基于决策SVM的入侵检测技术研究

在网络入侵检测中，数据类别不均衡训练集的使用将产生分类偏差，支持向量机是一种新型的统计学习模型，在处理小样本和学习机的推广能力上有很大的优势．针对支持向量机解决k个多类分类问题存在训练样本数据大、训练困难的问题，提出基于支持向量机的决策树训练算法，构建了基于支持向量机决策树的入侵检测系统模型．利用KDDCup99数据集，将本文提出的算法与Lee-Carter方法和1-v-R方法进行了对比实验．通过实验和比较表明，该方法的训练效率大大提高，并且具有较高的检测率．     

基于并行深度卷积神经网络的舰船通信异常数据检测研究

为了提高通信异常数据检测效果,设计基于并行深度卷积神经网络算法的大规模舰船通信异常数据检测方法。采集大规模舰船通信数据,采用小波变换对数据实施降噪处理,将降噪后数据输入并行深度卷积神经网络中,经过模型训练提取特征,利用Softmax分类函数得出舰船通信异常数据特征,输出舰船通信异常数据检测结果。实验结果表明：该方法可有效实现大规模舰船通信异常数据检测,其加速比最高,并行效果最优;具有较强的大规模舰船通信数据集检测能力,提高大规模舰船通信异常数据检测效果。     

基于机器学习的船舶机舱设备状态监测方法

[目的]为实现船舶机舱设备的智能状态监测,引入机器学习算法,提出一种结合流形学习和孤立森林的船舶机舱设备状态监测方法。[方法]由于船舶机舱设备的状态监测数据是多维度数据,基于该监测系统,通过流形学习来提取有效的数据特征,实现对原始数据的降维,减少数据复杂度。基于孤立森林算法,在仅利用正常工况数据集的情况下,训练并构建多个子森林检测器,用于实现对目标设备的故障监测。在Matlab/Simulink环境下建立大型船舶二冲程柴油机模型,对其正常工况和故障工况下的数据进行仿真,以验证该方案的有效性。[结果]通过状态仿真数据对不同故障监测方案性能的比较,验证了所提故障监测方案具有98.5%的故障检测率和3%的故障虚警率。[结论]所提方法能显著提高船舶机舱设备的故障监测性能。     

基于机器学习的舰船轮机设备多发故障信号监测

针对舰船轮机设备故障信号监测中存在的运算量大、缺少故障数据、模型训练复杂、检测效率低、准确度不高等问题,设计了基于机器学习的舰船轮机设备多发故障信号监测方法。通过多种传感器采集舰船轮机设备振动信号,经小波变换降噪后,通过EMD经验模态分解提取舰船轮机设备振动信号特征,将其作为孤立森林算法输入进行异常信号检测,以异常信号检测结果为依据,构建决策二叉树支持向量机故障信号分类模型识别故障信号,实现舰船轮机设备多发故障信号监测,实验表明,该方法可以高效、准确地检测并识别舰船轮机设备的故障信号,而且适应性广泛,在舰船轮机设备的各种工况下,监测性能都十分良好。     

基于Creator和VRML/Java的核动力装置虚拟仿真技术研究

针对核动力主要装置设备的拆分、装配仿真训练，分析建模过程，利用MultiGen—Creator建模软件构建各种装备的三维模型，通过VRML来构建虚拟场景环境，利用Java编程实现训练过程的交互性，实例探讨核动力装置虚拟仿真的具体实现，证明该方案具有很好的应用前景。     

设计模式在实船训练系统软件设计中的应用

设计模式(Design Patterns)是人们在实践过程中总结出来的成功设计范例,在实船训练系统程序架构设计过程中引入设计模式可以提高系统框架的可复用性和可扩展性。首先简单介绍设计模式的概念和分类,然后将设计模式思想应用于解决在实船操作训练系统对象模型设计过程中遇到的问题,以此来说明设计模式在整个训练系统中的应用价值,为以后设计开发大型的设备监控软件提供新的思路。     

基于数据挖掘的电网检测数据分析

为提高电网检测数据的应用水平和电网设备的运行可靠性,论文提出一种基于数据挖掘的电网检测数据的分析方法。该方法基于数据挖掘算法原理,通过建立基于检测数据的关联规则模型,在模型中关联了电网设备运维的几个重要节点。最后通过对算例分析证明,论文所述的基于关联规则的数据挖掘方法,能够找出设备故障的主要原因和共性缺陷,为电网设备的安装、运维等提供有意义的指导。     

基于DCNN-BiLSTM的滚动轴承性能退化因子构建方法

针对如何从多维度特征中提取滚动轴承性能退化信息，构建性能退化因子的问题，提出一种基于DCNN-BiLSTM的混合输入网络。首先利用连续小波变换和24个典型时域频域特征计算公式分别得到滚动轴承振动的二维图像数据和一维时间数据，之后将两种不同维度的数据分别输入至混合输入网络进行训练，然后输入测试集数据得到滚动轴承的性能退化因子，最后利用单调性、预测性、鲁棒性对得到的性能退化因子进行评估。试验结果证明，混合输入网络结合DCNN和Bi-LSTM的优点，可有效提取滚动轴承性能退化信息，得到的性能退化因子综合效果较好。     

基于隐马尔可夫模型的舰船水下噪声评估方法

为通过舰船水下噪声评估及时发现舰船存在的异常,采用基于隐马尔可夫模型的评估方法。分别选取舰船正常状态下和异常状态下的水下噪声数据作为两类训练样本,送进隐马尔可夫模型进行训练,得到对应的模型参数;把待评估样本送进经过训练的两类隐马尔可夫模型进行概率估计,概率明显大的模型对应的状态,即为评估判断结果。选取202个数据样本进行试验,测试结果正确率超过95%,表明隐马尔可夫模型有较好的分类判断能力,可用于舰船水下噪声评估。     

基于特征图可视化的医学图像分析

现有的医学图像分类算法中普遍存在模型的可解释性问题,将同一卷积神经网络应用到不同的数据集上,分类性能千差万别.针对这一问题,提出了一种基于特征图可视化的医学图像分析方法.在卷积神经网络的特征提取阶段设计4个特征图可视化模型,这些模型将具有与网络相同的输入层以及权重,但输出则是一系列特征图.采用SSIM相似度对信息熵最大的特征图评估,分析4个模型提取到的特征信息.在kaggle官网上提供的BreaKHis、Chest X-Ray、Retinal OCT 3类数据集上进行实验,其中基于VGG16网络的特征图可视化模型提取到的特征相似度分别集中在0.95,0.93,0.85,分类精度分别为75.96%,77.19%,99.40%.此外,在ResNet18网络上也有相同的表现.研究表明：分类性能取决于网络的特征提取能力,在保证相似性的前提下,卷积层之间提取到的特征其相似度越低,该数据集在同一网络上往往表现出更好的分类性能.     

视情维修检测间隔模糊预测研究

文章利用模糊数学的基本原理建立视情维修故障检测间隔模型。在建模的过程中将动态隶属度函数引入模糊预测推理方法,形成动态隶属度矩阵。分别以装备可靠度和维修费用为主要考虑因素,最后得出检测间隔时间的取值计算模型。应用该模型所得出的检测间隔,在保证装备的可靠度前提下,能够最大限度的减少维修工作量和维修经费开支,提高舰船的在航率。经过实践检验,该模型针对性强,有较大的实用价值。     

低功耗的水密舱渗漏监测报警系统

介绍了凝露传感器原理及HDP-07的主要特性参数,并以该元件为核心设计了一种针对水下装备水密舱渗漏的低功耗检测报警系统,详细分析了各功能电路的设计原理和计算依据,研究了设定门限和多点网络判决准则,并给出了实测参数和标定数据.实验结果表明:该方案具有较高的性价比和检测可靠性,整机最大静态功耗不大于10 MW.     

铺管船托管架结构动态监测系统的研究应用

近年来结构健康监测技术不断发展,现已成熟应用于桥梁、隧道、船舶以及海洋平台等结构物的健康监测中,但面向铺管船托管架结构健康监测技术的应用研究仍处于空白状态。在此研究背景下,本文以某铺管船为例,研究开发了一套适用于铺管船托管架的结构作业动态监测及预警系统,实现了对托管架结构健康实时和科学的监测。为保证监测系统的安全性,进行了防护密封方案研究,并通过模型试验验证了方案的可靠性。最后通过海上测试采集监测数据,对实测数据进行分析,确保托管架的安全性。     

基于无线供能的船用柴油机曲轴扭矩在线检测技术研究

介绍了由谐振非接触供电模块、应变片扭力检测模块、信号无线收发模块等组成的扭矩信号采集装置,将其应用在船用柴油机的曲轴扭矩检测。通过试验,实现了对船用柴油机曲轴扭矩检测系统的输出电压计应变量的连续采集,完成了对船用柴油机曲轴扭矩的在线实时检测。该装置性能可靠、精度高、实时性好,在轮机管理方面具有较好的实际应用价值。     

光纤测温预警系统在船舶上应用的优点

光纤测温预警系统具有防燃、防爆、抗腐蚀、耐高压、抗电磁辐射、测量范围广、定位精度高、信号串扰小、保密性能好、使用方便等优点,与传统的船舶火灾探测系统相比,可在火灾发生前对设备过热提前预警,发生火灾时可联动分区断电停止设备运行,将事故消灭在萌芽中,做到防患于未然;可用于船舶电气设备过热故障的实时在线监测,对设备的安全运行起重要作用。     

面向对象的船舶电力系统数字仿真研究

本文提出的面向对象的船舶电力系统数字仿真技术采用了分层结构和模块化设计,其中,分层结构在减少建模工作量的同时极大地提高了仿真的效率,而模块化设计则增强了仿真的灵活性和扩展性.因此,该技术在船舶电力系统数字仿真领域中具有较高的实用价值和广阔的应用前景.     

煤炭装卸设备金属结构应变的实时在线监测

利用光纤光栅检测精度高、稳定性好、可集成网络系统等优点，建立翻车机结构应变在线实时监测系统，掌握翻车机关键部位的实际受力情况，为翻车机等大型港口设备安全监测管理提供了良好的解决方案。     

船用柴油机配气机构动力学分析及滚轮改进设计

基于虚拟样机技术,利用内燃机动力学专业软件Virtual Engine建立某船用柴油机配气机构的动力学模型。应用离散化的柔体动力学模型进行运动学和动力学仿真计算,分析了配气机构在不同工况下的动力学特性,并对滚轮进行改进设计。分析结果表明：该配气机构动力学特性良好,滚轮改进设计后接触应力有所降低,可靠性得到了提高。     

Damage detection in offshore structures using neural networks

This paper discusses the damage detection in offshore jacket platforms subjected to random loads using a combined method of random decrement signature and neural networks. The random decrement technique is used to extract the free decay of the structure from its online response while the structure is in service. The free decay and its time derivative are used as input for a neural network. The output of the neural network is used as an index for damage detection. It has been shown that function N is effective in damage detection in the members of an offshore structure. Experimental studies conducted on a reduced model for a real jacket structure with geometrical scale of 1:30 are used. The applied loads were random loads. Two different load spectra were used: White noise, and Pierson-Moskowitz.