摘要：在水声目标识别领域,现有识别方法主要采用基于时域或时频域技术,对环境噪声和干扰非常敏感,尤其在复杂多路径水声环境中,信号容易受到干扰,且仅依赖时域和时频域的特征难以准确描述复杂或相似目标的关键属性。对此,为进一步挖掘水声数据信息,并充分利用时域与时频域特征,提出了基于多模态特征交叉融合的水声目标识别网络。首先,利用一维序列特征提取模块和以ResNet为主干网络的二维图像特征提取模块对水声数据进行粗提取。其次,为准确捕捉时域中时序信息,设计了一种时序注意力模块,实现对不同时间步的特征提取。接着,通过提出的特征融合模块实现多模态特征的融合,提升网络对多模态特征的提取能力,增强网络的特征表达能力。最后,在DeepShip数据集上进行验证,提出的水声目标识别网络取得98.80%的准确率,优于其他方法,证实了所提方法的有效性。

摘要：针对绞吸疏浚船泥砂管道收砂过程中常规比例积分(PI)控制方法下管道流速存在较大波动的情况,该文采用最小二次型法和模糊法对PI控制器参数进行整定。采用仿真和实验相结合的方法,设计并搭建疏浚泥泵自主调速实验平台,为研究提供实验环境。编写基于LabVIEW软件的监控程序,实现数据采集、存储和闭环控制功能。通过对砂水混合物进行阶跃响应实验和稳定流速实验验证了不同整定方式的PI控制器性能。最小二次型PI与模糊PI控制的抗干扰能力和自适应能力较强,模糊PI控制效果最佳,因此在实际管道输送过程中可以采用模糊PI控制器进行流速控制。

摘要：在疏浚作业过程中,挖泥船主要的作业参数是由操作人员根据自己的经验、试挖情况以及挖泥船实际作业效果灵活确定的,而疏浚操作人员的经验和理论水平也相差较大,所以手动作业的实际产量要远远低于预计产量,且效率低下、作业成本偏高、作业质量较差。为了克服该缺点,提出了一种基于疏浚系统状态空间模型的线性二次型最优控制策略,并设计了最优控制跟踪器应用于绞吸挖泥船横移过程的控制中,该跟踪器是智能控制替代人工操作的一种有效方法。文章对应用二次型最优控制策略的效果进行了MATLAB仿真分析,仿真结果表明,采用了二次型最优控制策略后,系统稳定、响应快、滞后小,对期望输出的跟踪性好,可以应用于挖泥船疏浚作业过程中。

摘要：海上无人船在海洋运输、环境调查、情报搜集等领域得到了日益广泛的应用。目前针对海上无人船的研究主要集中在目标跟踪、追逐避碰等问题,但布防任务中的驱逐任务有着更高要求,既要驱逐可疑船只远离保护目标,又要能够预测可疑船只运动意图,从而提前进行拦截,这给无人船的自主决策带来了挑战。针对上述问题,提出了对抗环境下海上无人船对可疑目标的驱逐方法。建立了基于深度强化学习的策略梯度优化算法框架;设计了意图预测模型及封堵策略,实现无人船的提前拦截,并证明了该策略的最优性;提出基于专家经验的矫正纠偏策略,降低了智能体早期的盲目探索时间,加快智能体的训练速度,并证明了专家动作序列的单值性;搭建了基于gym的仿真环境,并在仿真环境中验证了方法的有效性。研究结果表明,提出的驱逐方法能够使无人船在速度不占优势的情况下仍能完成对可疑目标的驱逐,为海上无人船在对抗性环境中执行复杂任务提供了一种技术参考。

摘要：由于绞吸挖泥船横移切削过程受土质、环境、工况等复杂因素影响,难以用精确的数学模型描述其控制过程。根据实船测量数据,建立基于RBF-ARX理论的绞吸挖泥船横移过程控制模型。为解决外部多变因素带来的不确定性,设计了横移过程预测控制器,并分析了控制器可调节系数中的误差权系数与控制权系数对系统稳定性的影响。仿真结果表明,所设计的RBF-ARX横移过程控制器在合适的参数下能够使系统快速稳定,并能得到合理的最优控制率。

摘要：针对无人船在城乡河网进行水上作业时规避河岸的问题,提出了一种适用于一般直线河道和弯曲河道的边界识别方法。该方法首先通过图像预处理来改善图像质量,减少噪声,然后利用Sobel边缘检测算法识别图像各区域边界,使用自适应阈值图像分割提取边界特征,对轮廓进行线性拟合,最后采用基于河岸角度的河道边界算法识别河道边界。实验结果表明,该算法能够有效的消除树木、天空造成的假边界影响,准确识别河道边界。

摘要：为了便于展示水下打捞机器人的行为动作、工作状态和工作场景,为水下打捞机器人操纵人员提供逼真的水下机器人模拟操纵训练平台,建立一种基于XNA的水下打捞机器人运动仿真模型,实现虚拟操作仿真。首先,利用Solid Works建立机器人的三维模型并导入至3DS Max中进行骨骼划分,然后在Visual Studio环境中建立起运动模型的关联,编程实现运动模型的交互控制,运用XNA中的高级着色语言(HLSL)绘制动态海洋场景。仿真系统运行结果表明,XNA可以高效地实现场景渲染与水下打捞机器人的实时虚拟控制,达到较理想的仿真结果。