本發明涉及船舶航行控制，具體來說，涉及一種水面艦艇航速航向的智能控制系統及方法。
背景技術：
1、水面艦艇是指在海洋或內陸水域中航行的船舶，它們通常裝備有推進系統和通信設備，用于執行各種任務。隨著海洋活動的日益增多，水面艦艇在各種復雜海況下的高效、安全航行成為研究的重點。傳統的水面艦艇航速航向控制主要依賴于船長的經驗和手動操作，這種方法在面對快速變化的海況時存在較大的局限性。
2、近年來，隨著傳感器技術、計算機技術和人工智能的發展，智能控制技術逐漸應用于水面艦艇的航速航向控制中，以提高航行的安全性和經濟性。盡管已有部分智能控制技術應用于水面艦艇的航速航向控制，但仍存在以下問題：
3、1、泛化能力不足：現有的智能控制模型在面對極端海況時，泛化能力較差，容易出現誤判。
4、2、適應性有限：現有系統在不同類型的艦艇和海況下，適應性有限，難以實現廣泛的適用性。
5、3、集成度不高：部分智能控制系統與艦艇的現有導航系統集成度不高，影響了系統的整體性能。
6、針對相關技術中的問題，目前尚未提出有效的解決方案。
技術實現思路
1、針對相關技術中的問題，本發明提出一種水面艦艇航速航向的智能控制系統及方法，以克服現有相關技術所存在的上述技術問題。
2、為此，本發明采用的具體技術方案如下：
3、根據本發明的一個方面，提供了一種水面艦艇航速航向的智能控制系統，該系統包括：數據收集與模式構建單元、集成處理單元、航速航向控制模式選擇單元及實時監測與優化單元；
4、數據收集與模式構建單元，用于收集水面艦艇在不同海況下的歷史航行數據，構建以海況數據為參數的航速航向控制模式，并設定航速航向控制模式中的各閾值指標；
5、集成處理單元，用于將設定完成的航速航向控制模式及閾值指標與艦艇控制器進行集成處理；
6、航速航向控制模式選擇單元，用于根據水面艦艇的任務需求與實時海況數據，利用集成處理后的艦艇控制器選取相應的航速航向控制模式；
7、實時監測與優化單元，用于實時監測航速航向控制模式和閾值指標，并根據實際任務需求和海況數據變化優化航速航向控制模式和閾值指標。
8、進一步的，數據收集與模式構建單元包括：數據收集與預處理模塊、特征提取與樣本合成模塊、模型建立與訓練模塊、控制模式制定模塊及閾值指標設定模塊；
9、數據收集與預處理模塊，用于收集水面艦艇在不同海況下的歷史航行數據，并對歷史航行數據進行預處理；
10、特征提取與樣本合成模塊，用于利用主成分分析算法從預處理后的歷史航行數據中提取特征數據，并將特征數據與相應的海況數據進行融合，得到樣本數據，建立樣本數據集；
11、模型建立與訓練模塊，用于運用機器學習算法構建航速航向控制模式預測模型，并利用樣本數據集對航速航向控制模式預測模型進行訓練；
12、控制模式制定模塊，用于將樣本數據輸入至訓練完成后的航速航向控制模式預測模型中，輸出預測結果，并基于預測結果制定若干種航速航向控制模式；
13、閾值指標設定模塊，用于對航速航向控制模式中的各閾值指標進行設定。
14、進一步的，數據收集與預處理模塊包括：數據收集子模塊、數據清洗與插值處理子模塊及數據標準化與格式轉換子模塊；
15、數據收集子模塊，用于部署傳感器網絡，利用傳感器網絡從多渠道數據源中收集水面艦艇在不同海況下的歷史航行數據，航行數據包括艦艇數據、環境數據及任務數據；
16、數據清洗與插值處理子模塊，用于對歷史航行數據進行清洗，運用插值算法填補歷史航行數據中的缺失值；
17、數據標準化與格式轉換子模塊，用于將清洗后的歷史航行數據進行標準化處理，并將標準化處理后的歷史航行數據進行格式轉換。
18、進一步的，特征提取與樣本合成模塊包括：矩陣計算與特征分解子模塊、主成分選取子模塊、數據投影與特征數據提取子模塊、特征數據與海況數據融合子模塊及樣本數據集建立子模塊；
19、矩陣計算與特征分解子模塊，用于利用主成分分析算法計算預處理后的歷史航行數據的協方差矩陣，并對協方差矩陣進行特征分解，得到特征值與特征向量；
20、主成分選取子模塊，用于將特征值的按照預設的排列順序進行排序，選取若干個特征值作為主成分；
21、數據投影與特征數據提取子模塊，用于將預處理后的歷史航行數據投影至選取的主成分構成的子空間，得到特征數據；
22、特征數據與海況數據融合子模塊，用于將特征數據與相應的海況數據進行匹配，并基于匹配結果將特征數據與海況數據進行融合，得到樣本數據；
23、樣本數據集建立子模塊，用于基于得到的樣本數據，建立樣本數據集。
24、進一步的，將特征數據與相應的海況數據進行匹配，并基于匹配結果將特征數據與海況數據進行融合，得到樣本數據包括：
25、收集海況數據，并對海況數據進行預處理；
26、根據時間序列，將預處理后的海況數據與特征數據進行對齊；
27、基于對齊結果，應用局部敏感哈希技術，將預處理后的海況數據和特征數據映射到哈希表中；
28、通過哈希函數計算特征數據的哈希值，并在哈希表中篩選出與特征數據哈希值相匹配的海況數據作為匹配候選數據；
29、利用余弦相似度算法計算特征數據與匹配候選數據之間的相似度，并根據預設的相似度閾值，選取相似度最高的海況數據點作為匹配結果；
30、基于匹配結果，將特征數據與海況數據按照預設的格式進行拼接，得到樣本數據。
31、進一步的，哈希函數的公式為：
32、
33、式中，h(x)表示特征數據x的哈希值；
34、a表示隨機生成的向量；
35、x表示特征數據；
36、b表示隨機生成的偏置；
37、ρ表示桶的寬度。
38、進一步的，閾值指標包括航速閾值、航向閾值、動態性能閾值、環境適用性閾值、安全保護閾值及控制穩定性閾值。
39、進一步的，集成處理單元包括：集成與信號采集模塊、信號轉換與指令生成模塊、控制頻率與量計算模塊及控制與執行模塊；
40、集成與信號采集模塊，用于將設定完成的航速航向控制模式及閾值指標集成到艦艇控制器中，并基于集成后的航速航向控制模式及閾值指標，采集相應的控制信號；
41、信號轉換與指令生成模塊，用于利用艦艇控制器內置的轉換算法，將采集的控制信號轉換為控制數據，并基于控制數據生成控制指令；
42、控制頻率與量計算模塊，用于根據生成的控制指令，計算艦艇控制器的集成控制頻率，并確定相應的集成控制量；
43、控制與執行模塊，用于將計算得到的集成控制頻率與相應的集成控制量輸入至集成處理后的艦艇控制器中，以執行相應的控制處理。
44、進一步的，轉換算法的計算公式為：
45、
46、式中，rc表示艦艇控制器的控制數據；
47、kp表示比例增益系數；
48、s表示艦艇控制器的控制信號；
49、ki表示積分增益系數；
50、t表示時間；
51、kd表示微分增益系數。
52、根據本發明的另一個方面，還提供了一種水面艦艇航速航向的智能控制方法，該方法包括：
53、s1、收集水面艦艇在不同海況下的歷史航行數據，構建以海況數據為參數的航速航向控制模式，并設定航速航向控制模式中的各閾值指標；
54、s2、將設定完成的航速航向控制模式及閾值指標與艦艇控制器進行集成處理；
55、s3、根據水面艦艇的任務需求與實時海況數據，利用集成處理后的艦艇控制器選取相應的航速航向控制模式；
56、s4、實時監測航速航向控制模式和閾值指標，并根據實際任務需求和海況數據變化優化航速航向控制模式和閾值指標。
57、本發明的有益效果為：
58、1、本發明通過收集并分析歷史航行數據，構建出以海況數據為參數的航速航向控制模式，使得艦艇能夠根據實時海況和任務需求，自動選擇最優的航行模式和參數，實現了智能化的航行決策，顯著提升了艦艇的整體效能。
59、2、本發明通過實時監測航速航向控制模式和閾值指標，并根據實際任務需求和海況數據變化進行優化，能夠不斷完善和調整航行策略，使艦艇更加適應復雜多變的海洋環境，從而顯著增強了航行安全性。
60、3、本發明通過實時監測和優化航速航向控制模式和閾值指標，能夠不斷調整和完善航行策略，使艦艇的航行參數更加科學合理，這不僅提升了艦艇的航行性能，還進一步提高了艦艇的自動化水平。