基于LSTM的滚动轴承寿命预测

针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。     

大数据背景下舰船通信信息资源提取方法

在现有舰船通信信息资源提取方法中,经过整合处理得到的信息资源数据编码结构混乱,导致提取数据精度较低。为此,设计一种大数据背景下舰船通信信息资源提取方法。利用大数据技术编码信息资源特征后,设定局部性约束条件,确定舰船通信信息资源特征。构建信息资源阈值识别判断公式,根据计算得到的识别阈值,完成对信息资源的提取。设定实验环境后,准备通信信息数据,分别使用2种传统资源提取方法以及文中设计的资源提取方法进行对比实验,结果表明,文中设计的资源提取方法提取精度最高。     

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.     

基于改进支持向量回归的船用机械零部件寿命估计

船用机械零部件退化的敏感特征难以提取,导致其寿命估计均方误差增加。为此,设计一种基于改进支持向量回归的船用机械零部件寿命估计方法。采用小波变换法去除全寿命周期数据噪声,提取零部件退化的时域特征,利用集合经验模态分解获取频域特征。经主成分分析法完成特征降维处理后,确定机械零部件退化的敏感特征。采用考虑莱维飞行机制的改进蚁狮优化算法寻求支持向量回归模型最佳参数。将提取到的敏感特征输入至改进支持向量回归模型中,得到船用机械零部件寿命估计值。实验结果表明,当步长为6时,支持向量回归模型的均方误差指标最小、决定系数指标最大,可实现机械零部件寿命精准估计。     

基于自适应顺序的滚动轴承最优特征选取与寿命预测

为了提高舰船动力传动系统中滚动轴承的故障特征分析及寿命预测能力,需要对选择合适的振动信号特征表征滚动轴承状态的问题进行分析,通过时域,频域,时频域,信息熵等多方面提取滚动轴承的振动特征,构造特征库,综合全面描述滚动轴承的状态信息。提出了一种自适应特征提取方法,通过添加白噪声特征以及融合特征,并使用相关性,单调性,鲁棒性3个指标来综合评价特征,可以自动确定特征维数并筛选出敏感特征子集,并通过实验数据验证了所提方法的有效性。     

基于长短期记忆神经网络的船体及螺旋桨性能退化评估

采用线性插值和时空插值构建包含气象、航行性能和机舱信息的船舶综合数据库，经统计分析筛选出9个输入变量，基于长短期记忆神经网络建立航速预测模型，获得由预测航速与实测值的残差描述的船体及螺旋桨性能退化的特征参数，建立以航速残差的时间序列为路径的船体及螺旋桨性能退化评估方法。基于某30万吨散货船一年的航行数据进行性能退化评估，航速预测结果的均方误差为0.01，目标船的性能退化路径具有时间相关性和单调变化的趋势。     

基于极限学习机的舰船网络入侵检测算法

针对传统网络入侵检测算法在舰船网络中存在的检测误差高的问题,提出基于极限学习机的舰船网络入侵检测算法。构建舰船通信网络模型,在该模型下实时采集通信数据并对其进行预处理。将采集的数据作为输入项,利用极限学习机算法提取网络入侵特征。根据网络入侵行为设置行为特征标准,结合舰船网络入侵节点聚集度的计算结果,得出舰船网络入侵检测结果。通过与传统入侵检测算法的对比发现,设计算法的检测误差有所降低,即入侵检测精度得到提升。     

基于联合神经网络的水声目标识别方法

为了改善传统的单一识别网络难以充分考虑水下声音样本各方面特征的缺陷,本文利用联合一维卷积神经网络与长短期记忆网络2种网络串行的方式,构建一种新的网络框架,首次将联合网络运用到水声目标识别中.其次,用船舶音频数据作为数据集输入网络,对网络性能进行评价,进行识别结果的可视化分析.通过结果分析得出,该网络能够实现对水声目标的...     

基于小波包分解的功率谱方法在人字门启闭机减速器故障诊断中的应用

针对船闸人字闸门机械式启闭机减速器中滚动轴承振动的不平稳性及其故障信号中存在噪声和干扰的问题,提出了一种基于小波阈值算法的小波包分解与功率谱分析的故障诊断方法。该方法通过对故障信号进行小波分解且对其系数作阈值处理,并利用处理后的分解系数进行小波逆变换得到降噪后的信号,然后对降噪后的信号进行小波包分解,找到能量集中的节点,对其进行Hilbert包络解调并求其Hilbert包络线的功率谱,从而提取故障特征信息。应用实例表明:仿真信号与某船闸人字闸门机械式启闭机减速器故障诊断方法能降低信号噪声以及干扰,并能提取故障特征信息。     

多指标约束下的凝给水系统性能可靠性仿真

针对某型舰用蒸汽动力装置凝给水系统的性能可靠性受多指标综合约束的问题,采用一种基于物理模型与Mont-Carlo联合仿真的方法对该系统的性能可靠性进行分析.提出"冷凝器水位超出高限,或除氧器、锅炉水位小于低限"三重约束构成的系统故障判据;在凝水-增压泵级间密封结构退化模型的基础上,结合系统热力学模型得到凝给水系统性能退化模型;以Degraded with system running time、用以衡量级间密封结构节流能力的导纳系数为输入,以获得锅炉升负荷过程中冷凝器、除氧器和锅炉的水位极值并将其与故障判据相对比为策略,对级间密封结构退化影响下的凝给水系统的性能可靠性进行仿真分析,得到系统性能失效特征量随时间的退化规律.     

水声目标辐射噪声谐波特征提取算法

水下目标辐射噪声中的谐波分量包含了反映目标自身本质特性的信息,能否有效提取目标谐波特征关系到目标识别的效果。论文基于目标辐射噪声的一般数理模型,利用最大似然估计和卡尔曼滤波理论,提出一种水下目标辐射噪声谐波特征的提取与分析算法,估计得到了谐波的瞬时基频;然后利用卡尔曼滤波器跟踪瞬时基频的时变特性,实现对基频的精确跟踪和估计;并提取各阶谐波的振幅,得到目标的谐波特征;最后结合仿真信号与实测数据进行对比,验证了谐波特征提取算法估计基频和提取谐波信息的可行性。     

水声目标辐射噪声谐波特征提取算法

水下目标辐射噪声中的谐波分量包含了反映目标自身本质特性的信息,能否有效提取目标谐波特征关系到目标识别的效果.论文基于目标辐射噪声的一般数理模型,利用最大似然估计和卡尔曼滤波理论,提出一种水下目标辐射噪声谐波特征的提取与分析算法,估计得到了谐波的瞬时基频;然后利用卡尔曼滤波器跟踪瞬时基频的时变特性,实现对基频的精确跟踪和估计;并提取各阶谐波的振幅,得到目标的谐波特征;最后结合仿真信号与实测数据进行对比,验证了谐波特征提取算法估计基频和提取谐波信息的可行性.     

基于生成对抗网络的水下图像增强

对光的散射和衰减导致水下图像出现颜色失真和细节模糊对比度低问题进行研究,提出一种基于生成对抗网络（GAN）的图像增强方法。首先以图像分割（U-Net）网络为基础提取水下退化图像特征,再使用改进的白平衡算法对原始图像进行去偏色处理,用卷积神经网络提取去偏色后的图像特征,接着通过卷积神经网络完成两者特征融合,最后重构增强的图像。结果表明,本文算法增强后的图像在UIQM、PSNR和SSIM指标上的平均值为5.071、25.310和0.996,分别比第二名提升了1%、7%和5%。在主观感知和客观评估中,处理后的图像在清晰度、颜色校正和对比度方面均得到改善。     

基于SOFM星聚类的星图识别算法

介绍一种利用SOFM(自组织特征映射)网络的聚类功能进行全天星图识别的方法。应用C 软件编程，对全天导航星星表的星信息进行了采样、分类和仿真识别。指出SOFM网络可以很好地提取、反映星图中的复杂信息，抗噪能力明显优于其他传统算法，分类效果较好，可以在星图识别中发挥很好的作用。     

基于特征造型的成组夹具CAD／CAPP／CAM集成系统

本文介绍了一个基于特征造型的成组夹具ＣＡＤ／ＣＡＰＰ／ＣＡＭ集成的系统，该系统由夹具ＣＡＤ、ＣＡＰＰ和ＮＣ程序自动生成三个分系统组成。按形状和功能进行特征分类，自动生成特征型数据文件；利用一个专门研制的程序从特征造型数据中提取ＣＡＰＰ输入数据和待加工表面的几何数据，生成零件加工的ＮＣ刀轨是依据来自ＣＡＰＰ模块的零件代码化的加工过程数据和由特征造型数据中提取的零件几何数据。     

船舶网络的用户访问安全性机制分析

传统的网络用户访问安全性机制存在着恶意用户识别时间长的缺陷,为此提出船舶网络的用户访问安全性机制分析研究。采用APK软件对船舶网络用户访问数据进行采集,利用JAIA语言对采集的数据进行预处理,以上述处理好的船舶网络用户访问数据为依据,对其数据异常进行检测得到船舶网络用户访问数据异常主题,以其为基础对相关特征量进行提取,以提取的特征量为依据采用用户识别算法对恶意用户进行识别,实现了船舶网络的用户访问安全性机制的运行。通过实验得到,提出的船舶网络的用户访问安全性机制的恶意用户识别时间比传统机制快了4 s,说明提出的船舶网络的用户访问安全性机制具备极高的有效性。     

基于改进Transformer的锂电池剩余寿命预测

锂离子电池的剩余使用寿命(RUL)的准确预测对于评估电池状态至关重要。为了准确预测RUL,本文基于Transformer网络设计了以一种全新的模型p-Transformer。针对原始数据存在噪声的问题,构建了预处理前置编码器。在编码器内,原始输入数据叠加噪声信号,并实现数据降维压缩。而后将得到的深层数据输入到Transformer网络中,以学习原始数据中有价值的信息和深层次的非线性特征,得到最终预测结果。该模型在两个公共数据集上进行了大量实验,并与一些基准方法进行了比较。结果表明,本文提出的模型在预测RUL方面具有更小的误差,准确性更高。     

长短时记忆网络水下目标噪声智能识别方法

未来基于水下无人平台的水声目标探测体系要求平台自身具备目标智能化识别能力,而传统水下目标噪声识别方法需要人工提取泛化能力强的特征数据,且识别过程具有较强的人机交互特性,无法满足这一要求。针对这一问题,本文研究一种基于长短时记忆网络(LSTM)的水下目标噪声智能识别方法,借助深度学习自主学习数据特征的能力,应用长短时记忆网络(LSTM)分别对水下目标噪声的时域时间序列数据、频谱数据、梅尔倒谱(MFCC)数据进行深层次特征提取与识别,并使用实际水声目标噪声信号对该方法进行了验证。结果表明,在上述3种输入数据情况下,采用LSTM长短时记忆模型均能有效实现水下目标噪声特征提取与智能识别。     

基于多尺度模糊熵和主成分分析的 轴承故障特征提取

针对滚动轴承故障特征难以提取的问题,文章提出了基于多尺度模糊熵(MFE)和主成分分析(PCA)相结合的滚动轴承故障特征提取方法。首先利用经验模态分解(EMD)将原始振动信号分解成若干个本征模态函数(IMF),并根据相关系数和峭度值准则剔除虚假IMF分量;然后在不同尺度下求取真实IMF分量的模糊熵值,利用PCA对其进行降维处理,形成能表征不同轴承故障的特征向量,最后借用支持向量机对其进行诊断验证。实验表明,该方法可以有效地提取轴承故障信息,对4种轴承状态的识别率为95%,实现了对轴承故障的精确诊断。     

基于GF-1 WFV遥感数据的湖泊信息提取研究

水体信息作为一种自然资源对于全球[1]气候调节和人类活动具有重要影响。本文针对国产GF-1WFV遥感数据的特点,发展了一整套新的水体信息提取解决方案,并将其应用到舟山市湖泊信息提取中。首先,采用阈值法对近红外波段进行分割,以提取粗水体信息;其次,加入NDVI和绿波段进行水体信息精提取,分别去除云阴影和海水的影响;最后,利用数学形态学运算进行后处理,得到最终水体信息。实验结果表明:该方法提取结果位置准确、范围边界清晰。本文研究对水资源规划、管理、保护,以及湖泊资源可持续利用具有重要意义。