一、拖网作业对渔船性能的影响(论文文献综述)
解钦[1](2021)在《基于人工智能的渔船航行数据挖掘研究》文中指出海上船舶通过船舶自动识别系统(Automatic Identification System,AIS)终端将海量的船舶定位数据通过卫星通讯、地面基站等方式传输至AIS数据中心,其中,AIS终端可以实现海上船舶之间的数据交换。AIS数据中心对渔船定位数据处理之后,以结构化的方式存储在数据库中。船舶轨迹数据通过船舶监控系统(Vessel Monitoring System,VMS)和船舶交通服务(Vessel Traffic Services,VTS),可实现船舶轨迹预测、碰撞检测和进出港口航行安全等。此外,通过大数据和机器学习技术处理后的船舶定位数据可用于分析渔业资源时空分布,渔船作业行为识别、渔船违禁作业等。本文通过数据预处理、机器学习、深度神经网络等技术,对海量的渔船AIS数据进行了研究,并对算法进行验证,保证了研究在实际生产活动中的意义。本文的主要工作内容及创新点如下:1.设计渔船AIS数据的预处理算法。本文使用的数据来自于浙江省海洋与渔业局和阿里天池2020数字中国创新大赛。其中,浙江省海洋与渔业局提供的数据为2015年、2016年3月到5月的渔船AIS数据,提供数据的渔船均在浙江登记。本文通过Hadoop的分布式计算方法,将全部渔船AIS数据分为按照时间排序的单艘渔船全部轨迹数据。为了寻找渔区热点及其变化的规律,将渔船AIS数据按照年份、月份单独划分。其次,对异常、错误或者不符合经纬度范围的数据进行分析和清理。最后,针对提取的渔船轨迹数据,使用线性插值的方法填补缺失数据。2.设计渔船轨迹预测模型。针对渔船轨迹数据多特征的特点以及对轨迹预测的准确度和动态性的要求,首先将所有渔船轨迹数据进行可视化,再通过ORB(Oriented FAST and Rotated BRIEF)的特征检测和BF(Brute-Force)匹配来计算图像相似度用于划分渔船轨迹类型,紧接着构造多特征的时序性轨迹数据,然后使用了一种基于循环神经网络的变体模型Bi-LSTM,把处理过的浙江省渔船轨迹数据用于模型的训练,并使用该模型进行轨迹的预测。最后,根据神经网络的参数选择,讨论了预测结果,并且与其他方法进行了实验对比。3.设计渔船作业方式识别算法。渔船作业方式识别是利用大数据和机器学习技术对海量渔船定位数据进行分析,统计速度、方向、作业空间、作业时间等数据的常规特征、众数特征、特殊状态,构建多维度的特征工程,然后使用Light GBM这种集成学习算法来判断其作业方式。从海量的渔船轨迹中利用机器学习等技术自动识别渔船作业方式,可以发现违规改变作业方式的渔船,同时,可以进一步了解某类渔船在特定时间和特定海域的作业情况,并推算该海域渔业资源变化情况,加强渔业资源的管理。4.设计渔区热点发现算法。首先绘制渔区热点在一个星期、一个月和一年的时间间隔下的热力图,分析了渔区热点的变化情况。然后,提出了两次K-Means聚类来识别捕鱼热点的算法,该算法使用K-Means聚类算法选出每一条渔船的聚类中心,然后将所有聚类的中心再次使用K-Means聚类获取最终的渔区热点,该算法将有效的获取在特定时间下的捕鱼热点。
刘宇[2](2021)在《基于AIS数据的船舶抛锚和渔船拖网作业对海底管道的碰撞频率分析》文中研究说明近年来,随着海洋油气开发快速发展,海底管道铺设的数量和密度不断增加,由船舶抛锚和渔船拖网作业等第三方因素引起的管线损伤事故频率不断增长。抛锚和拖网的碰撞频率是海底管道设计考虑的一个重要因素,尽管相关规范提供了管道损伤的评估方法,然而对于碰撞频率的计算仍然缺乏有效的方法。针对上述问题,本文基于AIS数据,研究了船舶抛锚和拖网作业对海底管道的碰撞频率计算方法。首先研究了AIS数据的处理方法,根据提出的船舶抛锚点识别标准,基于Monte-Carlo方法改进的条件碰撞概率求解流程,结合DBSCAN算法和聚类分析方法建立了船舶抛锚作业对海管碰撞频率的计算模型;其次,根据提出的渔船拖网作业轨迹识别标准,采用Douglas-Peucker算法对拖航轨迹进行压缩,结合DBSCAN算法和聚类分析方法建立了渔船拖网作业对海管碰撞频率的计算模型;最后,以中国南海部分海域2020年的AIS数据为例,进行目标海域船舶抛锚和渔船拖网作业对海底管道碰撞频率的分析,并探究了计算模型中样本识别、聚类和频率分配等参数对碰撞频率的影响。本文的研究结果表明,基于AIS大数据,结合DBSCAN算法,可以对目标海域船舶的抛锚点和渔船作业的拖航轨迹进行识别,并在此基础上实现抛锚和拖网对海底管道碰撞频率的计算;以船舶抛锚点为样本,基于欧式距离对抛锚点进行聚类,能够有效反映抛锚点的位置分布情况;通过Monte-Carlo方法求解船舶抛锚对海底管道的条件碰撞概率,可以适应布置形式较为复杂的海底管道,提高计算的精度和效率;以渔船的拖航轨迹为样本,综合考虑豪斯索夫距离和欧式距离对拖航轨迹进行聚类,能够实现拖航轨迹的快速分类,进而对拖航频率进行分配,计算渔船作业对海管的碰撞频率;本文的研究可以为海底管道的设计、铺设以及风险评估提供理论基础,同时可以应用于海上高风险地区的预警和禁锚、禁渔区的设置。
张巍[3](2021)在《渔船拖网板对水下结构物防护装置的撞击损伤和能量研究》文中研究表明水下结构物如采油树、管汇等,是水下油气生产系统的重要组成部分。在渔船的拖网作业过程中,拖网板可能会对水下结构物产生撞击作用,严重威胁水下生产系统的安全运行。水下结构物防护装置通常由框架和面板组成,其主要功能是保护水下结构物免受拖网和落物等因素的破坏。目前我国对水下结构物防护装置的荷载设计和损伤评估均沿用欧洲的标准,由于我国与欧洲海域渔船吨位和渔具重量的差异,采用欧洲的设计标准不能准确预测渔船拖网板对水下结构物的撞击能量和损伤程度。本文基于目标海域的渔船信息资料,确定了目标海域作业渔船的拖网板尺寸、重量及作业航速,并依此对目标海域拖网板对水下结构的撞击能量进行计算。通过ABAQUS建立了考虑桩土作用的水下结构物防护装置多元耦合有限元分析模型,首先研究了防护装置面板厚度、拖网板质量和拖网速度对水下结构物防护装置的损伤影响;其次对考虑和不考虑桩土作用两种情形下水下结构物防护装置的损伤程度进行了对比分析;基于拖网板的能量变化,对撞击过程中防护装置吸收的能量进行了分析;最后,本文基于复合材料分析理论,探究了玻璃钢材质防护装置面板厚度对防护装置的损伤和吸收能量的影响。本文的研究结果表明,目标海域拖网板的最大重量为2.5t,以此通过理论计算和数值模拟方法得到的拖网板对水下结构物的最大撞击能量分别为9.2k J和8.4k J。在拖网板动能一定时,随着钢制及玻璃钢材质防护装置面板厚度的增加,拖网板的剩余动能更少,防护装置吸收的能量更多。桩土作用对防护装置损伤的影响主要体现在撞击作用的后期,海床土体对防护装置的震动具有较好的抑制作用,可以将防护装置吸收的能量转化为土体的能量,进而减小防护装置的损伤变形。相比于钢质面板,玻璃钢在轻量化上具有明显的优势且防护装置在拖网板撞击过程中吸收的能量更少,采用玻璃钢面板时,需要对防护装置的框架进行优化,以适应玻璃钢在撞击过程中变形较大的特性。
张文婕[4](2021)在《渔船作业行为分类与可视化》文中指出渔船作业在海上作业中占有重要地位,对渔船作业行为进行有效的分类识别,有利于今后海上交通调度与渔业安全生产。但是由于信息收集或上传过程中存在数据缺失等问题,同时具备时空数据的特性,造成了渔船作业行为识别不准确,可能会导致海上人身安全与财产损失,同时增加了海上交通危险发生的几率。本文是以分析大量的渔船北斗设备记录的时空数据作为研究数据,通过分析每条渔船的历史轨迹信息,对其作业行为进行分类,辅助渔业管理部门识别出渔船作业类型,通过可视化渔船作业,分析、预测和研判渔船作业行为,指导安全生产。本文的主要研究内容如下:(1)构建特征工程。由于采集到的原始数据特征较少,同时数据在收集或上传的过程中容易出现缺失数据、误差数据与数据冗余等问题,因此对原始数据变量进行分析后构建特征工程。主要分为两个部分:第一部分是基于经纬度、速度和方向的特征工程,其中主要采用统计方法获得新特征;第二部分基于轨迹信息的特征工程,利用Geo Hash编码,采用自然语言处理的方式Word2Vec、TFIDF和Count Vectorizer构建新特征。(2)渔船作业行为分类模型训练。构建特征工程与原始数据融合得到的305维特征作为模型输入,利用5折机器学习方法Light GBM对渔船作业行为进行分类,判断渔船的作业行为。模型的构建充分利用了输入的特征信息,设置了该模型的参数,将精确率、召回率、F1-Score、准确率、宏平均和加权平均作为模型效果的评价指标,绘制出了该模型的特征重要性条形图,得到了对实验结果贡献最多的前10个特征。实现了能够在海上准确地识别出渔船的作业行为类型。与文献中已经使用的XGBoost、SVM、GBDT与Random Forest算法相比较,最终得到使用的Light GBM构建的模型的分类效果最好。(3)渔船作业可视化。基于Vue.js和Spring Boot框架,利用JPA实现与My SQL数据库的数据交互。使用ECharts工具引入可用图表,调用百度地图API实现百度地图的引入。一共实现了4个模块:群体作业模块包含渔船作业行为类型与出海情况两部分;海域分布模块包括围网作业、拖网作业和刺网作业三个部分,便于分析3种作业在近海的分布情况;船舶定位监控模块包括渔船定位监控和渔船轨迹两个部分;在渔船作业分类模块中应用训练的模型实现了分类计算。
裴凯洋[5](2021)在《基于VMS的东黄海张网渔船捕捞强度提取与分析》文中指出渔船监控系统(Vessel Monitoring System,VMS)是一种集渔船定位、网络通讯、地理信息、数据管理、电子信息显示等技术于一体的渔船综合应用系统。我国以具有自主知识产权的北斗导航系统为基础,构建了北斗渔船监控管理服务系统。目前,北斗VMS提供渔船报位经纬度、发报时间、速度、航向等信息的时间分辨率3min,空间分辨率10m,高精度的船位信息,可在渔船航迹识别、捕捞状态识别、作业区域监控等方面进行深入研究。本研究使用2017年浙江省和2018年东黄海沿线省(市)渔船的北斗VMS数据。首先将北斗VMS船位数据按作业航次划分,从中筛选出有效航次并绘制出渔船捕捞特征航迹;然后人工筛选出张网渔船和其他捕捞方式渔船的特征航迹,组成训练集、验证集和测试集,用于训练特征航迹识别模型;随机选取若干个张网渔船完整的作业航次船位信息,人工标注每个船位点的捕捞状态,通过阈值筛选、深度神经网络和DBSCAN密度聚类算法,建立捕捞状态分类模型;对VMS数据使用这个方法,可获得张网渔船一个航次的网次数量、位置和捕捞时长等信息。可视化2017年浙江海域和2018年东黄海海域张网渔船捕捞强度空间分布。研究结果如下:1)张网属于定置型过滤式网具,依靠潮水推动力伸展网身并过滤渔获,达到捕捞目的,对潮汐依赖性较强。渔船通常在海水大潮汐开始(农历每月初一或十五)前抵达目标渔场,在海水小潮汐开始(农历每月初五或二十)后结束捕捞返航。张网渔船单航次集中作业区域较小,集中作业面积30~100km2。本研究使用2017年浙江省渔船和2018年东黄海沿线6省(市)渔船的北斗VMS船位数据,分别提取张网渔船作业航次733个和4794个。2)将张网渔船的捕捞状态分为航行、布网/收渔获、收网具和抛锚4种状态,处于不同状态时的船位数据和特征差别明显,通过船位状态分布并结合张网渔船作业方式,可以确定各网次的敷设位置。尝试采用BP神经网络识别捕捞状态准确率较高,但网位的确定精度较低;尝试采用阈值筛选和DBSCAN密度聚类方法分类捕捞状态准确率稍低,但对网位的判断较准确。最终使用阈值筛选、深度神经网络和DBSCAN密度聚类共同组成船位状态判别模型,船位状态判断准确率94.74%,网位判断准确率93%。3)通过渔船捕捞状态确定张网各捕捞网次的网位坐标,并计算各网次的捕捞时长,计算经纬度步长为0.1°×0.1°的格网内的累计捕捞时长,并除以各格网的地理面积,获得0.1°×0.1°格网内的平均每平方公里的捕捞时长,作为捕捞强度分布,单位(h/km2)。2017年浙江海域张网捕捞强度小于10 h/km2的海域占总捕捞面积51.44%;捕捞强度大于10h/km2小于20 h/km2的海域占总捕捞面积31.51%;捕捞强度大于20 h/km2的海域占总捕捞面积17.03%。2018年东黄海海域张网渔具捕捞强度小于10 h/km2的海域占总捕捞面积69.71%;捕捞强度大于10 h/km2小于20h/km2的海域占总面积13.31%;捕捞强度大于20 h/km2小于30 h/km2的海域占总面积6.68%;捕捞强度大于30 h/km2的海域占总面积10.30%。4)张网渔具对对经济价值高的生物幼体捕获量较大,过度捕捞不利于渔业资源恢复及可持续利用。张网时我国重点管制的捕捞渔具,目前,东黄海沿线6省(市)对张网作业实行4.5个月强制休渔管制。张网渔船在上半年捕捞强度相对较低,分布相对分散,其中2月份捕捞强度最低;下半年捕捞强度相对较高,其中10、11月份高捕捞强度海域分布集中。本研究的创新点主要提现在:1)利用北斗VMS船位数据提取渔船作业航次,使用图像识别方法,建立航迹类型识别模型,分类张网渔船作业航次和其他类型渔船作业航次,为今后渔船捕捞类型识别方法提供参考。2)使用阈值筛选、深度神经网络和DBSCAN密度聚类算法建立张网渔船捕捞状态判别模型,判断张网渔船作业航次中的船位状态,并确定航次中各网次的位置,填补国内目前张网渔船捕捞状态识别领域的空白。3)根据船位状态计算各网次捕捞时长,提取东黄海张网捕捞强度分布情况,并与环境因素和相关政策进行讨论,为监控张网捕捞区域提供新方法,对张网渔船作业管理提供新思路。
张荣瀚[6](2020)在《基于船位大数据的我国流刺网渔船捕捞行为研究》文中研究说明渔船监测系统(Vessel Monitoring System,VMS)的概念最早在二十世纪九十年代初由美国提出。该系统能提供渔船位置和活动的信息,将渔船位置、航速和航向等资料自动地传送到岸上的监控中心,使监控中心能及时掌握和监督渔船的作业动态,在渔船捕捞控制、科学研究、航行安全和海上执法等多个领域具有较大的应用潜力。目前,世界各国和各种国际渔业组织都已采用类似的监测方案获取船位数据,进行渔业管理和监控,可以对于渔船的运行状态和运行轨迹进行较为精确的监控。渔船监测系统在监控渔船状态、确定渔船轨迹、计算捕捞努力量、确定渔场范围、计算资源丰度,以及确定捕捞对于海洋生态或海洋物种的影响等方面能够起到非常积极的作用。刺网是我国主要的捕捞作业方式之一,在我国的海洋捕捞业中占有较重要的地位。漂流刺网,又名流刺网,是刺网渔具中数量最多,使用最广的渔具。刺网作业具有渔具结构简单,操作方便,对于渔船动力要求不高,生产作业机动灵活,所需船员少,成本低廉,捕捞对象广泛,选择性强,适用于各个不同渔场进行作业的优点。尽管在某些国家和海域已经被禁用,但流刺网依然是我国以及许多第三世界国家广泛使用的作业方式。我国的刺网作业渔船中,大部分都是漂流刺网渔船。目前,由于设备成本和数据来源的限制以及法律规定的局限性,大部分研究仅仅使用或关注拖网渔船,尤其是15米以上长度的大型拖网渔船的数据,而忽略了其他种类的捕捞方式。同时,国外对于船位数据的应用方法研究主要集中在用插值改善低时间分辨率船位数据的精度上,因此已有的方法不适用于对高时间分辨率的北斗卫星系统船位数据进行分析。当前针对北斗卫星,仅有少数渔船捕捞状态判断方法,并主要是针对拖网渔船。只有找到针对其他非拖网类网具的计算方法,基于北斗船位数据对于渔船捕捞状态进行判别,才能有效利用北斗卫星数据获得的高分辨率船位数据,对于我国进行海上机动作业的船只实施有效的监控和管理。其中,我国的流刺网渔船具有平均功率较小,船只数量多,作业范围广的特点,如果使用传统方法管理,成本高且管理困难,尤其适合使用船位数据进行实时的监控和管理。针对这一问题,本文使用了江苏省某流刺网渔船2016年全年的北斗船位数据,和浙江省822艘刺网渔船在2017年全年的北斗船位数据。北斗系统传送的经纬度船位数据的时间分辨率为3 min,空间分辨率约10 m,测速精度0.2 m/s。将数据进行全面分析,针对流刺网渔业作业的流程和特点进行考察研究后。本文完成了如下工作:(1)首次提出一种使用北斗数据提取流刺网作业网次,以及网长和方向的方法。该方法使用阈值综合判别的方法判断捕捞作业的状态,通过航速、空间距离、时间间隔和航向变化的阈值判别作业时收网状态的船位点,然后根据收网状态的起始点判定放网状态的起始点。根据范例中提取的516个网次,使用程序判别的船位点和人工判断的船位点有74%相同,有着较好的一致性,具有精度高,处理快速,实时程度高,无需使用渔捞日志数据的特点,可以为我国渔业管理和相关研究提供新的手段。(2)基于北斗卫星获得的浙江省822艘刺网渔船从2017年1月1日至2017年12月31日的生产数据,在进行数据提取后,获得来自455艘流刺网渔船的3352个网次。对于浙江省流刺网渔业的捕捞行为时空分布进行了分析。结果表明,流刺网渔船大部分集中在近岸海域进行生产,向北最远达34°N,位于连青石渔场,距离母港626km;向南最远达26°N,位于闽东渔场,距离母港309km;向东最远达126°E,位于江外渔场,距离母港650km。长江口渔场、舟山渔场、鱼山渔场、温台渔场和大沙渔场是浙江省流刺网渔船的主要作业海域。1-4月的捕捞努力量主要分布在靠近海岸线的海域,只有少数捕捞努力量集中于大沙渔场和沙外渔场等较远的海域。休渔期结束后,8月份,捕捞努力量几乎集中于近海的长江口渔场、舟山渔场和鱼山渔场海域。9-12月,随着水温下降和沿岸水域资源丰度下降,整体捕捞努力量趋于向外海和南方延伸。捕捞努力量在1-4月较低,休渔期结束的8月最高,随后的9-12月趋于稳定,但3月和11月的捕捞努力量相较网次规模而言更低。渔业捕捞的网次和捕捞努力量的时空分布是一种长期形成的特征,渔船的生产习惯也因为其形成是多年追踪渔业资源的经验而具有相对的稳定性。因此,本文中的结论可以认为是浙江省流刺网渔船的生产习惯和特征在捕捞政策没有改变的情况下相对稳定的描述,对于浙江省渔业管理、渔业执法和渔业政策的制定可以提供一定的参考。(3)创新设计了一种使用船位数据的流刺网渔船状态分析系统。该系统被用于对渔船的船位数据进行自动化处理,包括北斗终端、核心服务器、监控终端等组件,可以根据渔船的作业方式、渔船船只长度和主机功率,自动判断船只的捕捞状态,能够对渔船进行实时监控、定位、报警,在电子海图上对于渔船数据进行查询和显示、测距。还能够针对船只的历史数据进行分析,追踪船只的轨迹,和渔捞日志数据进行对照。还能够接入船只管理系统,管理船只的档案和状况,并在需要时通知相关部门和单位,以获得更好的管理效果。该系统可以应用在多个不同的方面,例如计算捕捞努力量,分析渔民在海上的行为规律,并对捕捞对于区域内生物和生态的影响进行研究,也可以作为更大的,针对多种不同捕捞作业方式的渔业管理和监控系统的一部分发挥作用。
徐波[7](2020)在《拖网网板水动力性能数值模拟研究及其结构优化》文中进行了进一步梳理渔业资源的利用作为全球焦点问题之一,受到各国的广泛关注。各国为了能够有效地利用渔业资源,花费了大量的人力、物力改善拖网网板的水动力性能,增加拖网捕鱼量,以提高渔获效益。为了有效地提高网板的水动力性能,国内外学者运用水槽试验、风洞试验、基于计算流体动力学(CFD)的数值模拟仿真等方法对各类网板进行分析研究,通过改变网板的结构、几何尺寸、重量等以达到这一目的。网板的研究极其复杂,针对网板复杂的工作环境,通过使用数值模拟仿真的方法能够使研究变得容易,研究的结果精确度接近于试验研究结果,得到大量的学者的推崇。立式V型曲面开缝网板在拖网捕捞中应用广泛,本文提出运用计算流体动力学数值模拟仿真的方法在海洋底层的环境下对立式V型曲面开缝网板进行研究分析及结构优化,以提高网板的水动力性能,改善网板的工作性能。网板的水动力性能的影响参数主要包括升力系数、阻力系数、升阻比及网板的工作稳定性,文中主要从这四个方面对网板进行研究。文中首先对矩形网板进行数值模拟仿真分析,对不同展弦比的矩形网板进行水动力性能分析结果的比较,发现展弦比为0.252的矩形网板的临界冲角为45°,由压力云图分析得知网板在α为45°获得最大的升压力,此时网板的升力系数最大,网板在45°稳定性良好。工作冲角超过45°,网板失去稳定性,无法进行拖网活动。通过对其他不同展弦比的矩形网板进行水动力性能研究,发现网板的临界冲角不同,展弦比为0.193与0.318的矩形网板的临界冲角均是45°,展弦比为0.393的矩形网板的临界冲角为40°,展弦比为0.476与0.566的矩形网板的临界冲角为30°,研究结果表明随着展弦比的增加,网板的临界冲角逐渐降低,从45°降低到30°,升力系数曲线呈下降的趋势,网板的升阻比数值逐渐上升,得出结论为展弦比越大,临界冲角越小,而升阻比越大。通过研究发现展弦比为0.476与0.566的矩形网板的临界冲角为30°,两者在工作冲角为30°,流动分离完全形成。涡流图显示展弦比为0.393与0.476的网板的翼尖涡流在工作冲角为30°完全出现,展弦比为0.566的网板的翼尖涡流爆破,网板工作失去稳定性。水动力性能好的网板要求具有较高的升力系数、较高的升阻比数值与较好的工作稳定性,因此展弦比为0.5作为展弦比的优化参数,故采用此展弦比数值作为优化参数对全尺寸立式V型曲面开缝网板进行结构优化。基于结构优化的网板模型,同样运用数值模拟仿真的方法,对结构优化的立式V型曲面开缝网板进行研究分析。研究发现在5种流速下,网板在相同的研究条件具有相同的水动力性能,其临界冲角均为45°,在α小于45°,网板的升力系数呈上升的趋势,在α大于45°,升力系数呈现下降的趋势,推断出45°为网板的最佳工作冲角。在α为20°,网板的升阻比取得最大值。研究发现网板的升力系数与升阻比在35°~45°均有较大值,故35°~45°为网板的建议工作冲角。通过比较,发现结构优化的立式V型曲面开缝网板与其他几类网板进行比较具有更优越的水动力性能,主要表现在比其他网板有更大的临界冲角,更大范围的工作冲角,并且工作冲角较大,比相似结构的曲面V型网板工作稳定性更加优越。通过与原未优化立式V型曲面开缝网板相比,结构优化的网板具有更大的升力系数与升阻比,说明结构优化的立式V型曲面开缝网板比原未优化网板的水动力性能更好。通过论证以展弦比为0.5作为优化参数建立的立式V型曲面开缝网板水动力性能更好,说明改进结构的立式V型曲面开缝网板具有更好的工作性能,完成了网板的水动力性能数值模拟研究及其结构优化。
丁睿智[8](2020)在《基于调查数据的中国沿海主要捕捞方式渔船经济性能研究》文中指出我国近海海洋捕捞渔业作为传统的渔业生产方式,仍是中国渔业必不可少的组成部分。研究海洋捕捞渔船的经济性能可以为渔业生产和制定相关政策提供参考。本研究为分析海洋捕捞渔船的经济性能,对中国近海主要渔业省份,如:辽宁、山东、江苏、浙江、广东,单拖网、流刺网、张网和笼壶渔船的生产成本构成、分鱼种渔获产量、收入、船龄、人数等指标进行调研,分别对整个调查地区不同作业方式、相同地区不同作业方式、不同地区同种作业方式的劳动生产率、资本生产率、经济回报、投资回报率、净利润率,这5个指标采用多独立样本非参数检验方法和两独立样本t检验方法分别进行分析。再针对各种作业方式的成本组成进行灰色关联分析得出影响成本的各因子的关联度。分析结果如下:1.整个调查地区不同作业方式:(1)资本生产率指标具有显着性差异。(2)资本生产率由高到低排序为张网、流刺网、单拖网、笼壶。(3)张网与流刺网资本生产率无显着性差异,其他作业方式两两之间存在显着性差异。2.相同地区不同作业方式:(1)辽宁省的流刺网和单拖网的经济回报具有显着性差异,流刺网经济回报较高。(2)山东省的流刺网和单拖网的劳动生产率、经济回报具有显着性差异,流刺网劳动生产率和经济回报较高。(3)江苏省流刺网、单拖网和张网的劳动生产率具有显着性差异,张网与单拖网劳动生产率存在显着性差异,其他作业方式两两之间无显着性差异,由高到低排序为张网、流刺网、单拖网。(4)浙江省流刺网、单拖网和笼壶的劳动生产率、投资回报率具有显着性差异。(5)浙江省劳动生产率由高到低排序为流刺网、单拖网、笼壶。笼壶与流刺网、笼壶与单拖网有显着性差异,流刺网与单拖网无显着性差异。(6)浙江省投资回报率由高到低排序为流刺网、单拖网、笼壶。笼壶与流刺网、笼壶与单拖网、流刺网与单拖网有显着性差异。(7)广东省流刺网和单拖网的资本生产率具有显着性差异,流刺网资本生产率较高。3.不同地区同种作业方式的经济指标比较结果表明:(1)辽宁、山东、江苏、浙江、广东单拖网的资本生产率、投资回报率指标具有显着性差异。(2)辽宁与浙江、辽宁与广东、山东与广东单拖网的资本生产率有显着性差异,由高到低排序为浙江、广东、江苏、山东、辽宁。(3)除辽宁与山东、浙江与广东的单拖网投资回报率无显着性差异外,其他省份的两两之间均存在显着性差异,由高到低排序为浙江、广东、江苏、山东、辽宁。(4)辽宁、山东、江苏、浙江、广东流刺网的投资回报率具有显着性差异。(5)除了辽宁与山东、辽宁与江苏、山东与江苏、浙江与广东流刺网投资回报率无显着性差异外,其他省份两两之间投资回报率均有显着性差异。投资回报率由高到低排序为浙江、广东、江苏、山东、辽宁。4.成本组成分析结果表明(1)对于整个调查地区的流刺网渔船,劳工支出对总成本的影响最大。油费对成本的影响为第二。(2)对于山东省和广东省的流刺网渔船,劳工支出对总成本的影响最大。对于江苏和浙江流刺网渔船,油费、渔具费对总成本的影响最大。对于辽宁省流刺网渔船,其资本投资对总成本的影响最大。对于辽宁、山东和江苏省的流刺网渔船其维修费用对总成本的影响较大。(3)对于整个调查地区的单拖网渔船,油费、劳工支出、资本投资和维修费对总成本的影响较大。(4)对于辽宁和山东的单拖网渔船,资本投资、劳工、油费对总成本的影响较大。对于江苏、浙江和广东的单拖网渔船,油费、资本投资对总成本的影响较大。江苏和浙江的单拖网渔船,渔具费对总成本的影响较大。广东省的单拖网渔船,劳工和维修费对总成本的影响较大。(5)本次调查的张网渔船为江苏省渔船。其资本投资、油费、渔具费和劳工对总成本的影响较大。(6)本次调查的笼壶渔船为浙江省渔船。其油费、渔具费、资本投资和维修费对总成本的影响较大。对渔业生产和管理提出如下建议:1.整个调查地区不同作业方式(1)适度减少单拖网作业渔船。(2)对于流刺网作业方式中对资源破坏严重的三重刺网应加以控制。(3)对于张网作业要抵制无渔获种类和尺寸选择性的网具,研究确定最小网目尺寸和强制采用选择性装置等,要加强海上执法检查的力度。(4)要执行渔具标识制度,减少渔具的丢失,建立废弃网片的回收机制,减少海洋垃圾的产生。(5)可通过灵活运用油补政策来减少拖网渔船或其他渔船的数量。2.相同地区不同作业方式(1)辽宁流刺网作业和单拖网作业渔船船龄较其他地区高,应加强执行老旧捕捞渔船的淘汰报废等制度,优先更新改造流刺网渔船,加大吨位数,提高渔船的安全性。(2)山东减少单拖网作业渔船,优先更新改造流刺网渔船,加大吨位数,提高渔船的安全性。(3)江苏减少单拖网渔船数量,优先更新改造流刺网渔船,对张网渔船的渔具需进行改造,提高其种类选择性和尺寸选择性。(4)浙江优先更新改造流刺网渔船,减少单拖网渔船数量,对笼壶捕捞技术进行研究,需进一步提高其经济效益。(5)广东优先更新改造流刺网渔船,减少单拖网作业渔船。3.不同地区同种作业方式更新改造的单拖网、流刺网渔船吨位分别可采用100-125吨和100-190吨。4.成本组成建议提高渔船的机械化、自动化水平,减少普通船员数量,提高船员的技术水平,减少渔具的丢失和破损事件发生,更新改造渔船,确定经济型船舶的大小,设计节能型的船型。
刘志强[9](2020)在《中层网板水动力性能及流场可视化研究 ——以立式双曲面网板为例》文中研究说明拖网是目前世界各地的主要捕捞作业方式之一,捕捞对象广泛,包括中层和底层水域的鱼类、虾类和其他经济类水产动物。拖网属于一种移动的过滤性渔具,依靠渔船动力和水流阻力等,使网具扩张,将其经过的水域中渔获物拖捕进入网囊,因此,网口的扩张效果直接影响着进入网具内的渔获量,也是评判拖网性能优劣的标准。据统计,2018年我国拖网捕捞产量占国内总海洋捕捞产量的47%,在我国渔业生产中占有非常重要的位置,故对拖网性能的研究备受我国学者的关注。在单船网板拖网系统中网衣和网板所占阻力比例最高,其中网衣约占总阻力的40%~65%,网板约占总阻力的13%~27%。网板是单船拖网作业的重要属具,主要作用为实现网具扩张、增加扫海面积,其水动力性能的优劣直接影响着拖网网口的扩张效果和拖网作业的渔获性能,进而影响拖网捕捞的经济效益,因此,开展水动力性能优良的网板的研究具有十分重要的意义。考虑到网板应具有广泛的适用性和普遍性,故网板应具有结构简单、易于操作、节省能源和造价低廉的特点。随着世界各国单船拖网渔业的快速发展,适用于不同类型拖网作业的网板相继被开发出来,主要的网板类型有矩形网板、椭圆形网板、V型网板、立式V型网板等。但是,这些传统的单翼网板在实际使用过程中都会出现遇到障碍物大角度改变拖向,容易翻倒,稳定性差等问题。20世纪90年代,日本学者Fukuda针对上述问题设计出由两个翼板组成,板体为双层曲面全钢结构的立式双曲面网板。因该网板具有高升力、稳定性好的优点,随后被广泛应用于日本东北及北海道近海的大、中型拖网渔业中。由于我国近海传统拖网作业是双船拖网(南海除外),对网板水动力性能的研究起步较晚,网板的结构形式单一。但近几年,随着远洋渔业的发展以及我国近海单拖渔业的发展,对网板的研究和新型网板的开发逐渐受到重视。对国外实践证明性能优良的立式双曲面网板的水动力性能进行研究,了解其水动力性能参数和作业性能,为我国渔业工作者开发适合我国中层拖网渔业特点的高性能网板提供科学依据是本研究的出发点。此外,进行立式双曲面网板水动力性能的研究也可为后续分析引入该型网板的可行性提供基础数据。水槽模型试验能够在可控条件下比较方便和准确地获取网板水动力性能参数,现已成为设计和开发网板过程中不可缺少的标准程序。随着计算机技术的快速发展,计算流体动力学(Computational Fluid Dynamics,CFD)数值模拟因具有省时省力,研究内容灵活的优点,已在流体研究领域得到广泛应用,并已成为解决复杂物理问题的重要手段。将模型试验和数值模拟相结合进行网板水动力性能的研究,不仅能使研究结果相互辅佐与验证,也可为今后网板的优化和开发提供技术支撑。本文利用水槽试验和CFD数值模拟方法,研究立式双曲面网板不同展弦比λ(2.5、3.0、3.5、4.0)、弯曲度f/C(10%、15%、20%)、后退角Λ(0°、10°、15°)下的水动力性能,获得某一特定结构参数网板的最优水动力性能,探讨不同倾斜(前、后、内、外)状态对网板水动力性能的影响,对比两种方法的研究结果,并对网板周围流场和表面压力进行可视化,为网板性能优化提供科学依据。得到的主要结果如下:(1)2号网板(λ=3.0、f/C=15%、Λ=10°)升力系数最大,冲角25°时,模型试验值和数值试验值分别为1.70和1.88,随冲角变化趋势一致,均在冲角小于临界冲角时逐渐增大,冲角大于临界冲角后逐渐减小。阻力系数随冲角增大一直增大。升阻比的试验值和模拟值均在冲角10°时最大,分别为3.35和3.24。后部流速的模拟值和测定值平均偏差为4.40±2.3%,两者的吻合度高(P<0.01)。雷诺数在3×104~6.1×104之间,该网板的升力系数、阻力系数和力矩系数基本保持不变。(2)不同内、外倾斜状态下的网板水动力性能升力系数的试验值和模拟值均随倾角增大逐渐减小,倾角0°时达到最大;随冲角增大升力系数呈先增大后减小趋势,在临界冲角25°时达到最大,分别为1.70和1.88。阻力系数的试验值和模拟值均随倾角增大略微减小,随冲角增大逐渐增大。升阻比的模型试验和数值模拟值均随倾角增大逐渐减小;当内倾角为5°时,两者的升阻比均达到最大,分别为3.27和3.69。压力中心系数Cpb的试验值随倾角增大逐渐增大,而其模拟值基本上不随倾角变化而改变。网板处于外倾条件下,压力中心系数Cpc随倾角增大逐渐减小;内倾条件下,倾角增大时压力中心系数Cpc模拟值基本保持不变,但压力中心系数Cpc试验值则随倾角增大呈先减小后增大趋势。压力中心系数Cpb和Cpc的两种方法结果随冲角增大均保持基本不变。(3)不同前、后倾斜状态下的网板水动力性能升力系数的试验值和模拟值均随倾角增大逐渐减小,在倾角0°时最大。阻力系数的试验值随倾角增大略微减小,而其模拟值随倾角增大基本保持不变;阻力系数的两者研究结果随冲角增大均逐渐增大。升阻比的试验值和模拟值均随倾角和冲角增大逐渐减小,最大值分别为3.27和3.61。压力中心系数Cpb的试验值和模拟值随倾角增大基本保持不变。网板处于后倾状态时,压力中心系数Cpc的试验值和模拟值均随倾角增大而减小;前倾状态时,随倾角增大而增大。不同冲角下压力中心系数的试验值和模拟值基本保持不变。(4)2号网板周围流场和板面压力分布在没有倾斜的状态下,边界层分离点随冲角增大逐渐向翼端前沿移动,中心面后部涡旋随冲角增大不断增大,左翼板侧低压区随冲角增大呈先增大后减小趋势,网板尾部随冲角增大形成明显的翼端涡。网板处于不同倾斜状态下,网板中心面后部旋涡随倾角增大逐渐减小。当网板处于内、外倾状态时,前端流速衰减区随倾角增大逐渐增大;但当网板处于前、后倾状态时,衰减区随倾角增大逐渐减小。网板处于前倾状态时,压力中心随倾角增大逐渐向网板上端翼弦移动,网板处于后倾状态时则出现相反结果。压力中心距翼展距离随倾角变化基本保持不变。(5)立式双曲面网板和现行南极磷虾拖网网板水动力性能对比南极磷虾拖网网板(立式曲面网板)升力系数在冲角22°下达到最大,为1.35,临界冲角为30°,适宜工作冲角为21°~28°。阻力系数随冲角增大逐渐增大。升阻比在冲角15°时达到最大,为3.25。立式双曲面网板最大升力系数是南极磷虾拖网网板的1.3倍,稳定性也较南极磷虾网板高。若南极磷虾拖网渔业中应用立式双曲面网板时,相同拖网系统条件下估算网板面积为9.6m2,较南极磷虾网板减少了26%,使得网板更加小型化,易操作。
陈明鑫[10](2020)在《基于海上实测和模型试验的南极磷虾中层拖网形态分析》文中认为南极磷虾属于甲壳浮游动物,在南大洋生态系统中占有重要地位,是目前地球上已知的资源量最大的单种生物,富含多种人类所需营养物质,因其巨大的开发利用价值,持续受到世界各国的关注。单船中层拖网作业为捕捞南极磷虾的主要方式。中国于2009/2010年捕捞季节首次开始南极磷虾资源的商业性探捕,随后引进多种规模小、操作简便的小网目磷虾拖网投入生产,相较于此前使用的大网目拖网,捕捞效率略有提升。拖网形态是拖网性能的直观表现,通过对拖网形态的分析可有效掌握网具阻力变化,调整选择性,提高捕捞效率,确保作业安全。作者于2018年3至10月随我国南极磷虾捕捞渔船赴南极执行农业农村部南极海洋生物资源开发利用项目。通过一线调查,认为我国南极磷虾渔业采用的拖网生产期间存在一些问题:(1)影响网具形态的因素众多,包括捕捞操作、海洋环境和渔获量等,生产期间拖网各部位形态以何种规律进行变化?(2)受相关法规限制,南极磷虾渔船仅配备测量网口高度的无线网位仪,生产期间如何估算拖网整体形态?(3)磷虾拖网生产期间缺乏参考标准,何种作业形态为最优形态?作者通过海上实测收集—福荣海”轮使用磷虾拖网测量点深度、捕捞操作、海洋环境等数据,通过研究分析得出网具形态在多种因素下变化趋势及各影响因素的重要程度。根据实测数据,提出一种基于网口高度计算中层拖网形态的方法,以解决形态监控问题。随后采用模型试验,以—龙腾”轮拖网为例,分析不同工况下,网具阻力与形态的变化,并提出拖网形态的参考。本文得出的主要结论如下:(1)对—福荣海”轮使用的南极磷虾拖网的海上实测数据分析可知,上纲深度范围145.82~302.27 m,上纲与第3-4节网身连接处深度差范围为-0.20~8.02 m,上纲与网囊口上部中点深度差范围为6.49~30.16 m。曳纲长度、拖速、风速、150 m水层流速对磷虾拖网上纲深度影响显着(P<0.05);上纲深度与曳纲长度和150 m水层流速呈正相关关系,与拖速呈负相关关系;随风速增加,先减小后增大。拖速、200 m水层流速和2 m浪高对上纲与第3-4节网身连接处深度差影响极显着(P<0.05);上纲与第3-4节网身连接处深度差具有随拖速和200 m水层流速的增加,先增大后减小的趋势;渔获量和上纲与网囊口上部中点深度差呈正相关关系。影响拖网作业状态的因素重要性依次为曳纲长度、拖速、风速、浪高、水层流速。(2)将拖网整体形态看作椭圆锥,上纲与下纲形状设为抛物线(y=ax2)。通过无线网位仪获得网口高度数据,结合网具各部分缩结长度与力纲长度,运用计算方法可求出网具各部位形态、网袖与渔船拖曳方向夹角、上纲与水平面夹角等。计算结果通过实测数据验证,得出该方法适用于空网或渔获量较少时的中层拖网形态估算。(3)拖网袖端水平扩张与下纲长度之比(L/S)与拖速显着影响拖网的阻力与网口扩张性。网具阻力随L/S与拖速的增加而降低。拖速2.5-3.5 kn时,各扩张组阻力增加速率随水平扩张和拖速的增加而降低。拖速为5 kn,L/S为0.35-0.55时,网具阻力基本相等。结果表明,网具阻力受拖速的影响更显着,L/S 0.17-0.27时,阻力存在跃迁变化。网口高度随拖速与L/S的增加而下降。拖速2.5-3.5 kn时,各扩张组的网口高度减小速率随拖速增加而上升,水平扩张越大,网口高度减小速率越高。上纲与第3-4节网身连接处深度差随拖速与L/S的变化规律与网口高度类似,但深度差减小速率易产生波动。各水平扩张组的平均深度差减小速率随流速的增加,先增大后趋于稳定。L/S为0.27-0.35时,网口高度与深度差存在跃迁变化。(4)L/S=0.45条件下的拖网能耗系数与网口面积在试验设置拖速范围内基本保持最优,且上纲与第3-4节网身连接处深度差变化速率较其他扩张组变化速率平缓。拖速为2.5 kn时,拖网形态为最优形态。拖速为3.0kn时,可作为拖网作业形态参考标准,以此为基础进行形态调整。
二、拖网作业对渔船性能的影响(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、拖网作业对渔船性能的影响(论文提纲范文)
(1)基于人工智能的渔船航行数据挖掘研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 引言 |
1.2 研究的背景和意义 |
1.2.1 研究背景 |
1.2.2 研究意义 |
1.3 国内外相关研究综述 |
1.3.1 船舶定位数据及获取研究现状 |
1.3.2 渔船轨迹相似度计算研究现状 |
1.3.3 海上渔船轨迹预测研究现状 |
1.3.4 海上渔船捕捞热点研究现状 |
1.3.5 渔船作业方式识别研究现状 |
1.4 本文研究内容 |
1.5 论文创新点 |
1.6 本文组织结构 |
第2章 数据获取和预处理算法 |
2.1 引言 |
2.2 渔船定位数据的来源和介绍 |
2.3 AIS数据的预处理 |
2.3.1 AIS数据的切分 |
2.3.2 AIS数据转换处理 |
2.3.3 合法性校验 |
2.4 渔船轨迹数据的预处理 |
2.4.1 渔船轨迹基本模型 |
2.4.2 渔船轨迹数据提取算法 |
2.4.3 轨迹数据缺失值处理 |
2.4.4 轨迹数据异常值处理 |
2.5 本章小结 |
第3章 海上渔船轨迹预测 |
3.1 引言 |
3.2 渔船轨迹图像相似度计算 |
3.2.1 图像检测与描述相关概念 |
3.2.2 渔船轨迹图像相似度算法 |
3.2.3 算法实验结果 |
3.3 渔船轨迹预测模型 |
3.3.1 长短期神经网络 |
3.3.2 轨迹预测模型实验方案及评价指标 |
3.3.3 模型参数分析 |
3.4 轨迹预测模型实验结果及分析 |
3.5 本章小结 |
第4章 渔船作业方式识别 |
4.1 引言 |
4.2 渔船作业方式介绍 |
4.2.1 拖网作业 |
4.2.2 围网作业 |
4.2.3 刺网作业 |
4.3 渔船轨迹数据分析和特征构建 |
4.3.1 渔船轨迹的统计可视化研究 |
4.3.2 轨迹数据的速度和转向角度分析 |
4.3.3 轨迹数据的经纬度分析 |
4.3.4 特征构建 |
4.4 渔船作业方式识别模型 |
4.4.1 Boosting模型 |
4.4.2 评价指标 |
4.4.3 模型分类结果 |
4.5 本章小结 |
第5章 渔船作业热点发现 |
5.1 引言 |
5.2 作业热点时空变化规律 |
5.3 渔船作业热点发现算法 |
5.3.1 K-Means算法 |
5.3.2 算法概述 |
5.3.3 实验结果 |
5.4 本章小结 |
第6章 总结 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读硕士期间发表的论文 |
(2)基于AIS数据的船舶抛锚和渔船拖网作业对海底管道的碰撞频率分析(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 船舶抛锚作业对海管的碰撞频率 |
1.2.2 渔船拖网作业对海管的碰撞频率 |
1.2.3 基于AIS信息的聚类分析技术 |
1.3 本文主要研究内容 |
第2章 基于DBSCAN算法的AIS数据处理方法研究 |
2.1 AIS数据预处理 |
2.1.1 AIS系统简介 |
2.1.2 数据解码清洗与坐标转换 |
2.2 基于DBSCAN算法的聚类分析方法 |
2.2.1 聚类分析方法选择 |
2.2.2 DBSCAN算法原理 |
2.3 样本相似性度量 |
2.3.1 常用距离公式 |
2.3.2 轨迹结构距离公式 |
2.3.3 本文的相似性度量 |
2.4 本章小结 |
第3章 船舶抛锚作业对海管的碰撞频率计算模型 |
3.1 船舶抛锚点的识别 |
3.2 船舶抛锚点的聚类和抛锚频率分配 |
3.2.1 船舶抛锚点的聚类 |
3.2.2 抛锚频率的分配 |
3.3 抛锚对海管的条件碰撞概率 |
3.3.1 现有的概率计算方法 |
3.3.2 基于Monte-Carlo法的概率计算方法 |
3.3.3 单元的条件碰撞概率 |
3.4 船舶抛锚对海管的累计碰撞频率 |
3.5 本章小结 |
第4章 渔船拖网作业对海管的碰撞频率计算模型 |
4.1 渔船拖航轨迹识别 |
4.2 渔船拖航轨迹压缩 |
4.2.1 基于D-P算法的轨迹压缩 |
4.2.2 基于船舶航速的轨迹压缩 |
4.3 渔船拖航轨迹聚类和拖航频率分配 |
4.3.1 渔船拖航轨迹聚类 |
4.3.2 拖航频率的分配 |
4.4 渔船拖网作业对海管的累计碰撞频率 |
4.5 本章小结 |
第5章 基于中国南海AIS数据的案例分析 |
5.1 目标海域的基本信息 |
5.2 工况设计 |
5.2.1 船舶抛锚对海管碰撞频率分析工况 |
5.2.2 渔船拖网对海管碰撞频率分析工况 |
5.3 船舶抛锚作业对海管的碰撞频率分析 |
5.3.1 条件碰撞概率求解试验次数分析 |
5.3.2 抛锚点识别航速阈值对碰撞频率的影响分析 |
5.3.3 抛锚点聚类参数对碰撞频率的影响分析 |
5.3.4 抛锚频率分配单元尺寸对碰撞频率的影响分析 |
5.4 渔船拖网作业对海管的碰撞频率分析 |
5.4.1 拖航轨迹识别参数对碰撞频率的影响分析 |
5.4.2 拖航轨迹聚类参数对碰撞频率的影响分析 |
5.4.3 拖航频率分配单元尺寸对碰撞频率的影响 |
5.5 本章小结 |
结论与展望 |
参考文献 |
攻读硕士学位期间发表的论文和取得的科研成果 |
致谢 |
(3)渔船拖网板对水下结构物防护装置的撞击损伤和能量研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 我国海洋油气产业的发展 |
1.1.2 水下生产系统面临的风险 |
1.1.3 水下结构物防护装置 |
1.1.4 本文的研究意义 |
1.2 国内外的研究现状 |
1.3 本文的主要研究内容 |
第2章 基于目标海域调研信息的拖网板撞击能量分析 |
2.1 目标海域调研信息 |
2.1.1 海床地质信息 |
2.1.2 基于AIS信息的船舶分类 |
2.1.3 渔船的类别和功率统计 |
2.1.4 渔船拖网作业航速及渔具信息统计 |
2.2 基于调研信息的拖网板撞击能量理论分析 |
2.2.1 基于欧洲标准的推荐能量设计值 |
2.2.2 拖网板对海管的撞击能量计算方法 |
2.2.3 基于调研信息的撞击能量计算 |
2.3 本章小结 |
第3章 水下结构物防护装置有限元分析模型构建 |
3.1 基于ABAQUS的有限元分析方法 |
3.1.1 弹塑性力学的基本方程 |
3.1.2 显式动力分析的控制方程和求解算法 |
3.1.3 接触问题分析 |
3.1.4 海床土体本构模型 |
3.2 撞击模型构建及参数设置 |
3.2.1 部件参数及材料特性 |
3.2.2 撞击数值模型构建 |
3.3 模型无关性验证与预处理 |
3.3.1 土体尺寸分析 |
3.3.2 网格无关性验证 |
3.3.3 地应力平衡及初始位移分析 |
3.4 防护装置结构形状及撞击位置选取 |
3.4.1 防护装置倾角选取 |
3.4.2 撞击位置选取 |
3.5 本章小结 |
第4章 基于钢质面板的防护装置撞击损伤及能量分析 |
4.1 工况设计 |
4.2 钢板厚度对撞击损伤的影响分析 |
4.2.1 钢板厚度对撞击力的影响 |
4.2.2 钢板厚度对应变的影响 |
4.2.3 钢板厚度对结构损伤的影响 |
4.3 拖网板质量对撞击损伤的影响分析 |
4.3.1 拖网板质量对撞击力的影响 |
4.3.2 拖网板质量对应变的影响 |
4.3.3 拖网板质量对结构损伤的影响 |
4.4 拖网速度对撞击损伤的影响分析 |
4.4.1 拖网速度对撞击力的影响 |
4.4.2 拖网速度对应变的影响 |
4.4.3 拖网速度对结构损伤的影响 |
4.5 桩土作用对撞击损伤的影响分析 |
4.5.1 桩土作用对结构整体位移的影响 |
4.5.2 桩土作用对钢板凹陷深度的影响 |
4.6 基于钢质面板的撞击能量分析 |
4.6.1 基于挪威北海渔船拖网作业信息的撞击能量验证 |
4.6.2 基于目标海域渔船拖网作业信息的撞击能量分析 |
4.7 本章小结 |
第5章 基于玻璃钢面板的防护装置撞击损伤及能量分析 |
5.1 复合材料分析理论 |
5.1.1 复合材料单层板结构分析理论 |
5.1.2 正交各向异性层合板的强度理论 |
5.1.3 玻璃钢防护装置模型设置 |
5.2 工况设计 |
5.3 防护装置撞击损伤分析 |
5.3.1 防护装置的整体变形分析 |
5.3.2 玻璃钢层合板的凹陷深度分析 |
5.3.3 防护装置框架优化 |
5.4 玻璃钢层合板的材料损伤分析 |
5.4.1 基于Tsai-Wu张量理论的损伤判定 |
5.4.2 基于Hashin失效准则的损伤分析 |
5.5 防护装置撞击能量分析 |
5.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文和取得的科研成果 |
致谢 |
(4)渔船作业行为分类与可视化(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 研究内容与数据 |
1.3.1 研究内容 |
1.3.2 数据来源和描述 |
1.4 论文组织结构 |
2 相关理论与使用技术 |
2.1 时空数据 |
2.1.1 时空数据概述 |
2.1.2 时空数据特征 |
2.2 特征工程 |
2.2.1 特征工程的概念 |
2.2.2 组成部分 |
2.3 系统开发工具 |
2.3.1 集成开发环境 |
2.3.2 MySQL数据库 |
2.4 相关技术介绍 |
2.4.1 使用框架 |
2.4.2 可视化技术 |
2.5 章节小结 |
3 需求分析与设计 |
3.1 需求分析 |
3.1.1 功能性需求 |
3.1.2 非功能性需求 |
3.2 渔船作业介绍 |
3.2.1 拖网作业 |
3.2.2 围网作业 |
3.2.3 刺网作业 |
3.3 功能模块设计 |
3.4 技术框架设计 |
3.5 数据库设计 |
3.5.1 概念数据模型 |
3.5.2 数据库模式设计 |
3.6 章节小结 |
4 特征工程 |
4.1 构建特征工程 |
4.2 基于经纬度、速度和方向的特征工程 |
4.3 基于轨迹信息的特征工程 |
4.3.1 Geo Hash编码 |
4.3.2 TFIDF |
4.3.3 Word2Vec |
4.4 章节小结 |
5 渔船作业行为分类 |
5.1 Light GBM算法 |
5.2 渔船作业分类训练算法 |
5.3 实验结果与分析 |
5.3.1 分类模型评价指标 |
5.3.2 实验结果 |
5.3.3 结果分析 |
5.4 章节小结 |
6 系统的设计与实现 |
6.1 图表与地图的引入 |
6.2 群体作业 |
6.3 海域分布 |
6.4 船舶定位监控 |
6.5 渔船作业分类 |
6.6 系统测试 |
6.6.1 测试内容 |
6.6.2 测试环境 |
6.6.3 测试用例 |
6.7 章节小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
(5)基于VMS的东黄海张网渔船捕捞强度提取与分析(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 研究背景 |
1.2 国内外研究进展 |
1.2.1 渔船捕捞类型认定 |
1.2.2 检测渔船捕捞状态 |
1.2.3 张网捕捞特点 |
1.2.4 捕捞强度分析 |
1.3 研究目的及意义 |
1.4 研究内容和技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
第2章 材料与方法 |
2.1 研究区域 |
2.2 数据来源 |
2.2.1 VMS船位数据 |
2.2.2 东黄海沿线渔船信息 |
2.3 数据处理 |
2.3.1 船位数据预处理 |
2.3.2 渔船捕捞类型和捕捞状态标定 |
2.4 研究方法 |
2.4.1 渔船航次提取和筛选 |
2.4.2 渔船捕捞类型识别模型 |
2.4.3 渔船捕捞状态判别模型 |
2.5 小结 |
第3章 张网渔船航迹特征及捕捞状态划分 |
3.1 东黄海渔船概况 |
3.1.1 北斗VMS船位数据总体状况 |
3.1.2 东黄海沿线5 省(市)张网渔船统计 |
3.2 张网渔船航迹识别 |
3.2.1 不同捕捞方式渔船航迹特征 |
3.2.2 张网渔船类型识别 |
3.3 张网渔船作业特点 |
3.3.1 航行状态 |
3.3.2 布网/收渔获状态 |
3.3.3 收网具状态 |
3.4 捕捞状态判别及网位确定 |
3.4.1 设置阈值 |
3.4.2 神经网络 |
3.4.3 密度聚类 |
3.4.4 网位确定 |
3.4.5 讨论 |
3.5 小结 |
第4章 东黄海张网渔船捕捞强度计算与分析 |
4.1 捕捞强度计算 |
4.2 张网渔船生产状况 |
4.2.1 浙江省张网作业情况 |
4.2.2 东黄海张网作业情况 |
4.3 捕捞强度空间分布分析 |
4.4 讨论 |
4.5 小结 |
第5章 结论与展望 |
5.1 研究总结 |
5.2 不足与展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术成果 |
(6)基于船位大数据的我国流刺网渔船捕捞行为研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
1.1 流刺网概述 |
1.2 流刺网渔业的现状 |
1.3 渔船监控系统概述 |
1.4 本文创新点 |
1.5 章节安排 |
第二章 基于船位数据的捕捞行为分析 |
2.1 船位数据分析的研究进展 |
2.1.1 渔船航行状态的分析 |
2.1.2 渔船活动轨迹的分析 |
2.2 捕捞行为概述 |
2.2.1 捕捞行为概述 |
2.2.2 渔船捕捞行为 |
2.2.3 捕捞行为的量化研究 |
2.3 船位数据在捕捞行为分析中的应用 |
2.3.1 捕捞努力量的计算 |
2.3.2 利用船位数据分析作业渔场和辅助资源丰度计算 |
2.3.3 渔船捕捞对海洋生态环境的影响 |
2.3.4 渔船捕捞对捕捞区域内生物种群的影响 |
2.4 船位数据文献的计量学分析 |
2.4.1 文献增长规律分析 |
2.4.2 发表论文的国家和地区分布 |
2.4.3 期刊分布规律分析 |
2.4.4 高产作者分析 |
2.4.5 高被引用文献分析 |
第三章 单艘流刺网渔船网次的提取 |
3.1 概述 |
3.2 流刺网渔船网次识别算法 |
3.2.1 航速频数统计 |
3.2.2 空间距离频数统计 |
3.2.3 时间间隔频数统计 |
3.2.4 刺网角度频数统计 |
3.2.5 刺网网次长度提取 |
3.2.6 船位状态判别和网次提取 |
3.3 结果和分析 |
3.4 小结 |
第四章 流刺网捕捞作业时空分析 |
4.1 概述 |
4.2 处理方法 |
4.3 结果和分析 |
4.3.1 捕捞努力量的计算 |
4.3.2 网次的空间分布分析 |
4.3.3 网次的时间分布 |
4.3.4 捕捞努力量的时空分布 |
4.4 总结和讨论 |
第五章 流刺网渔船状态分析系统的设计 |
5.1 数据来源 |
5.2 渔船状态分析系统的主体架构 |
5.2.1 系统的工作原理 |
5.2.2 系统的主要组成和功能 |
5.3 系统实现 |
5.3.1 渔船状态分析的参数 |
5.3.2 渔船航速频数统计模块 |
5.3.3 数据库设计 |
5.3.4 渔船历史数据分析 |
5.3.5 渔船平均值统计模块 |
5.3.6 开发环境 |
5.4 系统演示 |
5.4.1 船位数据导入系统 |
5.4.2 渔船轨迹加载与特征统计 |
5.4.3 刺网状态判别和监控 |
第六章 结论和展望 |
6.1 本文总结 |
6.2 研究展望 |
参考文献 |
致谢 |
附录A 流刺网渔船状态分析程序源代码 |
数据处理和阈值提取 |
Program.cs |
Execl File Utils.cs |
Odin Eye.csproj |
Setting.Desinger.cs |
Firm1.Designer.cs |
Form1.cs |
Data Helper.cs |
Direction Calculation.cs |
Harven Sin.cs |
数据导出和格式化 |
Program.cs |
Data Exporter.csproj |
Data Export Task.cs |
Ship Vo.cs |
Ship Area Grid Util.cs |
Csv Util.cs |
Log Helper.cs |
附录B 浙江省流刺网渔船网次分布图 |
(7)拖网网板水动力性能数值模拟研究及其结构优化(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
1.1 研究背景与意义 |
1.2 网板的概述 |
1.3 国内外网板研究的发展与现状 |
1.4 国内外网板水动力性能的研究方法 |
1.4.1 水槽试验与风洞试验研究 |
1.4.2 CFX与 FLUENT数值仿真研究 |
1.5 课题来源及本文研究的主要内容 |
1.5.1 课题来源 |
1.5.2 主要研究内容 |
第二章 网板水动力性能的数值模拟研究方法 |
2.1 水动力性能影响因素 |
2.1.1 参数定义 |
2.1.2 影响因素分析 |
2.2 数值模型的建立 |
2.2.1 控制方程 |
2.2.2 模型参数设置 |
2.2.3 数值模拟方法 |
2.2.4 数据处理 |
2.3 本章小结 |
第三章 网板参数化设计 |
3.1 基于UG的网板参数化设计 |
3.1.1 参数化的含义 |
3.1.2 参数化建模思路 |
3.1.3 网板参数化系统设计 |
3.1.4 用户操作菜单设计 |
3.2 网板的参数选用与模型建立 |
3.2.1 矩形平面网板结构参数及主参数的选用 |
3.2.2 立式曲面网板 |
3.2.3 矩形网板模型参数化设计 |
3.3 本章小结 |
第四章 矩形网板的水动力性能研究与参数优化 |
4.1 网板流体仿真的前处理 |
4.1.1 计算域的建立 |
4.1.2 边界条件的设置 |
4.1.3 计算网格的划分 |
4.2 展弦比对矩形网板水动力性能的影响 |
4.2.1 展弦比对网板临界冲角的影响 |
4.2.2 展弦比对网板力学性能的影响 |
4.2.3 网板周围的水流线型分布 |
4.2.4 矩形网板的压力云图分析 |
4.3 讨论 |
4.4 本章小结 |
第五章 立式V型曲面开缝网板的水动力性能研究 |
5.1 网板的结构与优化 |
5.1.1 全尺寸网板 |
5.1.2 网板的结构优化 |
5.2 结构优化网板的流体仿真前处理 |
5.3 全尺寸网板的仿真结果 |
5.3.1 网板的水动力性能 |
5.3.2 网板的压力云图 |
5.3.3 网板周围的流线分布 |
5.4 讨论 |
5.4.1 立式V型曲面开缝网板的冲角特性 |
5.4.2 立式V型曲面开缝网板的优越性 |
5.4.3 结构优化网板的水动力性能分析 |
5.5 本章小结 |
总结与展望 |
参考文献 |
附录 |
致谢 |
攻读硕士学位期间发表的学术论文 |
(8)基于调查数据的中国沿海主要捕捞方式渔船经济性能研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 渔船经济性能 |
1.2 调查方法 |
1.3 数据处理方法 |
1.4 海洋捕捞渔业渔船经济性能研究进展 |
1.5 研究内容与技术路线 |
1.5.1 主要研究内容 |
1.5.2 研究方法 |
1.5.3 研究技术路线 |
第二章 整个地区不同作业方式之间渔船经济性能的比较 |
2.1 材料与方法 |
2.1.1 指标的选取与数据来源 |
2.1.2 分析方法 |
2.2 结果 |
2.3 讨论 |
2.3.1 张网和流刺网经济性能较好 |
2.3.2 渔业生产和管理建议 |
第三章 相同地区不同作业方式之间渔船经济性能的比较 |
3.1 材料与方法 |
3.1.1 指标的选取与数据来源 |
3.1.2 分析方法 |
3.2 结果 |
3.2.1 辽宁 |
3.2.2 山东 |
3.2.3 江苏 |
3.2.4 浙江 |
3.2.5 广东 |
3.3 讨论 |
3.3.1 辽宁 |
3.3.2 山东 |
3.3.3 江苏 |
3.3.4 浙江 |
3.3.5 广东 |
第四章 不同地区相同作业方式之间渔船经济性能的比较 |
4.1 材料与方法 |
4.1.1 指标的选取与数据来源 |
4.1.2 分析方法 |
4.2 结果 |
4.2.1 单拖网 |
4.2.2 流刺网 |
4.3 讨论 |
第五章 不同作业方式成本分析 |
5.1 材料与方法 |
5.1.1 指标的选取与数据来源 |
5.1.2 分析方法 |
5.2 结果 |
5.2.1 整个地区不同作业方式的成本组成分析 |
5.2.2 不同地区不同作业方式的成本组成分析 |
5.3 讨论 |
5.3.1 流刺网 |
5.3.2 单拖网 |
5.3.3 张网 |
5.3.4 笼壶 |
第六章 总结与展望 |
6.1 总结 |
6.2 创新之处 |
6.3 不足与展望 |
参考文献 |
附录 |
1.调查问卷 |
2.调研数据 |
致谢 |
(9)中层网板水动力性能及流场可视化研究 ——以立式双曲面网板为例(论文提纲范文)
摘要 |
ABSTRAC T |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外网板水动力性能研究进展 |
1.3 网板类型及影响水动力性能因素 |
1.3.1 网板类型 |
1.3.1.1 矩形网板 |
1.3.1.2 V型网板 |
1.3.1.3 椭圆形网板 |
1.3.1.4 立式曲面网板 |
1.3.1.5 立式曲面V型网板 |
1.3.1.6 圆盾形网板 |
1.3.1.7 鱼雷形网板 |
1.3.1.8 立式双曲面网板 |
1.3.2 网板结构参数 |
1.3.2.1 展弦比 |
1.3.2.2 弯曲度 |
1.3.2.3 开缝条件 |
1.3.3 作业条件对网板水动力性能影响 |
1.4 研究目的与意义 |
1.5 研究内容和技术路线 |
1.5.1 研究内容 |
1.5.2 技术路线 |
第二章 结构参数对立式双曲面网板水动性能影响 |
2.1 引言 |
2.2 材料与方法 |
2.2.1 网板相关参数 |
2.2.2 水槽试验条件设置 |
2.2.3 数值模拟条件设置 |
2.2.4 网板水动力计算公式 |
2.2.5 数值模拟求解方程 |
2.3 结果与分析 |
2.3.1 雷诺数与网板水动力系数的关系 |
2.3.2 展弦比对网板水动力性能的影响 |
2.3.3 弯曲度对网板水动力性能的影响 |
2.3.4 后退角对网板水动力性能的影响 |
2.3.5 模型网板水动力系数的数值模拟结果 |
2.3.6 测定流速对比分析 |
2.4 讨论 |
第三章 不同工作姿态下的网板水动力性能 |
3.1 引言 |
3.2 材料和方法 |
3.3 内、外倾角对模型网板水动力性能的影响 |
3.4 前、后倾角对模型网板水动力性能的影响 |
3.5 讨论 |
第四章 网板周围流场可视化 |
4.1 引言 |
4.2 材料与方法 |
4.3 无倾角下网板周围流态分布 |
4.4 网板内外倾状态下流场及压力分布 |
4.5 网板前后倾状态下流场及压力分布 |
4.6 讨论 |
第五章 南极磷虾拖网使用立式双曲面网板的预估效果 |
5.1 引言 |
5.2 材料与方法 |
5.2.1 模型网板参数 |
5.2.2 试验条件 |
5.3 立式双曲面网板与立式曲面网板水动力性能对比 |
5.4 南极磷虾拖网系统中立式双曲面网板结构参数的确定(设计估算) |
5.5 讨论 |
第六章 总结和展望 |
6.1 总结 |
6.2 展望与建议 |
参考文献 |
硕士在读期间的学术成果 |
致谢 |
(10)基于海上实测和模型试验的南极磷虾中层拖网形态分析(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 南极磷虾渔业概况 |
1.1.1 开发背景 |
1.1.2 南极磷虾渔业 |
1.2 国内外南极磷虾中层拖网研究进展 |
1.2.1 南极磷虾拖网结构及作业流程 |
1.2.2 拖网形态研究方法 |
1.2.3 网口形态研究进展 |
1.2.4 拖网整体形态研究进展 |
1.3 研究目的及意义 |
1.4 研究内容与技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
第二章 海上试验的南极磷虾拖网作业形态分析 |
2.1 引言 |
2.2 试验材料与方法 |
2.2.1 试验调查船 |
2.2.2 试验水域 |
2.2.3 试验拖网网具 |
2.2.4 测试仪器与方法 |
2.2.5 数据处理 |
2.3 结果分析 |
2.3.1 上纲深度模型结果 |
2.3.2 上纲-网身1深度差模型结果 |
2.3.3 渔获量对上纲-网囊深度差影响分析 |
2.4 小结 |
2.4.1 捕捞操作和海洋环境对上纲深度影响 |
2.4.2 捕捞操作和海洋环境对上纲与网身1深度差的影响 |
2.4.3 渔获量对上纲-网囊深度差的影响 |
第三章 基于网口高度计算的中层拖网形态 |
3.1 引言 |
3.2 计算方法 |
3.2.1 网身计算 |
3.2.2 网袖计算 |
3.2.3 网囊计算 |
3.3 结论与分析 |
3.4 小结 |
3.4.1 计算假设 |
3.4.2 对比结果分析 |
第四章 基于动水槽南极磷虾拖网形态分析 |
4.1 引言 |
4.2 材料与方法 |
4.2.1 试验水槽 |
4.2.2 模型网制作 |
4.2.3 试验内容与方法 |
4.2.3.1 模型网实验袖端水平设置 |
4.2.3.2 模型试验流速设置 |
4.2.3.3 试验流程 |
4.2.3.4 数据处理 |
4.3 结果分析 |
4.3.1 不同工况条件下网具阻力变化 |
4.3.2 不同工况条件下网口扩张性变化 |
4.3.3 不同工况条件下能耗系数变化 |
4.3.4 不同工况条件下网身2深度差变化 |
4.3.5 最优拖网形态的确定 |
4.4 小结 |
4.4.1 模型网制作 |
4.4.2 网具阻力在不同工况下的变化 |
4.4.3 不同工况下网具形态的变化 |
4.4.4 最优拖网形态 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望与建议 |
参考文献 |
硕士期间科研活动 |
致谢 |
四、拖网作业对渔船性能的影响(论文参考文献)
- [1]基于人工智能的渔船航行数据挖掘研究[D]. 解钦. 青岛科技大学, 2021(01)
- [2]基于AIS数据的船舶抛锚和渔船拖网作业对海底管道的碰撞频率分析[D]. 刘宇. 哈尔滨工程大学, 2021
- [3]渔船拖网板对水下结构物防护装置的撞击损伤和能量研究[D]. 张巍. 哈尔滨工程大学, 2021
- [4]渔船作业行为分类与可视化[D]. 张文婕. 河北师范大学, 2021(09)
- [5]基于VMS的东黄海张网渔船捕捞强度提取与分析[D]. 裴凯洋. 上海海洋大学, 2021(01)
- [6]基于船位大数据的我国流刺网渔船捕捞行为研究[D]. 张荣瀚. 上海海洋大学, 2020(03)
- [7]拖网网板水动力性能数值模拟研究及其结构优化[D]. 徐波. 上海海洋大学, 2020(03)
- [8]基于调查数据的中国沿海主要捕捞方式渔船经济性能研究[D]. 丁睿智. 上海海洋大学, 2020(02)
- [9]中层网板水动力性能及流场可视化研究 ——以立式双曲面网板为例[D]. 刘志强. 上海海洋大学, 2020
- [10]基于海上实测和模型试验的南极磷虾中层拖网形态分析[D]. 陈明鑫. 上海海洋大学, 2020