本發明涉及船舶控制領域，具體來說，涉及一種基于船舶動態特性自適應辨識的雷達試操船方法及裝置。

背景技術：

1、航海雷達是船舶的主要導航設備之一，在船舶瞭望、定位、引導船舶進出港口以及狹水道航行發揮著至關重要的作用，其在船舶避碰方面的作用更是不可替代，而雷達試操船功能能夠通過圖形模擬方式幫助駕駛員驗證采取避讓方案的可能性。國際海事組織在雷達性能標準msc.192(79)決議和solas公約中，明確要求大于10000總噸的船舶必須配備具有試操船功能的雷達，并且該功能應包括對本船動態特性的模擬，并以倒計時提供至船舶機動時刻的模擬時間。然而，現有的雷達試操船功能，需要船舶操縱者手動輸入本船的轉艏速率和航速變化率等實時船舶參數，然而船舶動態特性參數隨舵角、車鐘令等操縱指令變化，船舶操縱者無法準確獲得并在雷達上輸入船舶的動態特性參數，導致船舶操縱者無法利用雷達試操船獲得準確有效的避碰方案。

技術實現思路

1、根據上述提出的人工輸入數據具有不確定性影響雷達試操船模擬效果的技術問題，而提供一種基于船舶動態特性自適應辨識的雷達試操船方法及裝置。本發明主要利用機器學習辨識建模得到的船舶操縱運動模型，將預測的船舶動態參數作為模擬基礎，提高雷達試操船避碰方案的準確性。

2、本發明采用的技術手段如下：

3、一種基于船舶動態特性自適應辨識的雷達試操船方法，包括以下步驟：

4、利用機器學習辨識對船舶歷史航行數據進行建模，從而構建船舶操縱運動模型，所述船舶操縱運動模型用于預測船舶的運動參數和軌跡；所述船舶歷史航行數據包括船舶位置、航向、速度、舵角、螺旋槳轉速和扭矩，船舶的運動參數包括船舶回轉半徑、加速度、轉艏速率以及滯距；所述船舶操縱運動模型包括一維卷積層、lstm層、多頭注意力機制、第一全連接層以及第二全連接層，通過一維卷積層對船舶歷史航行數據進行處理生成輸入數據，將輸入數據輸入lstm層，所述lstm層引入dropout機制，隨后通過多頭注意力機制根據船舶操縱運動數據的重要性對lstm層的輸出進行動態加權，將經過多頭注意力機制處理后的數據輸入第一全連接層，所述第一全連接層引入dropout機制，最后通過第二全連接層將經第一全連接層處理的信息映射到預測輸出空間；

5、基于訓練優化后的船舶操縱運動模型，獲取預測的船舶運動參數和軌跡，將所述預測的船舶運動參數和軌跡用于模擬雷達試操船過程中的船舶動態特性，為雷達試操船避碰方案的驗證提供基礎；

6、獲取船舶試操縱指令，結合預測的船舶運動參數和軌跡，根據雷達試操船避碰安全門限確定雷達試操船方案的可行性，所述雷達試操船避碰安全門限包括本船與目標船的最近會遇距離。

7、進一步地，還包括動態顯示船舶的預測軌跡，可視化展示船舶當前避碰方案執行結果。

8、進一步地，所述船舶操縱運動模型的訓練優化步驟包括：

9、對船舶歷史航行數據進行預處理，構建訓練數據集、驗證數據集和測試數據集；

10、基于訓練數據集對所述船舶操縱運動模型進行訓練；

11、基于驗證數據集對訓練后的所述船舶操縱運動模型進行超參數調優；

12、基于測試數據集對調優后的所述船舶操縱運動模型進行預測性能驗證。

13、進一步地，所述船舶操縱運動模型的訓練優化步驟還包括：

14、根據實時更新的船舶數據自動進行模型更新與優化。

15、本發明還公開了一種基于船舶動態特性自適應辨識的雷達試操船裝置，用于實現如上述任意一項所述的方法，包括：

16、船舶操縱運動建模模塊，所述船舶操縱運動建模模塊一方面利用機器學習辨識對船舶歷史航行數據進行建模，從而構建船舶操縱運動模型，另一方面用于基于構建的船舶操縱運動模型輸出預測的船舶運動參數和軌跡；所述船舶歷史航行數據包括船舶位置、速度以及航向，所述船舶的運動參數包括船舶回轉半徑、加速度以及轉艏速率；

17、預操縱控制面板模塊，所述預操縱控制面板模塊一方面用于獲取預操縱命令，另一方面用于顯示通過辨識建模預測的船舶運動參數；

18、試操船方案動態生成模塊，所述試操船方案動態生成模塊一方面用于獲取船舶試操縱指令，結合預測的船舶運動參數和軌跡，根據避碰安全門限確定試操船方案的可行性，另一方面用于動態顯示船舶的預測軌跡，可視化展示船舶當前避碰方案執行結果。

19、進一步地，所述試操船方案動態生成模塊包括試操船功能模塊和試操船方案顯示器；

20、所述試操船功能模塊基于得到的船舶操縱運動模型，根據預操縱控制面板輸入的船舶預操縱命令，預測船舶未來的運動數據并解算出對應的運動軌跡；

21、所述試操船方案顯示器動態顯示不同預操縱控制命令條件下的船舶運動軌跡，使試操船方案準確地呈現在顯示屏上。

22、進一步地，實施雷達試操船時，操作人員通過預操縱控制面板上的操作區域產生輸入信號，所述輸入信號被預操縱控制面板的電路捕捉，轉換成數字信號，然后經信號放大、濾波、模數轉換步驟處理后，通過總線傳遞給試操船功能模塊，所述試操船功能模塊接收到來自預操縱控制面板的信號后，根據預設的程序和邏輯判斷，確定執行的操作，并通過試操船方案顯示器動態顯示出來。

23、較現有技術相比，本發明具有以下優點：

24、1、本發明利用人工智能算法模型設計了一種可以自動預測船舶運動參數的機器學習模型，可以準確模擬當前船舶的動態特性，根據輸入的船舶預操縱命令，準確預測船舶未來的運動參數和軌跡，驗證當前避碰方案的可行性，有效提升雷達試操船的可操作性及準確性。

25、2、本發明利用電子工程技術開發設計了一套雷達試操船預操縱控制面板和試操船方案顯示器，可以更加方便的完成船舶運動參數的設置調整，并通過顯示平臺動態的呈現當前預操縱命令條件下的避碰效果，提高了雷達試操船功能提供可行避碰方案的效率。

技術特征：

1.一種基于船舶動態特性自適應辨識的雷達試操船方法，其特征在于，包括以下步驟：

2.根據權利要求1所述的一種基于船舶動態特性自適應辨識的雷達試操船方法，其特征在于，還包括動態顯示船舶的預測軌跡，可視化展示船舶當前避碰方案執行結果。

3.根據權利要求1所述的一種基于船舶動態特性自適應辨識的雷達試操船方法，其特征在于，所述船舶操縱運動模型的訓練優化步驟包括：

4.根據權利要求3所述的一種基于船舶動態特性自適應辨識的雷達試操船方法，其特征在于，所述船舶操縱運動模型的訓練優化步驟還包括：

5.一種基于船舶動態特性自適應辨識的雷達試操船裝置，用于實現如權利要求1-4中任意一項所述的方法，其特征在于，包括：

6.根據權利要求5所述的一種基于船舶動態特性自適應辨識的雷達試操船裝置，其特征在于，所述試操船方案動態生成模塊包括試操船功能模塊和試操船方案顯示器；

7.根據權利要求5所述的一種基于船舶動態特性自適應辨識的雷達試操船裝置，其特征在于，實施雷達試操船時，操作人員通過預操縱控制面板上的操作區域產生輸入信號，所述輸入信號被預操縱控制面板的電路捕捉，轉換成數字信號，然后經信號放大、濾波、模數轉換步驟處理后，通過總線傳遞給試操船功能模塊，所述試操船功能模塊接收到來自預操縱控制面板的信號后，根據預設的程序和邏輯判斷，確定執行的操作，并通過試操船方案顯示器動態顯示出來。

技術總結
本發明公開了一種基于船舶動態特性自適應辨識的雷達試操船方法及裝置，屬于船舶控制仿真模擬技術領域。方法包括：利用機器學習辨識對船舶歷史航行數據進行建模，構建船舶操縱運動模型，所述船舶操縱運動模型用于預測船舶的運動參數和軌跡，所述船舶歷史航行數據包括船舶位置、速度以及航向，所述船舶的運動參數包括船舶回轉半徑、加速度以及轉艏速率；基于訓練后的船舶操縱運動模型，獲取預測的船舶運動參數和軌跡；獲取船舶試操縱指令，結合預測的船舶運動參數和軌跡，根據避碰安全門限確定雷達試操船方案的可行性。本發明主要利用機器學習辨識建模得到的船舶操縱運動模型，將預測的船舶動態參數作為模擬基礎，提高雷達試操船避碰方案的準確性。

技術研發人員：楊曉,李世浩,任鴻翔,廉靜靜,劉冰,李暢,王德龍,邱紹楊,陶瑞,封曉宇
受保護的技術使用者：大連海事大學
技術研發日：
技術公布日：2025/4/28