基于虚实映射的船舶航速处理方法、装置及处理设备制造方法及图纸

本申请的实施例提供了一种基于虚实映射的船舶航速处理方法、装置及处理设备，涉及智能船舶技术领域。本申请通过获取船舶的实时工作参数信息，将所述船舶的实时工作参数信息输入至航速预测模型，得到目标航速信息，所述航速预测模型基于训练样本集训练得到，所述训练样本集基于多维数字孪生仿真模型所输出的仿真数据集构建，所述多维数字孪生仿真模型用于根据船舶的孪生数据输出所述仿真数据集。本申请能够在获取到少量的船舶航行数据的基础上，利用大量的仿真数据集训练航速预测模型，得到准确的航速优化结果。准确的航速优化结果。准确的航速优化结果。

【技术实现步骤摘要】
基于虚实映射的船舶航速处理方法、装置及处理设备


[0001]本申请涉及智能船舶
，具体而言，涉及一种基于虚实映射的船舶航速处理方法、装置及处理设备。

技术介绍

[0002]在船舶领域，实现船舶的智能有效管理，例如船舶航速的智能优化，是重要的研究课题。
[0003]目前船舶航速的智能优化方法，主要包括专家系统、经验指导、模糊理论、神经网络模型等技术。
[0004]但现有的技术中，如果使用专家系统、经验指导、模糊理论的方法，在进行航速优化时，由于船舶工况复杂，参数较多，导致优化结果的准确性较低；如果采用神经网络模型的方法，由于船舶航行数据样本获取困难，只能得到少量数据样本，导致神经网络模型训练度不够，输出的优化结果准确度不高。

技术实现思路

[0005]本申请的目的在于，针对现有技术中的不足，提供一种基于虚实映射的船舶航速处理方法、装置及处理设备，其能够根据船舶的实时工作参数信息，得到准确的航速优化结果。
[0006]为实现上述目的，本申请实施例采用的技术方案如下：
[0007]第一方面，本申请实施例提供了一种基于虚实映射的船舶航速处理方法，所述方法包括：
[0008]获取船舶的实时工作参数信息；
[0009]将所述船舶的实时工作参数信息输入至航速预测模型，得到目标航速信息，所述航速预测模型基于训练样本集训练得到，所述训练样本集基于多维数字孪生仿真模型所输出的仿真数据集构建，所述多维数字孪生仿真模型用于根据船舶的孪生数据输出所述仿真数据集。
[0010]在一种可选的实施方式中，所述方法还包括：
[0011]获取所述船舶的孪生数据，所述船舶的孪生数据用于标识船舶的运行数据以及各运行数据之间的关系；
[0012]将所述船舶的孪生数据输入所述多维数字孪生仿真模型，得到所述仿真数据集；
[0013]对所述仿真数据集进行标注，得到所述训练样本集；
[0014]使用所述训练样本集训练得到所述航速预测模型。
[0015]在一种可选的实施方式中，所述方法还包括：
[0016]构建初始孪生仿真模型；
[0017]根据船舶的历史运行数据以及所述初始孪生仿真模型输出的实际仿真结果，对所述初始孪生仿真模型进行修正；
[0018]若修正后的初始孪生仿真模型满足预设条件，则将所述修正后的初始孪生仿真模型作为所述多维数字孪生仿真模型。
[0019]在一种可选的实施方式中，所述使用所述训练样本集训练得到所述航速预测模型，包括：
[0020]根据所述训练样本集训练生成贝叶斯模型；
[0021]根据所述贝叶斯模型以及实际运行数据，更新所述贝叶斯模型，得到更新后的贝叶斯模型；
[0022]根据所述更新后的贝叶斯模型和所述训练样本集，得到更新后的训练样本集；
[0023]根据所述更新后的训练样本集对所述航速预测模型进行修正，得到所述更新后的航速预测模型。
[0024]在一种可选的实施方式中，所述获取所述船舶的孪生数据，包括：
[0025]将所述船舶的实时运行数据进行预处理，得到量纲统一的实时运行数据；
[0026]将所述量纲统一的实时运行数据进行特征选择，得到目标特征向量，所述目标特征向量用于表征与航速相关的运行数据以及运行数据之间的关系；
[0027]将所述目标特征向量进行维度压缩，得到所述孪生数据。
[0028]在一种可选的实施方式中，所述船舶的实时运行数据包括：
[0029]船舶航行状态、船舶运行状态、根据历史航行信息所得到的经验数据。
[0030]在一种可选的实施方式中，所述方法还包括：
[0031]根据采集的所述船舶的实时工作参数信息，对所述航速预测模型进行更新。
[0032]第二方面，本申请实施例提供一种基于虚实映射的船舶航速处理装置，应用于船舶航速处理设备，所述装置包括：
[0033]获取模块，用于获取船舶的实时工作参数信息；
[0034]处理模块，将所述船舶的实时工作参数信息输入至航速预测模型，得到目标航速信息，所述航速预测模型基于训练样本集训练得到，所述训练样本集基于多维数字孪生仿真模型所输出的仿真数据集构建，所述多维数字孪生仿真模型用于根据船舶的孪生数据输出所述仿真数据集。
[0035]第三方面，本申请实施例提供一种基于虚实映射的船舶航速处理设备，所述基于虚实映射的船舶航速处理设备包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如前述实施方式中任一项所述的基于虚实映射的船舶航速处理方法的步骤。
[0036]第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现前述实施方式中任一项所述方法的步骤。
[0037]本申请实施例的有益效果包括，例如：
[0038]采用本申请实施例提供的基于虚实映射的船舶航速处理方法、装置及处理设备，首先，本申请实施例利用神经网络模型的方法，根据多个对航速优化结果有影响的实时工作参数信息的数据，通过航速预测模型进行航速预测，能够综合多个工作参数的影响，得到较为准确的目标航速信息。其次，为了克服神经网络模型由于数据样本过少导致的训练度
不够的问题，本申请实施例利用多维数字孪生仿真模型输出的仿真数据集，构建了训练样本集，用于训练航速预测模型。由于多维数字孪生仿真模型可根据各种不同工况下的工作参数信息，得到不同工况下对应的航速仿真结果，大幅度减少了航速预测模型的准确度对实体船舶数据采集数据的依赖，达到了简化航行样本数据获取过程，扩大训练样本集，进而充分训练航速预测模型的目的。
[0039]另外，本申请还利用贝叶斯模型，根据存储的实际运行数据，更新训练样本集中的训练样本参数，得到更新后的训练样本集，进而采用更新后的训练样本集训练航速预测模型，多次重复这个过程，直到航速预测模型输出的航速预测结果与实际运行数据对应的实际航速的差值小于预设范围。贝叶斯模型的引入，能够根据实际运行数据，对航速预测模型进一步修正，由于经过仿真数据训练的航速预测模型已经能够在仿真空间输出准确的航速优化结果，这样，即使在实际运行数据样本量较少的情况下，经过少量的训练与修正，航速预测模型也能够在实际场景中输出准确的航速优化结果。
附图说明
[0040]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0041]图1为本申请实施例提供的基于虚实映射的船舶航速处理方法的步骤流程示意图；
[0042]图2为本申请实施例提供的基于虚实映射的船舶航本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于虚实映射的船舶航速处理方法，其特征在于，所述方法包括：获取船舶的实时工作参数信息；将所述船舶的实时工作参数信息输入至航速预测模型，得到目标航速信息，所述航速预测模型基于训练样本集训练得到，所述训练样本集基于多维数字孪生仿真模型所输出的仿真数据集构建，所述多维数字孪生仿真模型用于根据船舶的孪生数据输出所述仿真数据集。2.根据权利要求1所述的基于虚实映射的船舶航速处理方法，其特征在于，所述方法还包括：获取船舶的所述孪生数据，船舶的所述孪生数据用于标识船舶的运行数据以及各运行数据之间的关系；将船舶的所述孪生数据输入所述多维数字孪生仿真模型，得到所述仿真数据集；对所述仿真数据集进行标注，得到所述训练样本集；使用所述训练样本集训练得到所述航速预测模型。3.根据权利要求2所述的基于虚实映射的船舶航速处理方法，其特征在于，所述方法还包括：构建初始孪生仿真模型；根据船舶的历史运行数据以及所述初始孪生仿真模型输出的实际仿真结果，对所述初始孪生仿真模型进行修正；若修正后的初始孪生仿真模型满足预设条件，则将所述修正后的初始孪生仿真模型作为所述多维数字孪生仿真模型。4.根据权利要求2所述的基于虚实映射的船舶航速处理方法，其特征在于，所述使用所述训练样本集训练得到所述航速预测模型，包括：根据所述训练样本集训练生成贝叶斯模型；根据所述贝叶斯模型以及实际运行数据，更新所述贝叶斯模型，得到更新后的贝叶斯模型；根据所述更新后的贝叶斯模型和所述训练样本集，得到更新后的训练样本集；根据所述更新后的训练样本集对所述航速预测模型进行修正，得到所述更新后的航速预测模型。5.根据权利要求2所述的基于虚实映射的船舶航速处理方法，其特征在于，所述获取船舶的所述孪生数据，包括：将船舶的实时运行数据进行预处理，...

【专利技术属性】
技术研发人员：程鲲鹏，吉承成，
申请(专利权)人：江苏远望仪器集团有限公司，
类型：发明
国别省市：