排序方式： 共有3条查询结果，搜索用时 31 毫秒
1
1.
为解决驾驶员使用最近会遇距离(distance of closest point of approach, DCPA)和最短会遇时间(time of closest point of approach, TCPA)进行避让决策时存在的忽略目标船参数的问题,采用Coldwell船舶领域模型并引入度量参数的方式,推导出具有时间序列的动态避让决策参数——最小缩放因子、领域侵入时间和领域侵入度。基于二分法和推导出的决策参数设计让路船决策流程,使用VC++MFC编程实现MMG模型仿真,并与基于传统DCPA和TCPA的避让决策仿真结果进行对比。结果表明,基于推导出的决策参数的避让决策能够解决基于DCPA、TCPA的避让决策忽略目标船参数的问题,具有预警时间精度高,避让时间短,避让转向角更合理等优势。推导出的决策参数在航线经济最优化和限制水域的避让决策方面都存在实用价值。 相似文献
2.
基于最短避碰距离和碰撞危险度的避碰决策支持 总被引：1，自引：0，他引：1
为解决目前采用船舶领域进行避碰决策时选用的船舶领域多仅适用于一定水域,且选用的船舶领域模型与碰撞危险度模型考虑的因素不一致的问题,提出基于模糊四元船舶领域的碰撞危险度模糊评价模型。为解决采用最短避碰距离作为目标函数进行避碰决策时未考虑航迹偏差以及时间偏差等因素,以及根据所得的避碰参数采取的避碰措施并不能使总航程最短的问题,提出以航迹偏差、时间偏差和总航程作为目标函数的最短避碰路径模型。在综合考虑船舶领域、国际海上避碰规则和负责航行值班的高级船员的主观意识的情况下,应用粒子群优化(particle swarm optimization,PSO)算法规划出最优的避碰路径。MATLAB仿真结果表明,该算法能快速获得最优避碰路径,满足海上航行避碰要求。 相似文献
3.
为提高潮汐预测精度,解决单一调和分析预测精度不高的问题,提出一种基于调和分析和自回归综合移动平均-支持向量回归机(autoregressive integrated moving average support vector machine for regression,ARIMA-SVR)的组合潮汐预测模型。潮汐分析中,潮汐可认为是由受引潮力影响的天文潮位和受环境因素影响的非线性水位的叠加。采用小波分析对潮汐样本数据进行去噪处理,使用调和分析法计算天文潮位,以调和分析法计算产生的残差作为非线性水位样本数据,并使用ARIMA-SVR模型进行潮高计算,最后将两部分的计算结果进行线性求和得到最终的潮汐预测值。利用美国旧金山港口实测潮汐数据进行预测仿真,结果表明,该组合模型解决了调和分析忽略非线性影响的问题,提高了潮汐预测准确率,可行且高效。 相似文献
1