论文部分内容阅读
随着海运事业的发展,海上交通日益繁忙,对船舶导航提出了更高的要求,船舶上的多个导航系统更是加大导航数据的复杂性,如何提高导航精度成为一个亟需解决的问题。本文依托国家高技术船舶科研计划工程“综合船桥系统研制”项目和综合船桥系统研究及产业化武汉市重大科技产业化专项项目,通过对国内外文献资料的查阅和总结,将船舶上的多个导航设备输出的信息进行融合,生成新的导航信息,提高信息准确度,以便更好地为船舶进出港引航、避碰服务。本文首先介绍了传统的信息融合技术和神经网络理论,尤其是BP (Back Propagation)神经网络,由于BP算法存在着不足,采用遗传算法(GA, Genetic Algorithm)进行优化,得到GABP算法。分析了AIS (Automatic Identification System)和雷达信息融合的必要性后,针对AIS和雷达信息融合模型中的核心内容,即目标关联问题,使用GABP建立目标关联模型,判断和确定了关联目标后,建立AIS和雷达的融合模型。针对信息融合发展的新趋势,以电子海图的显示为平台,在AIS和雷达导航系统的信息基础上,组建信息融合系统。该系统首先加载电子海图,借助Yima公司提供的YimaEnc SDK组件显示海图,分析AIS和雷达的数据,然后建立信息融合模型,并借助于Yima公司为ECDIS应用系统提供的组件YimaEnc SDK在Visual Studio开发平台下进行了系统的仿真实验,验证了该算法的实用性、可靠性、有效性。研究内容如下所示：(1)介绍了电子海图的组成及主要功能。(2)结合信息融合的发展状况,分析了信息融合的主要方法,确定了对AIS和雷达的信息进行融合,分析了信息融合的可行性和融合后的优点。(3)对BP神经网和遗传算法作了相应的分析,针对BP神经网的限制与不足,使用遗传算法优化BP神经网络,提出了GABP算法。对导航数据在时间上和坐标上进行预处理,设计了航迹关联模型和关联算法,得到成关联对的AIS和雷达数据,将关联对数据按照设计的融合模型进行融合。(4)实验系统仿真。利用Yima公司提供的组件YimaEnc SDK,在Visual Studio2008集成开发环境下,使用VC++语言进行开发,将信息融合后的结果显示在电子海图上,验证了GABP算法的有效性与实用性。