HHI’s（现代海事研究所）安全航行的先进助航系统的发展外文翻译资料

 2022-07-31 21:33:35

英语原文共 3 页，剩余内容已隐藏，支付完成后下载完整资料

HHIrsquo;s（现代海事研究所）安全航行的先进助航系统的发展

Maro Jeon* Jinmo Park**Joohyum Woo***

先进技术 研究院，现代重工业，韩国城南

现代海事研究所，现代重工业，韩国首尔

先进技术研究所，现代重工业，城南（e-mail:jhw004@hhi.co.kr）

摘要：在工业4.0时代，在人工智能和自动化领域，技术范式已经发生了积极地改变。造船业也正在投资自动导航系统，包括避碰支持系统和采用类似深度学习、传感器融合、增强现实技术（AR）等尖端科技的助航系统。现代重工业已经开发了先进的Hi-NAS助航系统，该系统采用了ARPA雷达，AIS和前瞻性的摄像头。Hi-NAS的输出是基于AR的，显示本船和其他船舶状态和碰撞风险指数的叠加信息。该系统被预计能够帮助船员更加安全的航行。

关键词：避碰支持系统，助航系统，深度学习、传感器融合、前瞻性摄像头、增强现实技术（AR）

  1. 引言

在韩国，每年有超过200件碰撞事故的发生，船舶碰撞事故造成的环境污染，财产损失，石油泄漏等问题。大多数船舶碰撞事故都是由于人为失误造成的Campbell 等.(2012)， 例如不遵守防止碰撞规则(COLREGs)。因此，，IMO已经实施了Burmeister et al.(2014)，Jonas and Oltmann(2013)的E-航行政策，最近强调了导航支持系统（如避碰支持系统）的重要性，并且相关的技术开发案例也在增加。随着工业4.0技术范式的转变，人工智能和自主系统领域得到了积极的发展，而且美国和欧洲的主要公司通过在该领域创造新的商业机会而获利。在造船业和航运业，这些公司正在推动人工智能和自主系统技术开发方面的投资，以进军自主航运市场。自动化船舶有望通过优化运营、流程和高效的资源管理模式来改变海上运输，预计从2017年至2025年，自动化船舶将以每年12.8%的速度增长。就海外竞争对手而言，技术标准的重点是积极推动政府自动化船舶开发项目。在韩国，航运公司正试图创新他们的智能船解决方案或IT融合，但结果都还不够充分。国外的龙头企业和竞争对手都在积极开发以政府为首的自动化船舶，事实说明造船业未来的核心将会重点放在自动化船舶上。需要特别说明的是，挪威康士伯公司正在开发一种无人驾驶的导航船控制系统，并参与了一系列专注于集成传感器技术和自动避碰的项目。其中，YEAR Birkland和康士伯正在联合开发一种无人驾驶船，以取代挪威用于海岸化肥运输的船舶。Moonkyum Oh(2018) 2012年12月至2017年10月，日本通过SSAP项目，一直在推动智能船舶开发项目，以支持JSMEA、ClassNK和27个组织的物联网应用服务，两艘船正在试运行。此外，日本航运公司Mitsui OSK Lines(MOL)利用FURUNO Electric开发了基于增强现实的船舶导航支持系统。在韩国，这两家造船厂正在自行研发自主导航技术。三星重工正在开发船舶自动化系统，如高可靠的导航控制解决方案。HHI开发了一种碰撞避免支持系统(Hi-CASS)，以提高航行期间的安全性。此外，HHI还开发了集成智能船舶解决方案(ISS)，包括最佳船舶航线确定和状态监测系统。Moonkyum Oh(2018)

2.传统的HI-CASS系统

Hi-CASS系统利用GPS/DGPS信息识别船舶的当前位置，并自动识别船舶周围特定范围内的危险物体。此外，还利用风速仪和航速仪对船舶的环境扰动行为进行监测。一旦获得了本船和目标船的运动学信息，就确定了Hasegawa和Kouzuki(1987);Ahn 等(2012)的碰撞风险。如果风险超过了特定的标准，警报和警报系统将提醒船员当前的警报情况。当报警时，Hi-CASS系统提示本船所需的航向角，以避免碰撞。该系统由两部分组成，一部分是对船舶和目标船舶信息的准确采集。该部分利用航速仪、风速仪和GPS对船舶的当前位置、航速、航向、航向等信息进行采集。针对目标船和地形信息的碰撞，将使用AIS、ARPA和ENC。Hi-CASS系统的另一部分用于确定所需的避碰行为。当Hi-CASS系统计算出避碰行为的推荐值后，由船员对船舶执行机构的控制做出最终决定。

  1. HI-NAS 系统

3.1HI-NAS的概念

我们最近开发的高级导航辅助系统(Hi-NAS)通过使用额外的视觉传感器、深度学习和传感器融合技术，弥补了Hi-CASS的局限性。此外，该系统基于增强现实技术，为碰撞预防提供了直观的决策环境。在Hi-CASS中用于探测危险物体的雷达和AIS系统有以下局限性。首先，由于存在一个盲区，雷达无法探测到特定范围内的目标，如果盲区内存在危险物体，船员需要环顾自己的船舶以避免碰撞。其次，AIS是一种无源传感器，它只能收集装有AIS的船舶的信息。因此，通过使用AIS系统，不可能检测到没有AIS系统的船舶或者有AIS系统故障的船舶。相机传感器是一种光学传感器，它像人眼一样，提供诸如物体形状和颜色等高级信息。有一种相机，可以在船上使用，如传统的CCD相机，低光相机，和热相机。通过图像处理技术将摄像机图像处理成有用的信息，并利用最新发展的深度学习技术来理解图像中的来龙去脉。为了提高危险目标检测的可靠性，Hi-NAS采用了融合雷达信息、AIS信息和相机信息的传感器融合技术。Hi-NAS 传感器融合技术弥补了探测传感器的固有局限性，如雷达盲区、AIS的被动特性、相机在恶劣天气条件下的有限探测性能等。从传感器融合中提取的可靠信息用于计算碰撞风险指数。最后，Hi-NAS使用AR技术将与碰撞相关的信息覆盖在相机图像上。输出图像为用户提供目标船的导航信息。所提供的信息可以帮助船员进行航行决策，提高航行的安全性。

3.2。Hi-NAS系统的结构

Hi-NAS系统由常规的Hi-CASS模块和基于摄像机的视觉模块组成，用于获取本船/其他船的信息。

传统Hi-CASS模块 常规的Hi-CASS模块由两部分组成，一部分用于从本船传感器获取本船状态信息，另一部分用于从AIS和雷达ARPA获取目标船信息。本船的当前位置由GPS /DGPS获取，计速仪和陀螺罗盘用于获取航速和航向角。另外，利用吃水和环境干扰信息，可以估计我船的操纵性能，目标船舶避碰信息通过AIS和ARPA系统接收，其中包括目标船舶的位置和航向、速度以及CPA信息。系统对收集到的信息进行处理后，确定每一次遇到目标的碰撞风险，并把风险信息提供给船员，帮助操作执行器。

基于视觉的计算和可视化 Hi-NAS视觉模块由对象检测部分和可视化部分组成。在目标检测部分，基于前视摄像头图像，基于深度学习技术实现对危险目标的自动检测。在可视化部分，基于AR技术为用户提供必要的导航信息。视觉模块的目标检测部分由摄像机模块和深度学习计算装置组成。摄像机模块根据基于数据的学习模型，将图像实时传输到深度学习计算设备中，对危险物体的位置进行估计。可视化模块利用AR技术为用户提供本船和目标船的状态信息以及图像上的碰撞风险计算信息。

  1. 结果

以上结果是Hi-NAS的最终显示输出。黑色包围框表示目标船的位置。根据每个目标的警戒级别对目标进行分类。对于最危险的目标(红色表示)，提供距离、CPA和碰撞风险信息，帮助船员做出安全航行的决策。Hi-NAS除了提供目标船信息外，还提供本船信息(如航速、航向角、RPM、舵角等)，以及环境载荷信息。

  1. 结论

为了应对越来越多的人为失误导致的船舶碰撞事故，并以工业4.0为范例，我们开发了先进的导航辅助系统，实现安全导航。先进的导航辅助系统通过将摄像头、雷达ARPA、AIS信息叠加在一个图像屏幕上，为用户提供直观的信息。它将在以后安装，以协助船舶导航，并有助于自主和无人驾驶船舶技术的发展。

参考文献

[1]Ahn,J.H.,Rhee,K.P.,and You,Y.J.(2012). A study on the collision avoidance of a ship using neural networks and fuzzy logic. Applied Ocean Research,37,162-173.

[2]Almeida,C.,Franco,T.,Ferreira,H.,Martins,A.,Santors,R.,Almeida,J.M.,Carvalho,J.,and Silva,E.(2019).

Radar based collision detection developments on usv

Roaz ii. In Oceans 2009-Europe,1-6.Ieee.

[3]Ando,H,(2014).Smart ship application platform project(ssap project).In Sea Japan 2014 Environmental Technology Seminar.

[4]Burmeister,H.C.,Bruhn,W.,Rodseth,O.J.,and porathe,T.(2014)Autonomous unmanned merchant vessel and its contribution towards the e-navigation implementation: The munin perspective. International Journal of e-Navigation and Maritime Economy, 1, 1–13.

[5]Campbell, S., Naeem, W., and Irwin, G.W. (2012). A review on improving the autonomy of unmanned surface vehicles through intelligent collision avoidance manoeuvres. Annual Reviews in Control, 36(2), 267–283.

[6]Hasegawa, K. and Kouzuki, A. (1987). Automation collision avoidance system for ships using fuzzy control.

[7]Jonas, M. and Oltmann, J.H. (2013). Imo e-navigation implementation strategy-challenge for data modelling. TransNav, International Journal on Marine Navigation and Safety od Sea Transportation, 7(1).

[8]Moonkyun Oh, Daesung Yu, J.P.B.J. (2018). A survey on the autonomous ship development. In Proceedings of Korean Information Communications Magazine(in Korean), 532–533.

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[241429]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章