【技术实现步骤摘要】
本专利技术涉及一种基于机器学习的海上船舶指挥方法及系统，属于船舶管理。
技术介绍
1、随着航运事业的迅猛发展，海域上的船舶的指挥会更加复杂。同时，船舶指挥影响着船舶航行安全、水域环境、人员安全等多个方面，专业化的船舶指挥可以最大限度的提高资源使用效率，降低成本，确保船员安全，提高服务质量等。
2、随着贸易全球化的不断深入，航运业务日益繁忙，船舶在航行过程中，船舶周围的环境与船舶航行安全密切相关，如恶劣天气、海盗、战区等与船舶周围环境相关航行风险随时可能发生，如果风险预测错误或者风险处理不及时，则可能造成不可估量的损失。
3、现有技术如专利号为“cn117217097a”的专利技术专利公开了一种船舶工业数字孪生体平台化构建方法及系统，对海上天气进行实时监测，并根据监测结果预测天气条件对船舶运行的影响，保证船舶的安全。
4、但该技术方案中只考虑了天气对船舶航行的影响，并未对海上航行的其它问题进行考虑，预测的结果可能过于片面。
技术实现思路
1、为了解决上述现有技术中存在的问题，本专利技术提出了一种基于机器学习的海上船舶指挥方法及系统。
2、本专利技术的技术方案如下：
3、一方面，本专利技术提供了一种基于机器学习的海上船舶指挥方法，包括以下步骤：
4、船舶上的指挥平台模块通过北斗卫星与地面指挥中心的指挥中心模块建立连接，发送船舶状态和位置信息，以及请求指令与任务；
5、指挥中心模块根据船舶上的指挥平台的信
6、船舶上的指挥平台模块接收命令后，控制船舶执行相应的作业任务。
7、作为本专利技术的优选实施方式，所述指挥平台模块包括感知单元与指令执行单元；
8、所述感知单元用于收集船舶的各类传感器数据，并根据传感器数据计算船舶位置、速度、状态以及航行方向信息；
9、所述指令执行单元用于根据指挥中心模块下发的任务对船舶的进行相应的控制。
10、作为本专利技术的优选实施方式，所述指挥中心模块包括海域分析单元、船舶出入港管理单元以及船舶航行路线规划单元。
11、作为本专利技术的优选实施方式，所述海域分析单元用于分析预测海域的未来的气象数据，具体步骤为：
12、收集对应海域的历史卫星图像数据，并对数据进行预处理后根据时间序列构建样本集；
13、基于多层卷积长短时记忆网络构建海域分析模型，卷积长短时记忆网络由多个卷积长短时记忆单元构成，所述卷积长短时记忆单元的定义如下式所示：
14、
15、
16、
17、
18、
19、其中：、、分别表示卷积长短时记忆单元的输入门、遗忘门、输出门；表示卷积长短时记忆单元的单元状态；表示卷积长短时记忆单元的隐藏状态；表示第个卷积长短时记忆单元；表示输入值；表示权重矩阵；表示偏置向量；表示哈达玛积；表示sigmoid激活函数；表示双曲正切激活函数；、、、、分别表示第个卷积长短时记忆单元的输入门、遗忘门、单元状态、输出门以及隐藏状态；表示第个卷积长短时记忆单元的输入值；为第个卷积长短时记忆单元的隐藏状态；表示第个卷积长短时记忆单元的单元状态；、、、分别表示第个卷积长短时记忆单元的输入值在输入门、遗忘门、单元状态、输出门中对应的权重矩阵；、、、分别表示第个卷积长短时记忆单元的隐藏状态在输入门、遗忘门、单元状态、输出门中对应的权重矩阵；、、分别表示第个卷积长短时记忆单元的单元状态在输入门、遗忘门、输出门中对应的权重矩阵；、、、分别表示输入门、遗忘门、单元状态、输出门的偏置向量；
20、将训练样本集输入海域分析模型中对模型进行训练迭代，得到训练完成的海域分析模型；
21、接收该海域的实时卫星图像数据，通过训练完成的海域分析模型预测该海域未来的气象数据。
22、作为本专利技术的优选实施方式，所述船舶出入港管理单元用于管理船舶的出入港，具体步骤为：
23、在指挥中心模块设置数据库用于储存港口信息以及船舶的经纬度信息；
24、对于任一船舶，每隔固定时间获取一次其实时经纬度信息并上传至指挥中心模块；
25、指挥中心模块通过数据库中该船舶上传的经纬度信息构建该船舶的航行轨迹，并通过卡尔曼滤波器对该航行轨迹进行平滑处理；
26、获取港口的地理围栏信息，同时获取船舶航行轨迹中的上一次经纬度信息以及最新经度信息并转换为弧度制：
27、
28、
29、
30、
31、其中：、分别表示船舶航行轨迹中的上一次经纬度信息；、分别表示船舶航行轨迹中的最新纬度信息；、分别表示船舶航行轨迹中弧度制的上一次经纬度信息；、分别表示船舶航行轨迹中弧度制的最新经纬度信息；
32、再通过下式计算上一次经纬度信息与最新纬度信息之间的实际距离：
33、
34、
35、
36、将两经纬度之间的实际距离与港口的地理围栏信息中的半径对比，若实际距离大于港口的半径，则判断船舶不在港口内；若实际距离小于港口的半径，则判断船舶在港口内；同时在数据库中记录船舶的出入港记录。
37、作为本专利技术的优选实施方式，所述航行路线规划单元用于规划船舶的航行路线，具体步骤为：
38、收集船舶的规格数据并通过海域分析单元获取航线所在海域的气象数据，通过下式计算船舶的淹没表面积：
39、
40、其中：表示矩形系数；表示船舶的垂线间长；表示船舶型宽；表示船舶的平均吃水；表示船舶的淹没表面积计算系数；表示基于海域的气象数据得到的气象系数；
41、通过下式计算船舶在该海域航行过程中波浪的附加阻力：
42、
43、其中：表示船舶航行过程中波浪的附加阻力；表示船舶在静水中船体阻力；表示船舶的排量；表示海域气象数据中的波浪高度；
44、综合船舶的规格数据以及上式得到船舶在该海域的推进性能；
45、收集目标海域的船舶历史事故信息、海域内实时的船舶密度以及船舶的实时航行状态，并结合船舶的推进性能以及海域的未来气象数据构建训练集；
46、基于长短时记忆网络构建船舶航行路线规划模型，通过训练集对船舶航行路线规划模型进行训练并优化参数，得到训练完成的船舶航行路线规划模型；
47、通过训练完成的模型预测船舶在该海域的最佳航行路线，并下发至对应船舶的指挥平台模块中。
48、作为本专利技术的优选实施方式，通过构建海上通信加密架构进行通信，所述海上通信加密架构结合了卫星通信、无人机辅助通信以及传统海上无线电通信网络，构成了多层次的通信网络；
49、所述无人机辅助通信利用无人机作为中继站，部署在远离指挥中心的海域；
50、数据传输过程中同过三重idea加密，同本文档来自技高网...
【技术保护点】
1.一种基于机器学习的海上船舶指挥方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的海上船舶指挥方法，其特征在于，所述指挥平台模块包括感知单元与指令执行单元；
3.根据权利要求1所述的一种基于机器学习的海上船舶指挥方法，其特征在于，所述船舶出入港管理单元用于管理船舶的出入港，具体步骤为：
4.根据权利要求1所述的一种基于机器学习的海上船舶指挥方法，其特征在于，所述航行路线规划单元用于规划船舶的航行路线，具体步骤为：
5.根据权利要求1所述的一种基于机器学习的海上船舶指挥方法，其特征在于，通过构建海上通信加密架构进行通信，所述海上通信加密架构结合了卫星通信、无人机辅助通信以及传统海上无线电通信网络，构成了多层次的通信网络；
6.一种基于机器学习的海上船舶指挥系统，其特征在于，包括指挥平台模块、指挥中心模块以及通信模块；
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述的方法。
<...【技术特征摘要】
1.一种基于机器学习的海上船舶指挥方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习的海上船舶指挥方法，其特征在于，所述指挥平台模块包括感知单元与指令执行单元；
3.根据权利要求1所述的一种基于机器学习的海上船舶指挥方法，其特征在于，所述船舶出入港管理单元用于管理船舶的出入港，具体步骤为：
4.根据权利要求1所述的一种基于机器学习的海上船舶指挥方法，其特征在于，所述航行路线规划单元用于规划船舶的航行路线，具体步骤为：
5.根据权利要求1所述的一种基于机器学习的海上船舶指挥方法，其特征...
【专利技术属性】
技术研发人员：林巍，郑云平，林小强，林梓敏，蔡艺文，
申请(专利权)人：平潭综合实验区智慧岛投资发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。