CN117709119A - 用于船舶设计的三维航行场景模拟方法、设备及存储介质 - Google Patents
用于船舶设计的三维航行场景模拟方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117709119A CN117709119A CN202311782610.7A CN202311782610A CN117709119A CN 117709119 A CN117709119 A CN 117709119A CN 202311782610 A CN202311782610 A CN 202311782610A CN 117709119 A CN117709119 A CN 117709119A
- Authority
- CN
- China
- Prior art keywords
- load
- data
- model
- wave
- wind
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000004088 simulation Methods 0.000 title claims abstract description 50
- 238000013461 design Methods 0.000 title claims abstract description 32
- 230000007613 environmental effect Effects 0.000 claims abstract description 119
- 238000004590 computer program Methods 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 24
- 230000004044 response Effects 0.000 claims description 12
- 230000000630 rising effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 239000013049 sediment Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B71/00—Designing vessels; Predicting their performance
- B63B71/10—Designing vessels; Predicting their performance using computer simulation, e.g. finite element method [FEM] or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Ocean & Marine Engineering (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Fluid Mechanics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种用于船舶设计的三维航行场景模拟方法、设备及存储介质,首先获取航行场景的基本环境数据,然后将其分别输入到对应的环境载荷模型中,得到多个环境载荷数据;根据基本环境数据和多个相关性预估模型,计算各个环境载荷数据的荷载调整值;其中,每个相关性预估模型用于预测第一环境载荷模型对应的环境载荷数据对第二环境载荷模型对应的环境载荷数据的影响;根据环境载荷数据和各个环境载荷数据的荷载调整值,对航行场景下的船舶状态进行调整。通过最基础的环境数据和相应的载荷模型来计算各种实际环境下的载荷,并且考虑了不同载荷之间的关联关系,从而使模拟航行过程更贴近于实际航行,有效提高船舶航行的模拟效果。
Description
技术领域
本发明属于船舶设计技术领域,尤其涉及一种用于船舶设计的三维航行场景模拟方法、设备及存储介质。
背景技术
船舶作为重要的海上运输工具,船舶在海洋环境中会受到波浪的影响产生不同程度的运动。因此在船舶设计过程中,需要对船舶进行航行模拟。在模拟航行过程中,需要对航行的环境场景进行模拟,从而使所模拟的船舶航行状态更符合实际的航行情况。
现有技术中,在航行场景模拟时,通常是对船舶运行模型直接加载相关的载荷数据,与实际的航行场景差距较大,模拟效果较差。
发明内容
有鉴于此,本发明提供了一种用于船舶设计的三维航行场景模拟方法、设备及存储介质,旨在解决现有技术中航行场景模拟效果较差的问题。
本发明实施例的第一方面提供了一种用于船舶设计的三维航行场景模拟方法,应用于航行场景模拟***,航行场景模拟***中设置有多个环境载荷模型;该方法包括:
获取航行场景的基本环境数据;
将基本环境数据分别输入到对应的环境载荷模型中,得到多个环境载荷数据;
根据基本环境数据和多个相关性预估模型,计算各个环境载荷数据的荷载调整值;其中,每个相关性预估模型用于预测第一环境载荷模型对应的环境载荷数据对第二环境载荷模型对应的环境载荷数据的影响;第一环境载荷模型和第二环境载荷模型为多个环境载荷模型的任两个模型;
根据环境载荷数据和各个环境载荷数据的荷载调整值,对航行场景下的船舶状态进行调整。
本发明实施例的第二方面提供了一种用于船舶设计的三维航行场景模拟装置,应用于航行场景模拟***,航行场景模拟***中设置有多个环境载荷模型;该装置包括:
获取模块,用于获取航行场景的基本环境数据;
输入模块,用于将基本环境数据分别输入到对应的环境载荷模型中,得到多个环境载荷数据;
计算模块,用于根据基本环境数据和多个相关性预估模型,计算各个环境载荷数据的荷载调整值;其中,每个相关性预估模型用于预测第一环境载荷模型对应的环境载荷数据对第二环境载荷模型对应的环境载荷数据的影响;第一环境载荷模型和第二环境载荷模型为多个环境载荷模型的任两个模型;
调整模块,用于根据环境载荷数据和各个环境载荷数据的荷载调整值,对航行场景下的船舶状态进行调整。
本发明实施例的第三方面提供了一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上第一方面的用于船舶设计的三维航行场景模拟方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上第一方面的用于船舶设计的三维航行场景模拟方法的步骤。
本发明实施例提供的用于船舶设计的三维航行场景模拟方法、设备及存储介质,首先获取航行场景的基本环境数据;将基本环境数据分别输入到对应的环境载荷模型中,得到多个环境载荷数据;根据基本环境数据和多个相关性预估模型,计算各个环境载荷数据的荷载调整值;其中,每个相关性预估模型用于预测第一环境载荷模型对应的环境载荷数据对第二环境载荷模型对应的环境载荷数据的影响;第一环境载荷模型和第二环境载荷模型为多个环境载荷模型的任两个模型;根据环境载荷数据和各个环境载荷数据的荷载调整值,对航行场景下的船舶状态进行调整。通过最基础的环境数据和相应的载荷模型来计算各种实际环境下的载荷,并且考虑了不同载荷之间的关联关系,从而使模拟航行过程更贴近于实际航行,有效提高船舶航行的模拟效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的用于船舶设计的三维航行场景模拟方法的实现流程图;
图2是本发明实施例提供的用于船舶设计的三维航行场景模拟方法装置的结构示意图;
图3是本发明实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
图1是本发明实施例提供的用于船舶设计的三维航行场景模拟方法的实现流程图。如图1所示,在一些实施例中,用于船舶设计的三维航行场景模拟方法,应用于航行场景模拟***,航行场景模拟***中设置有多个环境载荷模型;该方法包括:
S110,获取航行场景的基本环境数据。
在本发明实施例中,基本环境数据可以包括但不限于下述至少一项:经纬度、温度、时间、升阻力系数、当前风速、当前风向、平均环境风速、风向均值、风向变化幅值、浪高、浪向、波浪周期、流向、流速、潮位和水深。基本环境数据均为各个航线上可简单测得的数据,仅需在航线上布置一些相应的传感器,或者直接从网络上查询航行信息即可,还可以通过计算得到。
本实施例中提供了一种近海环境下非接触的基本环境数据的计算方式,非接触指无需在船舶上安装监测设备,所有要素数据均通过信息手段及模拟手段自动获取。近海指距离岸线50km内的海域。具体如下:
升阻力系数、当前风速、当前风向、平均环境风速、风向均值、风向变化幅值等风要素的获取方式具体可以为:通过全球开源风场数据在目标海域局部加密计算并根据实测数据进行修正,插值提取船舶所在位置处的风要素。加密后的风场数据空间分辨率达到百米级、时间分辨率不高于0.5h;实测数据可来自周边风速站、气象站、公共气象预报数据。
建立近海风浪流泥沙耦合三维数学模型,空间分辨率应达到10m级,时间分辨率不高于0.5h,对目标海区指定时段的海洋动力及泥沙运动场进行模拟,以最新海图水深、潮汐表、加密风场、精细化陆地边界作为模型输入条件,通过目标海域的水文资料进行模拟结果修正,获取潮流、波浪、泥沙场的模拟结果;最后根据时间及船舶坐标插值提取浪、潮、流要素(即浪、潮、流对应的基本环境数据);
理论基面下的底高程、实时水位;获取方法:从最新海图数据中提取水深散点,插值构建三维地形,并从风浪流泥沙耦合三维模型计算得到的泥沙场数据中获取海底淤积厚度分布,海图水深叠加淤积厚度可获得海底高程数据,叠加该时刻的潮位要素,即可获取实时水位;根据时间及船舶坐标插值提取底高程及水位。泥沙场模拟应从海图水深测图日期起算,并模拟至目标时刻。
以上要素数据及场数据全部获得后,即可重构某近海船舶真三维航行动态,且全部要素数据可通过插值方法随时间及船舶位置同步更新。
以上用于重构真三维场景的要素数据精度可通过架设现场监测站提升,例如通过假设海上风速站、潮位站、流速站、波浪站、水深观测站等,作为模拟要素场的校准参数,从整体上提升数据精度。
该方法的特点是不需要人工输入航行场景相关数据,所有数据通过模拟或信息手段自动化获取;该方法适用于所有近海航行船舶。
该方法不仅适用于历史航行场景的重构,也适用实时航行场景的重构,甚至适用于预定义条件下模拟航行场景的构建。
S120,将基本环境数据分别输入到对应的环境载荷模型中,得到多个环境载荷数据。
在本发明实施例中,受到风、浪涌、航道水流等因素的影响,船舶在行驶过程中会受到复杂的应力,不仅会影响船员舒适性,还会破坏船舶设备或影响其正常运转,严重时还会导致翻船事故的发生从而造成巨大的生命财产损失。因此需要对这些载荷加载到船舶运行模型中进行模拟测试,从而保证船舶设计的合理性。
在一些实施例中,多个环境载荷模型包括风载荷模型、浪载荷模型和流载荷模型;S120可以包括:将风载荷模型对应的基本环境数据输入到风载荷模型中,得到航行场景的风载荷和风载荷预测值;将浪载荷模型对应的基本环境数据输入到浪载荷模型中,得到航行场景的线性浪载荷、非线性浪载荷和线性浪载荷预测值;将流载荷模型对应的基本环境数据输入到流载荷模型中,得到航行场景的流载荷。
在本发明实施例中,无论是上述的监测还是计算,所得的基本环境数据均是相对滞后的,而航行场景是动态变化的,为了对航行场景进行实时模拟,本发明对风载荷和浪载荷进行了超短期预测,确定后续一段时间的风载荷和浪载荷变化。其中,短时间内近海洋流的流向和流速通常变化不大,因此流载荷无需预测。潮位属于周期性变化的数值,水深属于固定数据,这两项均不需要预测。潮位和水深均可以加入到浪载荷模型的输入项中,辅助进行浪载荷的计算。
在本发明实施例中,风载荷模型、浪载荷模型和流载荷模型均可以是神经网络模型、深度学习模型等,在此不作限定。将近海洋流环境下的实测数据作为样本集,进行模型训练,即可得到上述的风载荷模型、浪载荷模型和流载荷模型,其输入为基本环境数据,输出为模型所对应的载荷。
在本发明实施例中,基于根据经纬度、温度、时间即可确定该近海环境下的洋流信息和盛行风向信息,以辅助其他信息的计算。
在一些实施例中,风载荷模型对应的基本环境数据包括:经纬度、温度、时间、升阻力系数、当前风速、当前风向、平均环境风速、风向均值、风向变化幅值;将风载荷模型对应的基本环境数据输入到风载荷模型中,得到航行场景的风载荷和风载荷预测值,包括:根据经纬度、温度、时间、升阻力系数、当前风速、当前风向、平均环境风速、风向均值、风向变化幅值和第一预测模型,计算风速预测值、风向预测值;根据升阻力系数、当前风速、当前风向、平均环境风速、风向均值、风向变化幅值和风载荷模型,计算航行场景的风载荷;根据升阻力系数、风速预测值、风向预测值、平均环境风速、风向均值、风向变化幅值和风载荷模型,计算航行场景的风载荷预测值。
在本发明实施例中,风速不断变化且受外界环境影响,导致船舶所受到的风载荷也在不断变化,因此不但需要计算当前的风载荷,还需要对下一时刻的风载荷进行预测,以达到更好的航行场景仿真效果。具体计算风速预测值、风向的第一预测模型可以为时间序列分析模型、长短期记忆网络模型等,在此不作限定。
在一些实施例中,浪载荷模型对应的基本环境数据包括:经纬度、温度、时间、浪高、浪向、波浪周期;将浪载荷模型对应的基本环境数据输入到浪载荷模型中,得到航行场景的线性浪载荷、非线性浪载荷和线性浪载荷预测值,包括:将经纬度、温度、时间、浪高、浪向、波浪周期输入到浪载荷模型中,得到第一浪载荷数据;对第一浪载荷数据进行分解,得到航行场景的线性浪载荷、非线性浪载荷;根据经纬度、温度、时间、线性浪载荷和预先建立的第二预测模型,得到线性浪载荷预测值。
在本发明实施例中,海浪是发生在海洋表面上的表面波,即沿着水与空气界面间传行的一种波动,属于重力波的一种类型。海浪的波动有非常强的随机性,因此浪载荷数据同样最难模拟。将经纬度、温度、时间、浪高、浪向、波浪周期输入到浪载荷模型后,所得到的船舶各个方向所受到的浪载荷数据为一组杂乱的载荷矩阵,难以以此预估后续时段的浪载荷变化。
由于海浪属于重力波,因此同样可以依据经验模态分解算法、小波分析算法等对计算得到的浪载荷数据进行分解,以得到线性浪载荷和非线性浪载荷。
在得到线性浪载荷以后,根据线性回归模型,即可预测后续浪载荷的变化。然后通过马尔可夫模型模拟海浪的随机性,即在预测的未来时刻的线性浪载荷中随机加载非线性浪载荷,即可得到超前预测船舶所受的浪负荷,提高船舶航行模拟场景的模拟效果。
在一些实施例中,流载荷模型对应的基本环境数据包括经纬度、温度、时间、流向和流速;将流载荷模型对应的基本环境数据输入到流载荷模型中,得到航行场景的流载荷,包括:将经纬度、温度、时间、流向和流速输入到流载荷模型中,得到航行场景的流载荷。
S130,根据基本环境数据和多个相关性预估模型,计算各个环境载荷数据的荷载调整值;其中,每个相关性预估模型用于预测第一环境载荷模型对应的环境载荷数据对第二环境载荷模型对应的环境载荷数据的影响;第一环境载荷模型和第二环境载荷模型为多个环境载荷模型的任两个模型。
现有技术中,在船舶载荷计算时,通常是对于各种载荷进行单独的计算,在模拟的场景下,各类环境数据和载荷值并不交互,即环境数据中的风要素仅用于预测风载荷,但在实际环境中,风要素同样对浪载荷存在影响。因此在本发明实施例中,通过设计相关性预估模型来,来实现对风载荷、浪载荷、流载荷之间的关联,在某一环境数据发生变化时,这三个模型均相应调整,以更贴近于实际环境。例如,在流载荷发生变化时(近海洋流变化),浪载荷必定发生变化,而洋流又与盛行风密切相关,风载荷同样发生变化,此时风载荷、浪载荷、流载荷同步调整。
在本发明实施例中,相关性预估模型可以是神经网络模型、知识图谱等,在此不作限定。通过获取近海洋流的各项环境数据,然后分析风要素的变化、浪要素的变化、流要素的变化之间的关联关系,作为三种模型之间的相关性,以风要素的变化、浪要素的变化、流要素的变化为输入,三种模型之间的相关性作为输出,建立神经网络模型或知识图谱。
在一些实施例中,S130可以包括:将第一环境载荷模型对应的基本环境数据和环境载荷数据,输入到相关性预估模型内,得到第二环境载荷模型对应的荷载调整值。
S140,根据环境载荷数据和各个环境载荷数据的荷载调整值,对航行场景下的船舶状态进行调整。
在本发明实施例中,船舶动态包括:坐标、船长、船宽、吃水、航速、航向、类型;重构方法是通过AIS(automatic identification system,船舶自动识别***)融合VTS(VesselTrafficServices,船舶交通服务)数据,通过AIS基站对近海船舶航行动态进行监控,获得船舶坐标、船长、船宽、吃水、航速、航向、类型,同时利用VTS数据进行时间步加密;通过AIS数据查找VTS中匹配的船舶,然后在AIS数据时间延迟期间通过VTS补充船舶坐标、航速、航向信息,获得时间步长小于10s的连续船舶航行动态。
最终,基于船舶的坐标、船长、船宽、吃水、航速、航向、类型,结合船舶的结构参数,即可建立船舶的运动模型。
在一些实施例中,S140可以包括:根据环境载荷数据和荷载调整值,计算实际环境载荷;根据实际环境载荷和船舶状态数据,计算船舶响应数据;根据船舶响应数据,对航行场景下的船舶状态进行调整。
在本发明实施例中,荷载调整值为一个百分数,具体为环境载荷数据所需调整的百分比,即实际环境载荷等于环境载荷数据乘以荷载调整值。荷载调整值主要是对当前值进行动态调整,以使输入基本环境数据所模拟得到的航行环境贴近当前实际环境,预测值同样是根据输入的基本环境数据计算得到,但其是未来的值,因此需要考虑时间变化带来的影响。
例如,风载荷的实际模拟值等于计算的风载荷乘以荷载调整值,但风载荷预测值的实际模拟值为:计算的风载荷乘以荷载调整值,再与计算的风载荷相加后求平均。
在一些实施例中,S140可以包括:根据环境载荷数据和荷载调整值,计算实际环境载荷区间以及区间内每个实际环境载荷的概率;根据实际环境载荷区间、区间内每个实际环境载荷的概率和船舶状态数据,计算船舶响应数据;根据船舶响应数据,对航行场景下的船舶状态进行调整。
上述的调整是根据各类环境因素之间的关联性进行分析,但环境因素通常较为复杂,难以精准计算这些因素之间的关联性,因此在计算得到实际环境载荷后,可以以实际环境载荷为中心,建立一个长度为0.2倍实际环境载荷的载荷区间,所模拟的载荷可以是该实际环境载荷区间内的任一载荷。区间内实际环境载荷的概率分布服从正态分布。
本发明的有益效果具体为:
通过最基础的环境数据和相应的载荷模型来计算各种实际环境下的载荷,并且考虑了不同载荷之间的关联关系,从而使模拟航行过程更贴近于实际航行,有效提高船舶航行的模拟效果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图2是本发明实施例提供的用于船舶设计的三维航行场景模拟方法装置的结构示意图。如图2所示,在一些实施例中,用于船舶设计的三维航行场景模拟方法装置2,包括:
获取模块210,用于获取航行场景的基本环境数据;
输入模块220,用于将基本环境数据分别输入到对应的环境载荷模型中,得到多个环境载荷数据;
计算模块230,用于根据基本环境数据和多个相关性预估模型,计算各个环境载荷数据的荷载调整值;其中,每个相关性预估模型用于预测第一环境载荷模型对应的环境载荷数据对第二环境载荷模型对应的环境载荷数据的影响;第一环境载荷模型和第二环境载荷模型为多个环境载荷模型的任两个模型;
调整模块240,用于根据环境载荷数据和各个环境载荷数据的荷载调整值,对航行场景下的船舶状态进行调整。
可选的,计算模块230,用于将第一环境载荷模型对应的基本环境数据和环境载荷数据,输入到相关性预估模型内,得到第二环境载荷模型对应的荷载调整值。
可选的,多个环境载荷模型包括风载荷模型、浪载荷模型和流载荷模型;输入模块220,用于将风载荷模型对应的基本环境数据输入到风载荷模型中,得到航行场景的风载荷和风载荷预测值;将浪载荷模型对应的基本环境数据输入到浪载荷模型中,得到航行场景的线性浪载荷、非线性浪载荷和线性浪载荷预测值;将流载荷模型对应的基本环境数据输入到流载荷模型中,得到航行场景的流载荷。
可选的,风载荷模型对应的基本环境数据包括:经纬度、温度、时间、升阻力系数、当前风速、当前风向、平均环境风速、风向均值、风向变化幅值;输入模块220,用于根据经纬度、温度、时间、升阻力系数、当前风速、当前风向、平均环境风速、风向均值、风向变化幅值和第一预测模型,计算风速预测值、风向预测值;根据升阻力系数、当前风速、当前风向、平均环境风速、风向均值、风向变化幅值和风载荷模型,计算航行场景的风载荷;根据升阻力系数、风速预测值、风向预测值、平均环境风速、风向均值、风向变化幅值和风载荷模型,计算航行场景的风载荷预测值。
可选的,浪载荷模型对应的基本环境数据包括:经纬度、温度、时间、浪高、浪向、波浪周期;输入模块220,用于将经纬度、温度、时间、浪高、浪向、波浪周期输入到浪载荷模型中,得到第一浪载荷数据;对第一浪载荷数据进行分解,得到航行场景的线性浪载荷、非线性浪载荷;根据经纬度、温度、时间、线性浪载荷和预先建立的第二预测模型,得到线性浪载荷预测值。
可选的,流载荷模型对应的基本环境数据包括经纬度、温度、时间、流向和流速;输入模块220,用于将经纬度、温度、时间、流向和流速输入到流载荷模型中,得到航行场景的流载荷。
可选的,调整模块240,用于根据环境载荷数据和荷载调整值,计算实际环境载荷区间以及区间内每个实际环境载荷的概率;根据实际环境载荷区间、区间内每个实际环境载荷的概率和船舶状态数据,计算船舶响应数据;根据船舶响应数据,对航行场景下的船舶状态进行调整。
可选的,调整模块240,用于根据环境载荷数据和荷载调整值,计算实际环境载荷;根据实际环境载荷和船舶状态数据,计算船舶响应数据;根据船舶响应数据,对航行场景下的船舶状态进行调整。
本实施例提供的用于船舶设计的三维航行场景模拟方法装置,可用于执行上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
图3是本发明实施例提供的电子设备的结构示意图。如图3所示,本发明的一个实施例提供的电子设备3,该实施例的电子设备3包括:处理器30、存储器31以及存储在存储器31中并可在处理器30上运行的计算机程序32。处理器30执行计算机程序32时实现上述各个用于船舶设计的三维航行场景模拟方法实施例中的步骤,例如图1所示各步骤。或者,处理器30执行计算机程序32时实现上述各***实施例中各模块/单元的功能,例如图2所示各模块的功能。
示例性的,计算机程序32可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器31中,并由处理器30执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序32在电子设备3中的执行过程。
电子设备3可以是可以为终端或服务器,终端可以是手机、MCU、ECU、工控机等,在此不作限定,服务器可以是物理服务器、云服务器等,在此不作限定。电子设备3可包括,但不仅限于,处理器30、存储器31。本领域技术人员可以理解,图3仅仅是电子设备3的示例,并不构成对电子设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器31可以是电子设备3的内部存储单元,例如电子设备3的硬盘或内存。存储器31也可以是电子设备3的外部存储设备,例如电子设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器31还可以既包括电子设备3的内部存储单元也包括外部存储设备。存储器31用于存储计算机程序以及电子设备所需的其他程序和数据。存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述用于船舶设计的三维航行场景模拟方法实施例中的步骤。
计算机可读存储介质存储有计算机程序32,计算机程序32包括程序指令,程序指令被处理器30执行时实现上述实施例方法中的全部或部分流程,也可以通过计算机程序32来指令相关的硬件来完成,计算机程序32可存储于一计算机可读存储介质中,该计算机程序32在被处理器30执行时,可实现上述各个方法实施例的步骤。其中,计算机程序32包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
计算机可读存储介质可以是前述任一实施例的电子设备的内部存储单元,例如电子设备的硬盘或内存。计算机可读存储介质也可以是电子设备的外部存储设备,例如电子设备上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(SecureDigital, SD)卡,闪存卡(Flash Card)等。进一步地,计算机可读存储介质还可以既包括电子设备的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及电子设备所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于船舶设计的三维航行场景模拟方法,其特征在于,应用于航行场景模拟***,所述航行场景模拟***中设置有多个环境载荷模型;所述方法包括:
获取航行场景的基本环境数据;
将所述基本环境数据分别输入到对应的环境载荷模型中,得到多个环境载荷数据;
根据所述基本环境数据和多个相关性预估模型,计算各个环境载荷数据的荷载调整值;其中,每个相关性预估模型用于预测第一环境载荷模型对应的环境载荷数据对第二环境载荷模型对应的环境载荷数据的影响;第一环境载荷模型和第二环境载荷模型为多个环境载荷模型的任两个模型;
根据所述环境载荷数据和各个环境载荷数据的荷载调整值,对所述航行场景下的船舶状态进行调整。
2.根据权利要求1所述的用于船舶设计的三维航行场景模拟方法,其特征在于,所述根据所述基本环境数据和多个相关性预估模型,计算各个环境载荷数据的荷载调整值,包括:
将第一环境载荷模型对应的基本环境数据和环境载荷数据,输入到相关性预估模型内,得到所述第二环境载荷模型对应的荷载调整值。
3.根据权利要求1所述的用于船舶设计的三维航行场景模拟方法,其特征在于,所述多个环境载荷模型包括风载荷模型、浪载荷模型和流载荷模型;所述将所述基本环境数据输入到多个环境载荷模型中,得到环境载荷数据,包括:
将所述风载荷模型对应的基本环境数据输入到风载荷模型中,得到所述航行场景的风载荷和风载荷预测值;
将所述浪载荷模型对应的基本环境数据输入到浪载荷模型中,得到所述航行场景的线性浪载荷、非线性浪载荷和线性浪载荷预测值;
将所述流载荷模型对应的基本环境数据输入到流载荷模型中,得到所述航行场景的流载荷。
4.根据权利要求3所述的用于船舶设计的三维航行场景模拟方法,其特征在于,所述风载荷模型对应的基本环境数据包括:经纬度、温度、时间、升阻力系数、当前风速、当前风向、平均环境风速、风向均值、风向变化幅值;将所述风载荷模型对应的基本环境数据输入到风载荷模型中,得到所述航行场景的风载荷和风载荷预测值,包括:
根据经纬度、温度、时间、升阻力系数、当前风速、当前风向、平均环境风速、风向均值、风向变化幅值和第一预测模型,计算风速预测值、风向预测值;
根据升阻力系数、当前风速、当前风向、平均环境风速、风向均值、风向变化幅值和风载荷模型,计算所述航行场景的风载荷;
根据升阻力系数、风速预测值、风向预测值、平均环境风速、风向均值、风向变化幅值和风载荷模型,计算所述航行场景的风载荷预测值。
5.根据权利要求3所述的用于船舶设计的三维航行场景模拟方法,其特征在于,所述浪载荷模型对应的基本环境数据包括:经纬度、温度、时间、浪高、浪向、波浪周期;所述将所述浪载荷模型对应的基本环境数据输入到浪载荷模型中,得到所述航行场景的线性浪载荷、非线性浪载荷和线性浪载荷预测值,包括:
将经纬度、温度、时间、浪高、浪向、波浪周期输入到浪载荷模型中,得到第一浪载荷数据;
对第一浪载荷数据进行分解,得到航行场景的线性浪载荷、非线性浪载荷;
根据经纬度、温度、时间、线性浪载荷和预先建立的第二预测模型,得到线性浪载荷预测值。
6.根据权利要求3所述的用于船舶设计的三维航行场景模拟方法,其特征在于,所述流载荷模型对应的基本环境数据包括经纬度、温度、时间、流向和流速;所述将所述流载荷模型对应的基本环境数据输入到流载荷模型中,得到所述航行场景的流载荷,包括:
将经纬度、温度、时间、流向和流速输入到流载荷模型中,得到所述航行场景的流载荷。
7.根据权利要求1-6任一项所述的用于船舶设计的三维航行场景模拟方法,其特征在于,根据所述环境载荷数据和所述荷载调整值,对所述航行场景下的船舶状态进行调整,包括:
根据所述环境载荷数据和所述荷载调整值,计算实际环境载荷;
根据所述实际环境载荷和船舶状态数据,计算船舶响应数据;
根据所述船舶响应数据,对所述航行场景下的船舶状态进行调整。
8.根据权利要求1-6任一项所述的用于船舶设计的三维航行场景模拟方法,其特征在于,根据所述环境载荷数据和所述荷载调整值,对所述航行场景下的船舶状态进行调整,包括:
根据所述环境载荷数据和所述荷载调整值,计算实际环境载荷区间以及区间内每个实际环境载荷的概率;
根据所述实际环境载荷区间、区间内每个实际环境载荷的概率和船舶状态数据,计算船舶响应数据;
根据所述船舶响应数据,对所述航行场景下的船舶状态进行调整。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至8中任一项所述用于船舶设计的三维航行场景模拟方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上的权利要求1至8中任一项所述用于船舶设计的三维航行场景模拟方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311782610.7A CN117709119A (zh) | 2023-12-22 | 2023-12-22 | 用于船舶设计的三维航行场景模拟方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311782610.7A CN117709119A (zh) | 2023-12-22 | 2023-12-22 | 用于船舶设计的三维航行场景模拟方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117709119A true CN117709119A (zh) | 2024-03-15 |
Family
ID=90155125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311782610.7A Pending CN117709119A (zh) | 2023-12-22 | 2023-12-22 | 用于船舶设计的三维航行场景模拟方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117709119A (zh) |
-
2023
- 2023-12-22 CN CN202311782610.7A patent/CN117709119A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107688906B (zh) | 多方法融合的输电线路气象要素降尺度分析***及方法 | |
CN111860146B (zh) | 海洋锋区域的获取方法、装置、计算机设备和存储介质 | |
CN110910448B (zh) | 一种海上溢油漂移轨迹溯源方法 | |
Mittendorf et al. | Sea state identification using machine learning—A comparative study based on in-service data from a container vessel | |
CN112949178A (zh) | 基于深度学习的海面风场风速智能预测预报***、计算机设备、存储介质 | |
CN112347218B (zh) | 无人船艇的环境地图生成方法及无人船艇感知*** | |
CN115205706B (zh) | 遥感数据获取方法、装置、电子设备和计算机可读介质 | |
Tinka et al. | Quadratic programming based data assimilation with passive drifting sensors for shallow water flows | |
KR20200119732A (ko) | 고해상도 해양 데이터를 생성하기 위한 방법 및 이를 이용한 장치 | |
Jie et al. | A novel estimation algorithm for interpolating ship motion | |
Yang et al. | An approach to ship behavior prediction based on AIS and RNN optimization model | |
CN115859116A (zh) | 一种基于径向基函数回归插值法的海洋环境场重建方法 | |
CN116306790A (zh) | 一种基于cnn-gru和注意力机制的近海船舶轨迹实时预测方法、***、设备及介质 | |
Saha et al. | A combined numerical and neural technique for short term prediction of ocean currents in the Indian Ocean | |
CN111824357B (zh) | 测试方法、装置、电子设备及计算机可读存储介质 | |
CN116523152B (zh) | 漂浮物的漂移预测方法、装置、设备和介质 | |
US20230314144A1 (en) | System and method for estimating drift path of marine floating body | |
Wang et al. | Filling gaps in significant wave height time series records using bidirectional gated recurrent unit and cressman analysis | |
WO2024039553A1 (en) | Data informed ocean simulations | |
CN117709119A (zh) | 用于船舶设计的三维航行场景模拟方法、设备及存储介质 | |
CN113836661B (zh) | 时间预测方法、模型训练方法、相关装置及电子设备 | |
CN117113798A (zh) | 漂浮物的漂移速度预测方法、装置、设备及存储介质 | |
Fan et al. | Research on shipborne aided navigation system based on enhanced traffic environment perception | |
CN113077112A (zh) | 数据获取方法及装置、计算机设备、存储介质 | |
Guan et al. | Rain fall predict and comparing research based on Arcgis and BP neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |