舰船态势估计算法研究与平台设计

发布时间：2020-08-20 19:56

【摘要】：海洋权益的保障与专属经济区的建设已成为国民经济可持续发展与国家战略安全的重要任务,对船舶的有效监测是其主要工作之一,建立船舶态势估计为有效监测提供技术支持。态势估计是将来自多源传感器和多类不确定的信息联合、相关、组合,进行综合推理,完成对态势和威胁及其重要程度进行实时、完整评价的过程。论文综合船舶及环境的多种不完备性信息进行船舶态势估计和预测,为海监船舶的监测提供辅助决策依据。论文主要完成以下内容:1.设计态势估计要素,建立数据库。设计由船舶自动识别系统(Automatic Identification System,AIS)、气象卫星、高频地波雷达(High Frequency Surface Wave Radar,HFSWR)等传感器提取船舶态势要素,对获取的要素数据进行预处理,构建了包含各个态势要素的数据和数据分析结果的数据库。2.设计了船舶态势估计模型。模型包括多传感器数据获取、态势要素数据预处理、态势推理、事件更新、输出态势5个部分。采用概率图(Probability Graph Method,PGM)算法求解船舶态势,设计联结树(Junction Tree,JT)与和积(Sum-Product,SP)算法实现态势估计推理。3.完成算法的仿真验证。设计仿真实例,由构建数据库的目标船舶信息,在Python环境下完成数据预处理,由船舶态势估计模型,仿真出该目标的意图与运动态势,并对意图态势与运动态势在6个时间片段内进行了更新,仿真结果与实际情况进行了对比验证。仿真结果表明了模型与推理算法的有效性。4.Windows 10环境下用Python与JavaScript语言编程完成船舶态势估计平台的搭建。平台包含船舶态势估计系统与船舶态势图两个部分:船舶态势估计系统由场景模拟模块、态势推理模块、贝叶斯网络模块三部分组成。船舶态势图直接显示船舶的态势结果及态势的更新。论文构建船舶态势估计模型与船舶态势估计平台,能够为决策者提供有效的决策依据,为监测专属经济区的船舶活动提供服务平台。
【学位授予单位】：内蒙古大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U674.70
【图文】：

船舶的态势估计模型是一个包含综合多类信息分析与处理的模型。模型中，多类信息卫星、雷达、气象系统等组成。多源传感器获取到的信息量化分析后存储在数据库中，船舶态势估计模型的构建与更新。同时，将反馈回船舶态势估计系统的数据进行预处理析，由专家指定或数据分析，生成态势要素和属性。最后通过概率图算法求解船舶态势模型，计算船舶态势结果，实现船舶监测与意图分析。船舶态势估计模型的天气态势要素与风浪态势要素的信息可由气象传感器获取，船舶信息可由 AIS 信息系统获取或海事人员直接判断。航速、与观测点的距离、船舶所处区经纬度等信息可由 HFSWR 获取。意图与船舶的运动态势要素为模型的输出，可通过模算得到。船舶态势估计模型中，采用网络爬虫方式获取天气与风浪的数据。网络爬虫又称网络人，是指计算机按照规定方式，自动获取因特网信息的一种技术[40]。选取天气数据与风据存储的网站，并设定中国天气网（http://www.weather.com.cn/）为目标网站。

内蒙古大学硕士学位论文虫首先需要解析目标网页，判断数据的存储方式与本地的请求是否是一个 http 协议的查看调试工具，能够查看计算机与互联网之间所有件对中国天气网后台数据实施解析，如图 3.1 所示。左侧区域是网页议、Host 主机以及 URL 地址解析。其中，红色显示代表请求失败，蓝功，灰色显示代表解析过程。图中右下方区域为网站解析的数据，并以，论文给出解析后的青岛天气数据。数据解析完成后，可知天气和风浪数据都是采用 json 格式存储，符合。在 Python3.6 环境下，通过网络请求 Requests 模块，完成获取与解青岛、大连、蓬莱以及威海五个区域的天气和风浪数据，并在程序内如下式所示：P 数 据更新时间，天气， 风向，风速(m/s)，实时温度(℃)，相对湿度(%) 境 Spyder 内，爬虫获取到五个城市的天气数据，如图 3.2 所示。

式如下式所示：P 数 据更新时间，天气， 风向，风速(m/s)，实时温度(℃)，相对湿度(%) 境 Spyder 内，爬虫获取到五个城市的天气数据，如图 3.2 所示。图 3.2 爬虫获取天气数据Figure 3.2 Getting weather data from web crawler间为 2013 年 05 月至 2014 年 05 月，2016 年 5 月至 2017 年 5 月，共 csv 格式存储在本地，如图 3.3 所示。

【相似文献】

相关期刊论文 前10条

1 吴志强;张俊峰;;基于深度强化学习的自动态势估计研究[J];军事运筹与系统工程;2018年02期

2 李伟生;王宝树;;态势估计的目标编群问题研究[J];计算机科学;2003年08期

3 程岳;王宝树;李伟生;;实现态势估计的一种推理方法[J];计算机科学;2002年06期

4 范志煜;肖兵;沈薇薇;;态势估计本体的知识表示[J];空军雷达学院学报;2011年01期

5 张波;;混合贝叶斯网络在电磁态势估计中的应用[J];微计算机信息;2009年22期

6 姚莉，陈文伟，汪浩;用于军事态势估计的协作知识模型[J];国防科技大学学报;1994年01期

7 张波;王东强;;稳态条件高斯推理在电磁态势估计中的应用[J];火力与指挥控制;2010年08期

8 姚春燕,郁文贤,庄钊文;态势估计中一种基于最大后验概率估计的时间推理方法[J];国防科技大学学报;1998年06期

9 斯科特D.卡什尼 ,王晓娟;通过协作的人机交互进行态势估计[J];情报指挥控制系统与仿真技术;1997年04期

10 刘新宇;梁东旭;鲜鹏飞;;态势估计专用语言的实现研究[J];信息与电脑(理论版);2011年02期

相关会议论文 前7条

1 薛昌友;黄峰峰;;UUV态势估计计划识别模型[A];第18届中国系统仿真技术及其应用学术年会论文集（18th CCSSTA 2017）[C];2017年

2 邱黄亮;刘俊;卜令娟;彭冬亮;薛安克;;基于概率本体的战场态势估计方法[A];2014第二届中国指挥控制大会论文集（上）[C];2014年

3 王晓璇;刁联旺;;态势估计的目标分层聚合方法研究[A];第四届中国指挥控制大会论文集[C];2016年

4 范志煜;肖兵;沈薇薇;;基于概率本体的态势估计应用研究[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

5 薛昌友;黄峰峰;;一种基于模糊综合评判的潜艇海战场目标编群方法[A];第18届中国系统仿真技术及其应用学术年会论文集（18th CCSSTA 2017）[C];2017年

6 钟京立;韩沂宁;;战术数据链信息融合模型研究[A];第十届中国科协年会信息化与社会发展学术讨论会分会场论文集[C];2008年

7 李君灵;赵宗贵;;联合作战战场态势一致性概念与影响因素分析[A];江苏省系统工程学会第十一届学术年会论文集[C];2009年

相关重要报纸文章 前2条

1 沈亚生;科学地理解“知识经济”[N];吉林日报;2000年

2 本报记者 周洲;钢市回暖还看实业发展[N];国际商报;2012年

相关博士学位论文 前3条

1 李伟生;信息融合系统中态势估计技术研究[D];西安电子科技大学;2004年

2 柴慧敏;态势估计中的关键技术研究[D];西安电子科技大学;2009年

3 李本银;广义环境下UUV故障诊断与应急决策方法研究[D];哈尔滨工程大学;2016年

相关硕士学位论文 前10条

1 沈旭;基于综合导航显控台的航行态势估计与呈现[D];哈尔滨工程大学;2019年

2 毕城;舰船态势估计算法研究与平台设计[D];内蒙古大学;2019年

3 吉祥;基于聚类分群与模板匹配的态势估计方法研究[D];国防科学技术大学;2016年

4 李婷;基于专家决策系统的空间战场态势感知研究[D];沈阳建筑大学;2017年

5 李龙顺;面向多源传感器信息的态势估计方法研究[D];杭州电子科技大学;2017年

6 尹超;态势估计中目标编群技术的研究及系统测试[D];西安电子科技大学;2011年

7 李小凯;基于计划识别的态势估计研究和系统测试[D];西安电子科技大学;2011年

8 刘锋;面向态势估计应用的本体查询与推理[D];杭州电子科技大学;2017年

9 陈奎;基于聚类分析的目标分群问题的应用研究[D];西安电子科技大学;2013年

10 夏曦;基于模板匹配的目标意图识别方法研究[D];国防科学技术大学;2006年

本文编号：2798373