关联数据协同转换系统的制作方法

1.本发明涉及船舶管理领域，更具体地，涉及一种关联数据协同转换系统。


背景技术：

2.船舶是一种主要在地理水中运行的人造交通工具。另外，民用船一般称为船，军用船称为舰，小型船称为艇或舟，其总称为舰船或船艇。内部主要包括容纳空间、支撑结构和排水结构，具有利用外在或自带能源的推进系统。外型一般是利于克服流体阻力的流线性包络，材料随着科技进步不断更新，早期为木、竹、麻等自然材料，近代多是钢材以及铝、玻璃纤维、亚克力和各种复合材料。现有技术中，行驶在航道内的船舶的行驶速度很难保持恒定，原因在于，虽然在动力学控制方面能够保证船舶的输出功率即输出动力保持恒定，但是由于航道环境复杂，尤其是决定水流速度的环境参数较多，导致水流速度难以准确预测，进而带动船舶的行驶速度只能保持在一个较为粗糙的精度控制上。


技术实现要素：

3.为了解决现有技术中的技术问题，本发明提供了一种关联数据协同转换系统，能够采用智能预测模式基于船体所在水域的历史流速速度智能化解析船体未来时刻的流速数据，并基于预设航行速度和未来时刻对应的代表性流速的差值确定船体需要补充的输出功率以使得所述船体在未来时刻实际行驶速度等于所述预设航行速度，从而提升船舶在航道内行驶的稳定性。
4.根据本发明的一方面，提供了一种关联数据协同转换系统，所述系统包括：
5.流速检测矩阵，包括多个流速检测设备，分别设置在行驶在航道内的船体的底部的各个位置，用于分别检测所述各个位置分别对应的各个实时检测流速；
6.内容推送设备，设置在所述船体的控制台内，与所述流速检测矩阵连接，用于将每一检测时间点对应的各个实时检测流速的中间值作为所述检测时间点对应的代表性流速，以获得均匀间隔的各个历史检测时间点分别对应的各个代表性流速；
7.网络解析设备，与所述内容推送设备连接，用于解析预测时刻对应的代表性流速的卷积神经网络，所述卷积神经网络的多个输入信号是预测时刻之前的多个历史检测时间点分别对应的多个代表性流速，所述卷积神经网络的单个输出信号是预测时刻对应的代表性流速；
8.学习执行设备，与所述网络解析设备连接，用于采用各个历史检测时间点分别对应的各个代表性流速作为所述卷积神经网络的学习信号对所述卷积神经网络执行多次学习动作，并将经过多次学习动作后的卷积神经网络发送给所述网络解析设备；
9.动力鉴定设备，设置在所述船体的控制台内，与所述网络解析设备连接，用于基于预设航行速度和预测时刻对应的代表性流速的差值确定所述船体需要补充的输出功率；
10.其中，基于预设航行速度和预测时刻对应的代表性流速的差值确定所述船体需要补充的输出功率包括：基于预设航行速度和预测时刻对应的代表性流速的差值确定所述船
体需要补充的输出功率以使得所述船体在预测时刻实际行驶速度等于所述预设航行速度；
11.其中，基于预设航行速度和预测时刻对应的代表性流速的差值确定所述船体需要补充的输出功率还包括：确定的所述船体需要补充的输出功率与所述差值单调正向关联。
12.本发明的关联数据协同转换系统运行智能、方便操控。由于能够基于船体所在水域的历史流速速度智能化解析船体未来时刻的流速数据，并基于预设航行速度和未来时刻对应的代表性流速的差值确定船体需要补充的输出功率，从而保证船舶速率的控制精度。
13.附图简要说明
14.本领域技术人员通过参考附图可更好理解本发明的众多优点，其中：
15.图1为根据本发明实施方案示出的关联数据协同转换系统的流速检测矩阵内的流速检测设备的内部结构示意图。
具体实施方式
16.船舶是由许多部分构成的，按各部分的作用和用途，可综合归纳为船体、船舶动力装置、船舶电气等三大部分。船体是船舶的基本部分，可分为主体部分和上层建筑部分。主体部分一般指上甲板以下的部分，它是由船壳和上甲板围成的具有特定形状的空心体，是保证船舶具有所需浮力、航海性能和船体强度的关键部分。船体一般用于布置动力装置、装载货物、储存燃油和淡水，以及布置其他各种舱室。
17.现有技术中，行驶在航道内的船舶的行驶速度很难保持恒定，原因在于，虽然在动力学控制方面能够保证船舶的输出功率即输出动力保持恒定，但是由于航道环境复杂，尤其是决定水流速度的环境参数较多，导致水流速度难以准确预测，进而带动船舶的行驶速度只能保持在一个较为粗糙的精度控制上。
18.本发明的几处关键的发明构思如下：建立针对性设计的卷积神经网络，用于基于船体所在水域的历史流速速度智能化解析船体未来时刻的流速数据，从而为后续的船体驾驶参数的判断提供关键参数；基于预设航行速度和未来时刻对应的代表性流速的差值确定船体需要补充的输出功率以使得所述船体在未来时刻实际行驶速度等于所述预设航行速度，其中，确定的所述船体需要补充的输出功率与所述差值单调正向关联。
19.现在，将针对公开的主题对本发明进行具体的说明。
20.根据本发明实施方案示出的关联数据协同转换系统包括：
21.流速检测矩阵，包括多个流速检测设备，分别设置在行驶在航道内的船体的底部的各个位置，用于分别检测所述各个位置分别对应的各个实时检测流速；
22.如图1所示，每一个流速检测设备为旋杯式流速测量仪，所述旋杯式流速测量仪包括尾翼、悬杆、旋杯、传讯盒、记录器、绳钩和钢丝绳；
23.内容推送设备，设置在所述船体的控制台内，与所述流速检测矩阵连接，用于将每一检测时间点对应的各个实时检测流速的中间值作为所述检测时间点对应的代表性流速，以获得均匀间隔的各个历史检测时间点分别对应的各个代表性流速；
24.网络解析设备，与所述内容推送设备连接，用于解析预测时刻对应的代表性流速的卷积神经网络，所述卷积神经网络的多个输入信号是预测时刻之前的多个历史检测时间点分别对应的多个代表性流速，所述卷积神经网络的单个输出信号是预测时刻对应的代表性流速；
25.学习执行设备，与所述网络解析设备连接，用于采用各个历史检测时间点分别对应的各个代表性流速作为所述卷积神经网络的学习信号对所述卷积神经网络执行多次学习动作，并将经过多次学习动作后的卷积神经网络发送给所述网络解析设备；
26.动力鉴定设备，设置在所述船体的控制台内，与所述网络解析设备连接，用于基于预设航行速度和预测时刻对应的代表性流速的差值确定所述船体需要补充的输出功率；
27.其中，基于预设航行速度和预测时刻对应的代表性流速的差值确定所述船体需要补充的输出功率包括：基于预设航行速度和预测时刻对应的代表性流速的差值确定所述船体需要补充的输出功率以使得所述船体在预测时刻实际行驶速度等于所述预设航行速度；
28.其中，基于预设航行速度和预测时刻对应的代表性流速的差值确定所述船体需要补充的输出功率还包括：确定的所述船体需要补充的输出功率与所述差值单调正向关联。
29.接着，继续对本发明的关联数据协同转换系统的具体结构进行进一步的说明。
30.所述关联数据协同转换系统中还可以包括：
31.数据暂存芯片，分别与所述内容推送设备、所述网络解析设备、所述学习执行设备以及所述动力鉴定设备连接；
32.其中，所述数据暂存芯片与所述内容推送设备、所述网络解析设备、所述学习执行设备以及所述动力鉴定设备共用同一时钟发生器件。
33.所述关联数据协同转换系统中：
34.所述数据暂存芯片用于分别存储所述内容推送设备、所述网络解析设备、所述学习执行设备以及所述动力鉴定设备各自的输出数据和输入数据。
35.所述关联数据协同转换系统中还可以包括：
36.交流供电机构，分别与所述内容推送设备、所述网络解析设备、所述学习执行设备以及所述动力鉴定设备连接。
37.所述关联数据协同转换系统中：
38.所述交流供电机构包括交流直流转化电路和电压转化电路，用于分别为所述内容推送设备、所述网络解析设备、所述学习执行设备以及所述动力鉴定设备提供各自需要的直流供电电压。
39.所述关联数据协同转换系统中：
40.解析预测时刻对应的代表性流速的卷积神经网络，所述卷积神经网络的多个输入信号是预测时刻之前的多个历史检测时间点分别对应的多个代表性流速，所述卷积神经网络的单个输出信号是预测时刻对应的代表性流速包括：所述卷积神经网络的多个输入信号的数量与所述均匀间隔的各个历史检测时间点中两两历史检测时间点的时间间隔长度呈正比。
41.所述关联数据协同转换系统中：
42.采用各个历史检测时间点分别对应的各个代表性流速作为所述卷积神经网络的学习信号对所述卷积神经网络执行多次学习动作，并将经过多次学习动作后的卷积神经网络发送给所述网络解析设备包括：所述多个流速检测设备的数量越少，执行学习动作的次数越少。
43.所述关联数据协同转换系统中：
44.将每一检测时间点对应的各个实时检测流速的中间值作为所述检测时间点对应
的代表性流速，以获得均匀间隔的各个历史检测时间点分别对应的各个代表性流速包括：将每一检测时间点对应的各个实时检测流速的最大值和最小值去除后获得的各个流速数值的中间值作为所述检测时间点对应的代表性流速，以获得均匀间隔的各个历史检测时间点分别对应的各个代表性流速。
45.以及在所述关联数据协同转换系统中：
46.流速检测矩阵，包括多个流速检测设备，分别设置在行驶在航道内的船体的底部的各个位置，用于分别检测所述各个位置分别对应的各个实时检测流速包括：所述多个流速检测设备均匀分布在行驶在航道内的船体的底部，用于分别检测所述各个位置分别对应的各个实时检测流速。
47.另外，在所述关联数据协同转换系统中，替换地，将每一检测时间点对应的各个实时检测流速的中间值作为所述检测时间点对应的代表性流速，以获得均匀间隔的各个历史检测时间点分别对应的各个代表性流速包括：将每一检测时间点对应的各个实时检测流速的算术平均值作为所述检测时间点对应的代表性流速，以获得均匀间隔的各个历史检测时间点分别对应的各个代表性流速。
48.由此可见，本发明的几处关键的发明构思如下：建立针对性设计的卷积神经网络，用于基于船体所在水域的历史流速速度智能化解析船体未来时刻的流速数据，从而为后续的船体驾驶参数的判断提供关键参数；基于预设航行速度和未来时刻对应的代表性流速的差值确定船体需要补充的输出功率以使得所述船体在未来时刻实际行驶速度等于所述预设航行速度，其中，确定的所述船体需要补充的输出功率与所述差值单调正向关联。
49.以上所述仅为本发明的优选实施例，凡依本发明权利要求所做的均等变化与修饰，都应属本发明的涵盖范围。