原文传递
引航员船舶操纵培训云系统及智能评判算法研究
| 论文题名： | 引航员船舶操纵培训云系统及智能评判算法研究 |
| 关键词： | 智能评判;船舶操纵培训;云系统;神经网络;引航员 |
| 摘要： | 引航员被誉为“水上国门形象第一人”，是港航事业发展的排头兵，也是航海技术创新的推动者和践行者。引航员模拟操纵培训在引航员业务能力提升方面起到至关重要的作用，通过航海模拟器可以让学员提前熟悉引航船舶操作场景，进而提高实船训练效率。目前的引航员培训与考试存在两方面主要问题：一方面，全国各地引航员到指定地点集中进行，引航员培训受到设备、地域、时间的限制；另一方面，船舶实操培训考核由评估员人工打分评定，此模式需要多名评估员参与，且依赖于评估员的个人经验，主观性强，存在人为因素可能干预评判结果。 本文面向后疫情时代数字化、网络化、智能化创新发展的需要，提出基于“云-边-端”架构的引航员船舶模拟操纵培训云系统，并且设计智能评判算法，以解决考核智能、客观、公正以及综合评定的问题，此外，研制智能评判原型系统，将实操数据与电子海图结合展示船舶操纵轨迹，为海事管理部门、引航船舶操纵培训机构的目标过程评价、船舶操纵培训效果提升与改革创新提供有力支撑。具体研究内容如下： 首先，本文基于5G的远距离低延迟的数据传输技术，设计一种“云-边-端”架构的引航员船舶模拟操纵培训云系统，该系统旨在扩展传统的集中船舶操纵培训模式，以实现学员远程在线模拟实操训练，打破引航培训设备、地域、时间的限制。 其次，本文利用穿戴式传感器采集引航员在培训过程中的心理指标，将采集的到高质量、高精度的数据通过配置传感器算法通道转化成心理评判指标：紧张程度和专注程度，对船舶操纵培训综合评判起到辅助作用。 然后，本文提出三种引航员实操考核智能评判算法：即基于排列熵的机器学习KNN引航员操纵评判（PermutationEntropy-kNearestNeighbor,PE-KNN）算法、基于排列熵的BP神经网络引航员操纵评判（PermutationEntropy-BP，PE-BP）算法、基于改进的多尺度排列熵的遗传神经网络引航员操纵评判（ImprovedMultiscalePermutationEntropy-GABP，IMPE-GABP）算法，以实现不同培训场景中引航员船舶操纵的准确评判。 最后，本文研制一套基于实操和心理数据的引航员船舶操纵培训智能评判原型系统，可以让引航员直观看到引航船舶操纵培训结果和相关操纵数据。通过界面与用户管理模块、数据预处理模块、评判算法执行模块和综合评判结果显示模块使引航员船舶操纵培训成绩可视化，并对培训数据做出相应分析和展示。 引航员是高风险职业，培养一名合格的引航员是保障引航作业安全的关键。本文研究旨在推动引航员船舶操纵培训模式的创新改革，是对现有培训的有益补充与拓展。 |
| 作者： | 冯立男 |
| 专业： | 电子与通信工程 |
| 导师： | 林彬 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
