申请/专利权人:武汉理工大学
申请日:2022-09-30
公开(公告)日:2023-01-17
公开(公告)号:CN115270644B
主分类号:G06F30/27
分类号:G06F30/27;G06F30/28;G06N3/04;G06N3/08;G06N20/10;G06F111/10;G06F113/08;G06F119/14
优先权:
专利状态码:有效-授权
法律状态:2023.01.17#授权;2022.11.18#实质审查的生效;2022.11.01#公开
摘要:本发明涉及一种智能船舶节能航行编队方法、电子设备和存储介质,其通过样本数据集训练深度前馈神经网络,得到能够表征工况特征和阻力特征之间映射关系的阻力预报模型,其中工况特征包括用于描述不同队形的队形特征,这样通过阻力预报模型,便可以知晓船舶队伍在不同队形特征下的阻力信息,这样根据阻力信息,便可以选择出船舶在对应航行计划下的最优队形,得到最优编队方案。相比于现有技术,本发明提出了一套完整的编队方法,即从训练深度前馈神经网络到利用阻力预报模型进行编队的完整的流程,实现了根据具体航行任务的不同,灵活制定编队方案以使航行船舶均获得最大的阻力收益的目的,进而能够实现节能减排。
主权项:1.一种智能船舶节能航行编队方法,其特征在于,包括:获取样本数据集,所述样本数据集包括多个船舶在不同工况下航行时的阻力信息,所述工况包括多种工况特征,所述工况特征包括队形特征、船舶特征和航道特征,所述阻力信息包括多种阻力特征;根据所述样本数据集训练深度前馈神经网络,得到阻力预报模型,其中所述阻力预报模型用于表征工况特征和阻力特征的映射关系;获取多个待编队船舶的航行计划,得到目标航道和待编队船舶的船舶特征;根据所述目标航道,得到所述目标航道的航道特征;基于所述待编队船舶的船舶特征,根据所述阻力预报模型,得到所述目标航道的航道特征对所述待编队船舶的阻力信息的影响等级;根据所述目标航道的航道特征对所述待编队船舶的阻力信息的影响等级,将所述目标航道划分为多个航段;基于所述待编队船舶的船舶特征,根据所述阻力预报模型,得到每个所述航段内的所述待编队船舶的最优队形;根据多个所述最优队形,得到最优编队方案。
全文数据:
权利要求:
百度查询: 武汉理工大学 一种智能船舶节能航行编队方法、电子设备和存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。