【技術實現步驟摘要】
本專利技術涉及海冰識別，更具體地說，尤其涉及一種基于船載加速度測量的海冰冰況自動實時識別方法。
技術介紹
1、由于極地海事風險的多樣性與相互作用機理的復雜性，極地海上航行和作業的實時風險狀態監控需要更多關注。顯然，有效和實時的檢測措施對于最小化作業風險并降低海事事故發生概率至關重要，這就需要進行靈活的海冰冰況自動實時識別方法。
2、目前的技術對于極地環境條件和船舶與海冰接觸產生的激響應很難測量，但冰況和冰載荷是決定極地船舶安全和效率的重要參數；因此，準確提取出極地船舶加速度中的船-冰接觸信息并通過加速度數據識別海冰冰況至關重要。
3、現有研究主要集中在特定船-冰接觸事件的加速度頻域分析上，但未對船-冰接觸進行深入研究和量化分析；在給定加速度測量信號的情況下，仍然缺乏自動、快速識別海冰冰況的有效方法，導致破冰船在極地作業過程中難以實時、快速、準確地識別當前的冰況。
技術實現思路
1、本專利技術提供了一種基于船載加速度測量的海冰冰況自動實時識別方法，以解決現有技術中在給定加速度測量信號的情況下，仍然缺乏自動、快速識別海冰冰況的有效方法，導致破冰船在極地作業過程中難以實時、快速、準確地識別當前冰況的問題。
2、為達到上述目的，本專利技術提供如下技術方案：
3、一種基于船載加速度測量的海冰冰況自動實時識別方法，包括以下步驟：所述識別方法通過識別系統實現，所述識別系統包括三個模塊：信號預處理模塊、時頻特征提取模塊和海冰冰況推理模塊；具體識別步驟
4、步驟一：將原始數據輸入至信號預處理模塊，通過時頻分析方法轉換為時頻圖；
5、步驟二：在時頻特征提取模塊對船-冰接觸事件進行自動識別和加速度時頻特征提??；
6、步驟三：建立加速度時頻特征與海冰冰況之間的映射關系。
7、優選地，所述步驟一包含下列操作：
8、1、收集原始數據并進行降噪處理，以從加速度數據中提取船-冰接觸信號；
9、2、對降噪處理后的加速度信號進行時頻分析，生成時頻圖像；
10、3、時頻圖像進行處理，以用于后續識別。
11、優選地，所述步驟二包含下列操作：
12、1、在加速度時頻圖像上對船-冰接觸時間進行人工標注，生成標注文件；
13、2、使用圖像識別算法(例如detr)對圖像數據集進行訓練，得到船-冰接觸自動識別模型；
14、3、應用船-冰接觸自動識別模型對圖像數據集進行處理，識別船-冰接觸，并提取船-冰接觸頻率、脈寬、加速度峰值等典型加速度時頻特征。
15、優選地，所述步驟三包含下列操作：
16、1、將加速度時頻特征與海冰特征(包括厚度、密集度、浮冰尺寸)對應，建立數據集；
17、2、應用支持向量機等機器學習方法，建立加速度時頻特征與海冰特征的映射模型；
18、3、將所建立的模型與步驟一中的信號預處理模塊、步驟二中訓練得到的detr模型對接，打包形成海冰冰況自動識別系統。
19、優選地，所述降噪處理包含對加速度進行低通濾波，得到只包含船-冰接觸加速度數據；對提取出的加速度數據利用短時傅里葉變換可視化，獲得船-冰接觸事件時頻圖像。
20、優選地，所述船-冰接觸自動識別模型是以加速度時頻圖為輸入，以船-冰接觸事件為識別結果。
21、優選地，所述加速度時頻特征包括船-冰接觸頻率、加速度響應脈寬、加速度幅值三項。
22、優選的，所述海冰冰況包括海冰密集度、海冰生長階段以及海冰形態三項。
23、本技術方案的原理及有益效果：
24、(1)本專利技術對原始加速度數據使用增強信號分解和數據可視化模塊進行船-冰加速度特征提取，提取出只包含船-冰接觸的加速度數據；利用stft和hf對船-冰接觸加速度數據進行可視化從(船-冰接觸事件)；構建船-冰接觸事件數據集，根據船-冰接觸事件圖像的特點，針對性的提出ice-detr模型，包括以下三種改進方式：添加ca注意力機制，使用fdpn特征擴散聚焦金字塔結構替換頸部網絡，在頸部網絡中植入維度感知選擇性集成模塊(dasi)模塊；本專利技術通過經驗模態分解、絕對中位差、短時傅里葉變換和霍夫變換，解決了檢測過程中噪音對加速度數據的干擾，實現了準確提取船-冰加速度特征。本專利技術通過ca注意力機制、fdpn特征擴散聚焦金字塔結構和dasi維度感知選擇性集成模塊，解決了船-冰接觸事件密集度較高無法準確識別的問題，實現了對船-冰接觸事件特征的準確提取。
25、(2)采用深度學習方法對神經網絡進行訓練，得到船-冰接觸事件識別模型。使用準確率、召回率、和平均精度均值等評價指標對訓練好的模型進行置信度驗證，最終獲得最優的船-冰接觸事件檢測模型；將測試集輸入目標檢測模型，得到識別結果，提取每一次的船-冰接觸事件作為加速度特征n,船冰接觸事件的脈寬作為加速度特征w,船-冰接觸事件對應到時間-振幅曲線上提取加速度最大幅值作為a。本專利技術通過準確率、召回率、和平均精度均值等評價指標，解決了模型參數無法量化的問題，實現了對ice-detr模型準確度的可視化，本專利技術通過ice-detr，解決了船-冰接觸事件的特征提取，實現了對船-冰接觸事件特征的量化。
26、(3)構建前兩個模塊得到的加速度特征(n,a,w)人為對應海冰冰況特征(ct,sa,fa)構建成海冰冰況數據集；提出gapso-svm自動冰況推理模型，利用智能優化算法(gapso)對支持向量機模型進行優化得到最佳的參數(c,g)；選擇兩個單模態函數和兩個多模態函數求解最小值，對gapso的優化性能進行驗證；使用最優值分析ga,pso和gapso的性能；采用機器方法對svm進行訓練,得到冰況自動推理模型。從而研究人員對位未知的破冰船進行研究可以通過對三大特征進行判斷，獲得大致的冰況從而得到更精準的研究結果；加速度數據通過冰況自動推理模型，可以自動推斷出冰況的三個參數(ct、sa、fa)。通過這些參數，研究人員能夠大致了解破冰船所經歷的海冰環境，從而輔助極地工程研究更細致的環境信息。
本文檔來自技高網...【技術保護點】
1.一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于，包括以下步驟：所述識別方法通過識別系統實現，所述識別系統包括三個模塊：信號預處理模塊、時頻特征提取模塊和海冰冰況推理模塊；具體識別步驟如下:
2.根據權利要求1所述的一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于：所述步驟一包含下列操作：
3.根據權利要求2所述的一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于：所述步驟二包含下列操作：
4.根據權利要求3所述的一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于：所述步驟三包含下列操作：
5.根據權利要求4所述的一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于：所述降噪處理包含對加速度進行低通濾波，得到只包含船-冰接觸加速度數據；對提取出的加速度數據利用短時傅里葉變換可視化，獲得船-冰接觸事件時頻圖像。
6.根據權利要求5所述的一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于：所述船-冰接觸自動識別模型是以加速度時頻圖為輸入，以船-冰接觸事件為識別
7.根據權利要求6所述的一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于：所述加速度時頻特征包括船-冰接觸頻率、加速度響應脈寬、加速度幅值三項。
8.根據權利要求7所述的一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于：所述海冰冰況包括海冰密集度、海冰生長階段以及海冰形態三項。
...【技術特征摘要】
1.一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于，包括以下步驟：所述識別方法通過識別系統實現，所述識別系統包括三個模塊：信號預處理模塊、時頻特征提取模塊和海冰冰況推理模塊；具體識別步驟如下:
2.根據權利要求1所述的一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于：所述步驟一包含下列操作：
3.根據權利要求2所述的一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于：所述步驟二包含下列操作：
4.根據權利要求3所述的一種基于船載加速度測量的海冰冰況自動實時識別方法，其特征在于：所述步驟三包含下列操作：
5.根據權利要求4所述的一種基于船載加速度測量的海冰冰況自動實時識別方法...
【專利技術屬性】
技術研發人員：李放，張碧暉，周利，丁仕風，韓森，
申請(專利權)人：上海交通大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。