专利汇可以提供一种基于ECDIS的绿色大洋航线设计方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于ECDIS的绿色大洋航线设计方法,包括以下步骤:建立 船舶 的 温室 气体 排放模型;建立船舶航线的网格区域;优化选择船舶航线和主机推进功率;显示与使用航线。本发明是事先利用样本训练神经网络,在优化确定航线时利用神经网络进行在线计算,这样大大减小了运算量,而且神经网络这种非线性拟合方式具有较高的拟合 精度 。这样处理可以同时满足实时性和精确性的要求。本发明在优化设计航线的同时优化每个航段的船舶主机输出功率,从而从船舶航线和主机输出功率两个方面控制船舶,以达成温室气体 排放量 最小的目标。本发明利用神经网络的非线性拟合功能实现对船舶温室气体排放的精确拟合,提高了运算精度。,下面是一种基于ECDIS的绿色大洋航线设计方法专利的具体信息内容。
1.一种基于ECDIS的绿色大洋航线设计方法,其特征在于:包括以下步骤:
A、建立船舶的温室气体排放模型
A1、建立船舶的温室气体排放模型的输入训练样本和输出训练样本,计算设定的船舶对于环境要素的响应及对应的船舶油耗,根据油耗计算船舶温室气体排放量;
输入训练样本变量为船舶前后吃水、船舶前后吃水差、船舶横向受风面积、船舶纵向受风面积、船舶初稳性高度、风舷角、风速、浪舷角、浪高、波浪周期,流向、流速、主机输出功率;
输出训练样本变量为船舶航速和实时的船舶单位时间温室气体排放量,即温室气体排放率Q;
A2、根据输入训练样本和输出训练样本的各项输入与输出数据,训练神经网络使得神经网络精确逼近输入-输出映射,建立从船舶要素、环境要素、推进要素到船舶航行的温室气体排放率以及航速之间的神经网络映射模型;所述的神经网络包括径向基函数RBF神经网络、BP神经网络或小脑模型神经网络;
B、建立船舶航线的网格区域
在船舶的始发港和到达港之间设定地理界限并在界限内进行网格划分,沿船舶始发港至目的港的方向建立网格节点;并在网格节点中标注不满足航行条件的障碍物和限制区域;
C、优化选择船舶航线和主机推进功率
利用优化算法,在约束条件下利用建立的温室气体排放量神经网络计算模型,优化计算在船舶遭遇到的风、浪、流条件下船舶温室气体排放最小所应采取的推荐航线和对应的航路点,并优化计算在对应航段应采取的输出功率;所述的优化算法包括动态规划法、变分法、遗传算法或粒子群算法;
D、显示与使用航线
ECDIS加入一个图层,在该图层中显示优化得到的推荐航线、主机输出功率及对应的各航路点,选择显示该图层;该图层具有使用推荐航线、使用推荐主机输出功率、同时使用推荐航线和主机输出功率三个选项;在选择使用推荐航线、推荐主机输出功率、推荐航线及主机输出功率后,连接船舶运动控制系统执行选择的航行计划。
2.根据权利要求1所述的一种基于ECDIS的绿色大洋航线设计方法,其特征在于:步骤A2所述的径向基函数RBF神经网络的正交最小二乘法的训练过程,包括以下步骤:
设训练样本有N个,每个样本包括输入训练样本和输出训练样本;将每个输入训练样本作为一个隐节点的中心c;求取第j个输入训练样本xj对第i个中心ci的响应:
其中σi为第i个隐节点的宽度,默认宽度为1;按照上式计算输入训练样本之间的响应,最终得到N×N响应矩阵Φ;
利用Gram-Schmit法则,将响应矩阵进行正交三角分解:
Φ=WA,
其中A是一个对角元为1的N×N阶上三角矩阵,W是一个N×N矩阵,其各列wi正交;
定义误差下降率err作为衡量隐节点对输出贡献的度量指标:
其中 trace为矩阵的迹;
选择err数值大的向量作为隐节点的中心;给定网络训练精度阈值ρ,在每一步选取值最大的err对应的向量作为隐节点,并在下一步对前一步中剩下的向量作Gram-Schmidt正交化,并计算err,直至满足以下设定的精度条件时停止学习:
式中,ρ默认为0.05;这样就通过训练得到了MS个隐节点中心,构成径向基函数神经网络;所得到的径向基函数神经网络的隐层至输出层的连接矩阵通过求伪逆的方法得到:
Θ=Φ+Y=(ΦTΦ)-1ΦTY;
得到的径向基函数神经网络实现对样本反映的输入-输出映射的数值逼近,得到神经网络后利用其进行泛化,通过得到的模型输入计算神经网络输出,计算在不同航行状态和不同海况下船舶的实时温室气体排放量。
3.根据权利要求1所述的一种基于ECDIS的绿色大洋航线设计方法,其特征在于:步骤C所述的粒子群算法,包括以下步骤:
C1、确定性能指标即适应度,以航行过程中温室气体排放总量作为性能指标函数;使适应度函数值最小,航线最优;
其中:J为航行过程中温室气体的总排放量,F(Wj,Wj+1)为船舶航行于第j个航路点和第j+1个航路点之间时温室气体的排放量;
约束条件为:
其中TETA为预计到达目的港所需时间,Sj和Hj分别是第j个航段的航程与航速,Hmin为最小营运航速,Hmax为最大营运航速;
C2、初始化种群中各粒子的位置和速度;
首先确定粒子的维数;根据航线始发点到目的点的经纬度,计算两点之间的经差Dλ=λn-λ0和纬差 其中λn、λ0、 分别为目的地经度、始发地经度、目的地纬度、始发地纬度;比较经差和纬差,如 将Dλ平均分为n段,则航线共有n+1个端点,对应的经度值分别为λ0、λ1、λ2、…、λn;
其中:
.....;
……;
λn;
对应的除起始点G0和到达点Gn的其余n-1个点G1、G2、…、Gn-1的纬度值分别为以及n段航程G0→G1、G1→G2、G2→G3、…、Gn-1→Gn中船舶主机的输出功率,共2n-1个元素;
比较经差和纬差,如 则将 平均分为n段,对应的n+1个分点纬度为
其中
对应的除起始点G0和到达点Gn的其余n-1个点G1、G2、…、Gn-1的经度值分别为λ1、λ2、…、λn-1,以及n段航程G0→G1、G1→G2、G2→G3、…、Gn-1→Gn中船舶主机的输出功率,共2n-1个元素;
设D=2n-1,D即为每个粒子的维数,在D维搜索空间中,有N个粒子组成的群体,第i个粒子在D维空间中的位置表示为向量Xi=(xi1,xi2,…,xiD),其中i=1、2、…、N,每个粒子的飞行速度为:
Vi=(vi1,vi2,…,viD)
C3、更新每个粒子的速度和位置;
在每一代对第i个粒子在第d维上,1≤d≤D,根据下面的公式来更新自己的速度和位置:
vid(k+1)=w(k)vid(k)+c1·R1·(pid-xid(k))+c2·R2·(gd-xid(k))
xid(k+1)=xid(k)+vid(k+1)
其中,w为惯性权重,取值范围为0.9-0.3;d=1、2、…、D;vid(k)代表第k次迭代粒子i飞行速度矢量的第d维分量;xid(k)代表第k次迭代粒子i位置矢量的第d维分量;pid代表粒子i个体最好位置Pi的第d维分量;gd代表群体最好位置Gb的第d维分量;c1、c2为学习因子,c1、c2的取值均为[0,4];R1、R2为[0,1]上的随机数;每一维粒子的速度均被限制在最大速度Vmax之内;
C4、评价每个粒子的适应度;
首先,根据第k次迭代所得的每个粒子中代表位置的元素得到所代表的位置W1(k)、W2(k)、…、Wn-1(k),计算相邻两位置之间的航向及航程;以Wj(k)至Wj+1(k)点为例,从至 航路点的航向和航程分别为:
然后,根据风、浪、流的数据,建立风、浪、流场,并将建立的风、浪、流场、船舶要素、船舶主机输出功率作为输入,同时将船舶航向与风向、浪向、流向比较以得到风舷角和浪舷角;
将以上信息作为输入、利用建立的神经网络模型计算船舶从起始点到到达点过程中的单位时间船舶温室气体排放量Qj(k)和船舶航速Hj(k);
各粒子的适应度F(Wj,Wj+1)计算如下:
将当前各粒子的位置和适应度存储在Pi中,将所有Pi中适应度最优的个体的位置和适应度储存在Gb中;第i个粒子经历过的最好位置为Pi=(pi1,pi2,…,piD);整个群体中,所有粒子经历过的最好位置为Gb=(g1,g2,…,gD);
较当前所有Pi和Gb的值,更新Gb;
C5、对粒子进行有效性检验;
检验航迹是否满足相关约束条件;具体的检验指标为:检查每个粒子对应的航路点是否为安全点、检查每两个有效航路点是否安全连通;剔除无效粒子,并生成新粒子;
C6、迭代次数达到设定值,输出结果,否则返回步骤C3,继续搜索。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
铁酸盐掺杂压电催化多孔陶瓷材料、其方法与应用 | 2020-05-11 | 793 |
一种利用芦竹生物炭减少油茶林土壤氧化亚氮排放的方法 | 2020-05-11 | 379 |
一种水泥厂温室气体排放监测系统及方法 | 2020-05-12 | 417 |
一种测算生猪养殖产业中温室气体排放量的方法 | 2020-05-08 | 367 |
一种赤子爱胜蚓的饲养装置、饲养方法及其应用 | 2020-05-11 | 428 |
利用太阳能的储热式干燥压缩空气系统 | 2020-05-08 | 679 |
纯天然自换气恒温温室薄膜及大棚 | 2020-05-12 | 174 |
一种植物温室气体采集装置 | 2020-05-11 | 464 |
一种农田温室气体采集装置 | 2020-05-12 | 494 |
一种内热式清洁炼焦系统 | 2020-05-12 | 382 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。