸汽技术革命、电力技术革命、计算机及信息技术革命之后,以人工智能、物联网、云计算、虚拟现实、量子信息技术等为代表的第四次工业革命正在改变世界。信息和通信技术的进步、信息分析能力的提高为各行各业创造了革命性的发展机会,在航运业中,以更为安全、高效、绿色的方式运载货物和乘客的自主船舶正受到前所未有的关注,并已成为航运业未来的发展方向。作为航运业数字化转型和新技术革新的代表,相较于仅由人工控制的常规船舶,自主船舶将在总体设计结构、系统交互方式、动力驱动来源等方面发生颠覆性的变化,同时,随着船岸间、船舶各子系统间的互联互通,自主船舶将成为现代航运生态体系中的传感器中枢和数据生成器。在此背景下,为避免由于自主船舶的引入对当前海上交通状况可能造成的负面影响,并确保自主船舶的预期安全水平至少不低于常规船舶的现有安全水平,不仅需要关注包括航行安全、货物安全在内的传统安全,还需要考虑以网络安全为代表的非传统安全。因此,针对自主船舶的安全性开展理论研究是十分必要且具有重要意义的。本文围绕自主船舶的安全性,以危险分析方法为研究对象,在明确自主船舶运行特点的基础上,提出了一种适用于自主船舶的安全性协同分析方法。以远程控制船舶为例,使用所提出的方法对其进行了危险分析,并利用模型检测工具UPPAAL验证了危险分析结果的正确性。本文的主要研究工作及成果如下。（1）自主船舶的定义及自主水平分级方法研究。从自主船舶的历史沿革和发展历程入手,在明确自主船舶的定义及其中英文表述的基础上,分析了现有自主水平分级标准存在的局限性,并提出了一种基于航海实践的自主水平分级方法。研究结果表明,划分自主水平的关键在于能否独立于人的干预完成相应的任务或实现相应的功能,而非取决于船舶自动化水平和/或决策地点。以2艘搭载自主航行技术的测试船舶为例,相较于现有自主水平分级标准,所提出的自主水平分级方法有效避免了由于单一功能的自主实现导致船舶整体自主水平认定不准确的弊端,得出的分级结果更符合客观事实。（2）危险分析方法的适用性研究。为筛选出一种或多种能够捕获自主船舶运行特点的危险分析方法,面向自主船舶提出了一种基于系统工程的适用性评估方法。该方法依据制定的适用性评估程序,生成了以功能方式描述的系统级安全需求和与自主船舶设计目标相联系的评估准则。适用性评估过程面向29种广泛使用的危险分析方法展开,结果表明,系统理论过程分析（System-Theoretic Process Analysis,STPA）方法满足了所有的评估准则,其能够更好地理解系统行为、识别危险,并揭示危险致因因素,是目前适用于自主船舶的、最具潜力和发展前途的危险分析方法之一。（3）面向自主船舶的安全性协同分析方法研究。在明确自主船舶运行特点的基础上,考虑到日益增加的网络威胁对自主船舶系统安全性的负面影响,提出了一种基于STPA 的安全性协同分析方法,即 STPA-SynSS（STPA-based analysis methodology that Synthesizes Safety and Security）。该方法在STPA的基础上提出了 6项改进,并提供了一个识别危险并揭示危险致因因素的综合过程,有效实现了对潜在危险的持续跟踪和闭环管理。以远程控制船舶的避碰场景为例,使用所提出的方法对该场景进行了详细的危险分析,并生成了具体的危险控制策略。危险分析结果的对比分析表明,相较于STPA,STPA-SynSS能够识别出更多的不安全控制行为和损失场景,同时,能够生成更具针对性的危险控制策略,证明了该方法的有效性和先进性。（4）考虑退化组件的自主船舶安全性建模研究。使用STPA-SynSS生成损失场景时,需要考虑因组件性能退化导致的不安全控制行为。为表征自主船舶的系统安全性状态随时间退化的特性,将系统安全性分析由“二态假设”扩展为多状态。根据STPA-SynSS实例分析中构建的控制结构,对远程控制船舶的安全性进行建模,构建了服从指数分布的安全性函数和描述系统达到安全性极限状态的时间分布函数。该模型可用于指导设计人员将更有针对性的安全性设计纳入到系统中,并面向退化组件建立相应的保护机制,以避免危险从潜在状态向可能导致损失的现实事故状态转移。（5）自主船舶的形式化建模与危险分析结果验证研究。为克服危险分析结果的正确性和完整性无法得到验证的限制,创新性地将形式化方法引入危险分析过程,提出了一种基于时间自动机的STPA-SynSS扩展流程。在构建时间自动机网络模型的基础上,通过利用模型检测工具UPPAAL对系统模型的有穷状态空间进行穷尽搜索,以检验语义模型与其性质规约间的满足关系,从而验证系统建模的活性和危险分析结果的正确性。验证结果表明,远程控制船舶时间自动机网络模型无死锁且运行正确,STPA-SynSS识别的不安全控制行为均会发生,即验证了 STPA-SynSS危险分析结果的正确性,同时,证明了所提出的STPA-SynSS扩展流程的有效性。本文的研究结论为识别、控制自主船舶的潜在危险奠定了较为坚实的理论基础,在一定程度上满足了航运业对于明确并提高自主船舶安全性的迫切需求。同时,可为自主船舶的安全性设计提供参考,有力保障自主船舶的安全运营。
二、船舶自动航行系统的现状与发展（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、船舶自动航行系统的现状与发展（论文提纲范文）
（1）智能航运的研究现状与展望（论文提纲范文）
| 引言 |
| 1 港口智能技术的研究现状 |
| 1.1 自动化集装箱码头工艺系统 |
| 1.1.1 港口装卸设备远程操控技术 |
| 1.1.2 智能网联集卡技术 |
| 1.1.3 5G技术在智慧港口建设中的应用 |
| 1.1.4 基于智能传感的跟踪定位技术 |
| 1.2 船舶自动系泊系统 |
| 1.3 船舶靠离泊的拖轮智能控制系统 |
| 1.4 港城协同的智能集疏运系统 |
| 1.5 港口物流与运营系统 |
| 2 船舶智能技术的研究现状 |
| 2.1 智能船舶发展概况 |
| 2.2 船舶智能航行的难点与关键技术 |
| 2.2.1 船舶驾驶过程技术分析 |
| 2.2.2“航行脑”系统与船舶智能航行分级 |
| 2.2.3 船舶智能航行的难度及其关键技术 |
| 2.3 船舶智能航行——辅助驾驶 |
| 2.4 船舶智能航行——远程驾驶 |
| 2.5 船舶智能航行——自主航行 |
| 3 未来新一代航运系统展望 |
| 4 结语 |
（3）基于人工智能的渔船航行数据挖掘研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 研究的背景和意义 |
| 1.2.1 研究背景 |
| 1.2.2 研究意义 |
| 1.3 国内外相关研究综述 |
| 1.3.1 船舶定位数据及获取研究现状 |
| 1.3.2 渔船轨迹相似度计算研究现状 |
| 1.3.3 海上渔船轨迹预测研究现状 |
| 1.3.4 海上渔船捕捞热点研究现状 |
| 1.3.5 渔船作业方式识别研究现状 |
| 1.4 本文研究内容 |
| 1.5 论文创新点 |
| 1.6 本文组织结构 |
| 第2章 数据获取和预处理算法 |
| 2.1 引言 |
| 2.2 渔船定位数据的来源和介绍 |
| 2.3 AIS数据的预处理 |
| 2.3.1 AIS数据的切分 |
| 2.3.2 AIS数据转换处理 |
| 2.3.3 合法性校验 |
| 2.4 渔船轨迹数据的预处理 |
| 2.4.1 渔船轨迹基本模型 |
| 2.4.2 渔船轨迹数据提取算法 |
| 2.4.3 轨迹数据缺失值处理 |
| 2.4.4 轨迹数据异常值处理 |
| 2.5 本章小结 |
| 第3章 海上渔船轨迹预测 |
| 3.1 引言 |
| 3.2 渔船轨迹图像相似度计算 |
| 3.2.1 图像检测与描述相关概念 |
| 3.2.2 渔船轨迹图像相似度算法 |
| 3.2.3 算法实验结果 |
| 3.3 渔船轨迹预测模型 |
| 3.3.1 长短期神经网络 |
| 3.3.2 轨迹预测模型实验方案及评价指标 |
| 3.3.3 模型参数分析 |
| 3.4 轨迹预测模型实验结果及分析 |
| 3.5 本章小结 |
| 第4章 渔船作业方式识别 |
| 4.1 引言 |
| 4.2 渔船作业方式介绍 |
| 4.2.1 拖网作业 |
| 4.2.2 围网作业 |
| 4.2.3 刺网作业 |
| 4.3 渔船轨迹数据分析和特征构建 |
| 4.3.1 渔船轨迹的统计可视化研究 |
| 4.3.2 轨迹数据的速度和转向角度分析 |
| 4.3.3 轨迹数据的经纬度分析 |
| 4.3.4 特征构建 |
| 4.4 渔船作业方式识别模型 |
| 4.4.1 Boosting模型 |
| 4.4.2 评价指标 |
| 4.4.3 模型分类结果 |
| 4.5 本章小结 |
| 第5章 渔船作业热点发现 |
| 5.1 引言 |
| 5.2 作业热点时空变化规律 |
| 5.3 渔船作业热点发现算法 |
| 5.3.1 K-Means算法 |
| 5.3.2 算法概述 |
| 5.3.3 实验结果 |
| 5.4 本章小结 |
| 第6章 总结 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的论文 |
（4）考虑动态约束的水面无人艇自主避障算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 无人艇发展现状概述 |
| 1.2.1 无人艇国外研究现状 |
| 1.2.2 无人艇国内研究现状 |
| 1.3 研究内容及结构安排 |
| 2 无人艇避碰方法概述 |
| 2.1 基于行为的反应式避碰算法 |
| 2.1.1 速度障碍法 |
| 2.1.2 动态窗口法 |
| 2.2 基于路径搜索的静态障碍避碰算法 |
| 2.2.1 人工势场法 |
| 2.2.2 向量场直方图法 |
| 2.3 本章小结 |
| 3 无人艇自主避碰理论基础 |
| 3.1 USV周边态势感知 |
| 3.2 USV运动学模型 |
| 3.2.1 无人艇与障碍船运动参数计算 |
| 3.2.2 USV调整航速的影响 |
| 3.3 USV碰撞危险度评估 |
| 3.3.1 碰撞危险度概述 |
| 3.3.2 USV碰撞危险度计算 |
| 3.4 COLREGs规则介绍 |
| 3.4.1 两船会遇局面的划分 |
| 3.4.2 多船舶会遇局面 |
| 3.5 本章小结 |
| 4 复杂约束下的速度障碍法 |
| 4.1 速度障碍法概述 |
| 4.1.1 速度障碍法原理 |
| 4.1.2 线性速度障碍原理 |
| 4.1.3 非线性速度障碍原理 |
| 4.2 多级优化 |
| 4.2.1 初始决策 |
| 4.2.2 多船会遇约束 |
| 4.2.3 COLREGs约束 |
| 4.2.4 航线约束 |
| 4.2.5 操纵性约束 |
| 4.2.6 结束避碰时机约束 |
| 4.3 特殊情况的避碰策略 |
| 4.3.1 非线性运动避碰策略 |
| 4.3.2 限制水域的避碰策略 |
| 4.4 本章小结 |
| 5 仿真与分析 |
| 5.1 障碍船舶线性运动会遇局面 |
| 5.1.1 对遇局面 |
| 5.1.2 追越局面 |
| 5.1.3 右舷交叉局面 |
| 5.1.4 多船会遇局面 |
| 5.2 障碍船非线性运动会遇局面 |
| 5.2.1 特殊对遇局面 |
| 5.2.2 特殊右舷交叉局面 |
| 5.2.3 特殊左舷交叉会遇局面 |
| 5.2.4 特殊追越局面 |
| 5.2.5 特殊交叉会遇局面 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（5）狭窄水域多船动态避障方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能船舶国内外研究现状 |
| 1.2.2 船舶动态避障算法国内外研究现状 |
| 1.3 课题研究的主要内容 |
| 第2章 狭窄水域会遇态势与避碰算法研究 |
| 2.1 狭窄水域避碰过程中的约束分析 |
| 2.2 船舶避碰参数计算 |
| 2.2.1 碰撞危险度计算 |
| 2.2.2 船舶相对位置参数计算 |
| 2.3 狭窄水域船舶避碰会遇态势 |
| 2.4 狭窄水域船舶避碰算法分析 |
| 2.5 船舶避碰决策流程 |
| 2.6 本章小结 |
| 第3章 基于自适应速度权值的动态窗口避碰算法 |
| 3.1 动态窗口法 |
| 3.1.1 动态窗口法存在问题的描述 |
| 3.2 基于自适应速度权值的动态窗口法 |
| 3.2.1 船舶二维运动坐标模型 |
| 3.2.2 速度约束 |
| 3.2.3 自适应速度权值 |
| 3.3 算法仿真验证 |
| 3.3.1 参数初始化 |
| 3.3.2 夹击状态下避碰仿真实验 |
| 3.3.3 复杂环境下避碰仿真实验 |
| 3.4 本章小结 |
| 第4章 自动避碰系统的设计与实现 |
| 4.1 自主避碰系统总体设计方案 |
| 4.2 基于ROS的船舶定位与感知系统 |
| 4.2.1 控制模块 |
| 4.2.2 船舶定位模块 |
| 4.2.3 环境感知模块 |
| 4.3 基于PLC的船舶控制系统 |
| 4.4 自动避碰系统软件设计 |
| 4.5 多传感器数据融合 |
| 4.6 本章小结 |
| 第5章 狭窄水域实船控制特性与避碰试验 |
| 5.1 实验船的选择 |
| 5.2 智能船舶控制特性试验 |
| 5.2.1 实验环境介绍及实验准备 |
| 5.2.2 船速与转速匹配试验 |
| 5.2.3 回转性试验 |
| 5.2.4 惯性试验 |
| 5.3 狭窄水域动态避碰试验 |
| 5.3.1 单船避碰 |
| 5.3.2 多船避碰 |
| 5.4 本章小结 |
| 第6章 全文总结与展望 |
| 6.1 研究工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 在学期间科研成果情况 |
（6）基于船岸协同的船舶智能航行与控制关键技术研究（论文提纲范文）
| 引言 |
| 1 国内外研究发展现状 |
| 1.1 船舶自主航行 |
| 1.2 船舶远程遥控驾驶 |
| 1.3 船舶自动靠离泊 |
| 1.4 船舶智能航行测试 |
| 2 船舶智能航行环境与态势感知认知 |
| 2.1 海上复杂航行环境目标主动检测、识别、跟踪与融合 |
| 2.2 多驾驶模态下的船舶航行态势表达与预测 |
| 2.3 面向自主航行决策的信息表达与声光语义理解 |
| 3 船舶智能航行的航线规划 |
| 3.1 多约束条件下的海上船舶航线智能优化 |
| 3.2 多约束条件下的内河船舶路径自主规划 |
| 4 船舶自主避碰决策 |
| 4.1 海船智能航行避碰决策 |
| 4.2 河船智能航行避碰决策 |
| 5 船舶远程遥控驾驶 |
| 6 船舶自动靠离泊 |
| 7 岸基支持保障 |
| 7.1 船舶智能航行信息服务 |
| 7.2 船舶智能航行通信传输 |
| 7.3 网络安全保障 |
| 8 船舶智能航行与控制系统构建 |
| 8.1 船岸协同关系 |
| 8.2 船舶智能航行安全风险辨识、管控与治理体系构建 |
| 8.3 船舶智能航行系统技术分级 |
| 8.4 基于船岸协同的船舶智能航行与控制系统构建 |
| 9 船舶智能航行实验测试 |
| 9.1 船舶智能航行实验测试方法 |
| 9.2 船舶智能航行 |
| 9.3 船舶智能航行技术集成 |
| 1 0 总结与展望 |
（7）PIDVCA算法优化及其决策效果可视化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题目的意义及依据 |
| 1.2 国内外研究现状 |
| 1.2.1 船舶避碰国外研究现状 |
| 1.2.2 船舶避碰国内研究现状 |
| 1.3 研究主要工作 |
| 第2章 船舶智能避碰基础 |
| 2.1 船舶避碰基本过程 |
| 2.2 船舶拟人智能避碰决策方法简介 |
| 2.2.1 PIDVCA原理 |
| 2.2.2 船舶碰撞危险评价体系及相关概念 |
| 2.3 开阔水域PIDVCA算法 |
| 2.3.1 PIDVCA算法组成及其特点 |
| 2.3.2 PIDVCA算法存在的局限性 |
| 2.4 本章小节 |
| 第3章 开阔繁忙水域多船紧迫危险避碰决策方法 |
| 3.1 两船紧迫危险的决策分析 |
| 3.2 多船紧迫危险避碰决策库的构建 |
| 3.2.1 空间目标组合确定典型会遇场景 |
| 3.2.2 几何图解分析确定典型会遇场景避碰决策库 |
| 3.3 构建变速及改向变速操纵参数估算模型 |
| 3.3.1 变速冲程及冲时估算模型 |
| 3.3.2 改向变速组合的合成冲程及操纵避让时间估算模型 |
| 3.4 本章小节 |
| 第4章 开阔繁忙水域多船紧迫危险算法设计及仿真 |
| 4.1 多船紧迫危险算法设计 |
| 4.2 仿真案例设计及分析 |
| 4.2.1 船舶智能操控仿真平台简介 |
| 4.2.2 多船紧迫危险避碰决策仿真案例设计及结果分析 |
| 4.3 本章小节 |
| 第5章 船舶避碰辅助决策效果可视化研究及应用 |
| 5.1 船舶避碰辅助决策系统功能 |
| 5.1.1 船舶碰撞危险预警功能 |
| 5.1.2 船舶避碰辅助决策功能 |
| 5.2 船舶避碰辅助决策效果可视化信息显示模式设计 |
| 5.2.1 调查问卷的设计及分析 |
| 5.2.2 避碰辅助决策功能界面设计 |
| 5.2.3 避碰辅助决策图文解析模式设计 |
| 5.3 避碰辅助决策可视化在航海模拟器培训教学的应用 |
| 5.3.1 航海模拟器培训方案的设计 |
| 5.3.2 航海模拟器模拟训练效果展示 |
| 5.4 本章小节 |
| 第6章 结论与展望 |
| 6.1 论文总结及创新点 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 在学期间科研成果情况 |
（8）基于HSSVM与卷积神经网络的船舶避碰知识库研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外相关研究现状及进展 |
| 1.3 本文技术路线 |
| 1.4 研究目的和研究意义 |
| 1.5 本文主要工作及内容安排 |
| 2 船舶避碰会遇数据提取 |
| 2.1 AIS简介 |
| 2.2 AIS数据预处理 |
| 2.3 船舶会遇划分 |
| 2.4 互见中的避让过程 |
| 2.5 基于高效索引算法的船舶避碰会遇数据提取 |
| 2.5.1 基于时间片倒排索引的轨迹查询方法 |
| 2.5.2 基于R树索引的AIS轨迹搜索算法 |
| 2.6 本章小结 |
| 3 融合动态Douglas-Peucker算法与特征标注的AIS轨迹数据预处理 |
| 3.1 基于动态D-P算法的AIS轨迹压缩 |
| 3.1.1 经典Douglas-Peucker算法 |
| 3.1.2 动态D-P算法 |
| 3.1.3 基于动态D-P算法的AIS轨迹压缩 |
| 3.2 拉格朗日插值预处理 |
| 3.2.1 一阶差商与二阶差商 |
| 3.2.2 船舶直线运动的双线性插值 |
| 3.2.3 船舶曲线运动的拉格朗日二次插值 |
| 3.3 TCPA/DCPA标注 |
| 3.3.1 目标船状态计算模型 |
| 3.3.2 DCPA、TCPA计算模型 |
| 3.3.3 DCPA/TCPA计算实例 |
| 3.4 本章小结 |
| 4 基于加权HSSVM的船舶避碰知识库构建 |
| 4.1 加权超球支持向量机数学描述 |
| 4.1.1 原始的超球支持向量机描述 |
| 4.1.2 加权超球支持向量机描述 |
| 4.1.3 时间复杂度分析 |
| 4.2 超球相交区域的决策规则 |
| 4.2.1 同类错误/异类错误超球规则 |
| 4.2.2 多子超球分类规则 |
| 4.2.3 线性/非线性分类规则 |
| 4.2.4 基于kNN的分类决策规则 |
| 4.3 基于加权超球支持向量机算法的船舶避碰分类实验设计及结果分析 |
| 4.3.1 训练数据、测试数据准备 |
| 4.3.2 实验结果及分析 |
| 4.3.3 船舶避碰知识分类数据提取 |
| 4.3.4 避碰知识库建立 |
| 4.4 小结 |
| 5 基于CNN大规模船舶避碰知识库扩充及应用 |
| 5.1 算法描述 |
| 5.1.1 算法流程描述 |
| 5.2 多尺度多分辨率轨迹处理 |
| 5.2.1 轨迹合并 |
| 5.2.2 空间金字塔AIS轨迹池化处理 |
| 5.3 基于深度学习算法的避碰识别 |
| 5.3.1 卷积神经网络发展历史 |
| 5.3.2 基于CNN的轨迹匹配网络架构设计 |
| 5.3.3 实验分析 |
| 5.4 船舶避碰知识库的应用举例 |
| 5.4.1 船舶避碰图像知识库 |
| 5.4.2 船舶避碰特征知识库 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
（10）面向自主船舶的危险分析方法研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究的必要性及意义 |
| 1.3 国内外相关研究现状及进展 |
| 1.3.1 自主船舶的安全性研究 |
| 1.3.2 危险分析方法的发展与演变 |
| 1.3.3 系统理论过程分析的应用 |
| 1.4 自主船舶安全性研究中存在的问题及解决思路 |
| 1.5 主要研究内容与结构框架 |
| 1.5.1 主要研究内容 |
| 1.5.2 结构框架 |
| 1.6 本章小结 |
| 2 自主船舶的定义及其自主水平的界定 |
| 2.1 自主船舶的历史沿革 |
| 2.2 自主船舶的发展历程 |
| 2.3 自主船舶的定义与自主化演变 |
| 2.3.1 自主船舶的定义 |
| 2.3.2 船舶自主化的演变 |
| 2.4 自主水平分级标准 |
| 2.4.1 LR自主水平分级标准 |
| 2.4.2 NFAS自主水平分级标准 |
| 2.4.3 DMA自主水平分级标准 |
| 2.4.4 MASRWG自主水平分级标准 |
| 2.4.5 BV自主水平分级标准 |
| 2.4.6 IMO自主水平分级标准 |
| 2.5 自主水平分级标准的划分依据 |
| 2.6 基于航海实践的自主水平分级方法 |
| 2.7 实例分析 |
| 2.7.1 “Folgefonn”号渡轮自主水平分级 |
| 2.7.2 “Falco”号渡轮自主水平分级 |
| 2.8 本章小结 |
| 3 面向自主船舶的危险分析方法适用性评估 |
| 3.1 危险分析方法的选取与概述 |
| 3.1.1 基于事件链的危险分析方法 |
| 3.1.2 基于能量转移的危险分析方法 |
| 3.1.3 基于状态迁移的危险分析方法 |
| 3.1.4 基于系统理论的危险分析方法 |
| 3.1.5 其他危险分析方法 |
| 3.2 基于系统工程的适用性评估方法 |
| 3.2.1 文献综述的数据准备 |
| 3.2.2 危险分析方法的筛选 |
| 3.2.3 评估程序的确定 |
| 3.2.4 评估准则的生成 |
| 3.3 适用性评估过程 |
| 3.3.1 聚类分析 |
| 3.3.2 适用性评估结果 |
| 3.4 适用性评估结果分析 |
| 3.4.1 存在局限性的危险分析方法 |
| 3.4.2 STPA的适用性分析 |
| 3.5 本章小结 |
| 4 面向自主船舶的危险分析与安全性建模 |
| 4.1 自主船舶的系统安全描述 |
| 4.1.1 自主船舶的运行特点 |
| 4.1.2 自主船舶面临的系统风险 |
| 4.2 危险分析的基本原理 |
| 4.2.1 危险及其相关术语的定义 |
| 4.2.2 危险的转化 |
| 4.2.3 危险分析过程 |
| 4.3 基于STPA的安全性协同分析方法 |
| 4.3.1 STPA及其扩展方法的局限性 |
| 4.3.2 STPA-SynSS的提出 |
| 4.4 考虑退化组件的自主船舶安全性建模 |
| 4.5 实例分析 |
| 4.5.1 基于STPA-SynSS的远程控制船舶危险分析 |
| 4.5.2 考虑退化组件的远程控制船舶安全性建模 |
| 4.6 STPA-SynSS与STPA危险分析结果的对比分析 |
| 4.7 本章小结 |
| 5 面向自主船舶的形式化建模与危险分析结果验证 |
| 5.1 形式化方法概述 |
| 5.2 基于时间自动机的模型检测方法 |
| 5.2.1 模型检测的基本原理 |
| 5.2.2 时间自动机理论 |
| 5.2.3 时间自动机网络 |
| 5.2.4 模型检测工具UPPAAL概述 |
| 5.3 基于时间自动机的STPA-SynSS扩展流程 |
| 5.4 远程控制船舶时间自动机网络模型的构建 |
| 5.5 STPA-SynSS危险分析结果的验证 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
四、船舶自动航行系统的现状与发展（论文参考文献）
- [1]智能航运的研究现状与展望[J]. 严新平,刘佳仑,张煜,李诗杰,王腾飞. 现代交通与冶金材料, 2022(01)
- [2]自主航行船舶控制系统架构与关键技术[J]. 刘彬,殷非,张程,庄加兴. 船舶工程, 2021(08)
- [3]基于人工智能的渔船航行数据挖掘研究[D]. 解钦. 青岛科技大学, 2021(01)
- [4]考虑动态约束的水面无人艇自主避障算法研究[D]. 钮俊涛. 大连理工大学, 2021(01)
- [5]狭窄水域多船动态避障方法研究[D]. 王金铎. 集美大学, 2021(01)
- [6]基于船岸协同的船舶智能航行与控制关键技术研究[J]. 张宝晨,张英俊,王绪明,高汉增,孙武. 中国基础科学, 2021(02)
- [7]PIDVCA算法优化及其决策效果可视化研究[D]. 展琼谣. 集美大学, 2021(01)
- [8]基于HSSVM与卷积神经网络的船舶避碰知识库研究[D]. 陈鹏. 大连海事大学, 2021(04)
- [9]船舶自主航行关键技术研究现状与展望[J]. 李永杰,张瑞,魏慕恒,张羽. 中国舰船研究, 2021(01)
- [10]面向自主船舶的危险分析方法研究[D]. 周翔宇. 大连海事大学, 2020(04)