申请/专利权人：武汉理工大学

申请日：2023-12-14

公开（公告）日：2024-04-05

公开（公告）号：CN117826748A

主分类号：G05B23/02

分类号：G05B23/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明涉及一种基于深度神经网络的护航船舶航行风险测试及控制方法，其先获取预设冰区内船舶航行轨迹和多源海洋环境数据，再对轨迹数据进行筛选和分类，与多源海洋环境数据进行匹配融合，确定不同环境情况下护航船队的安全护航数据；基于安全护航数据和先验数据，对预设深度神经网络进行训练，得到护航跟驰风险评估模型；最后，通过模型计算实际航行的风险度，并对船舶编队数据进行优化调整。相比于现有技术，本发明基于多源融合数据和深度学习网络建立护航跟驰风险评估模型，该模型综合考虑多种影响因素，能更准确地评估冰区护航船队航行风险，根据航行风险对船舶编队数据做出及时调整，为提高船队航行安全性、降低事故风险提供理论支撑。

主权项：1.一种基于深度神经网络的护航船舶航行风险测试及控制方法，其特征在于，包括：获取预设冰区内的船舶航行轨迹数据、海冰数据和海洋环境数据；对所述预设冰区内的海冰数据和海洋环境数据进行数据融合，得到网格融合环境数据；对所述预设冰区内的船舶航行轨迹数据进行筛选，得到护航轨迹数据；基于所述护航轨迹数据对护航船队行为方式进行分类，将所述网格融合环境数据匹配至不同行为方式下的护航船队轨迹数据中，得到在不同融合环境和不同行为方式下护航船队的安全护航数据；根据所述安全护航数据和先验数据得到训练数据库，对预设深度神经网络进行训练，得到护航跟驰风险评估模型；获取实时船舶编队数据和环境状态数据，将所述船舶编队数据和环境状态数据输入所述护航跟驰风险评估模型中，得到风险测试结果；根据所述风险测试结果对所述船舶编队数据进行优化调整。

全文数据：

权利要求：

百度查询： 武汉理工大学 基于深度神经网络的护航船舶航行风险测试及控制方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD