舰船推进系统集成管理知识挖掘方法研究

针对舰船推进系统集成管理中的实船训练仿真建模与机械设备状态评估等高级应用对知识的需求，研究知识管理中所需要的知识内容与形式，探索数据挖掘方法在大数据知识获取中的应用模式。以某型推进装置为对象，研究使用数据挖掘技术获取所需集成管理知识的途径，包括聚类算法在推进系统稳态工况基准模式识别中的应用，以及关联算法在状态特征模式识别中的应用等。本文研究为实现基于知识的舰船推进系统集成管理提供了研究基础。     

舰船维修数据云总线协议深度挖掘算法

现有的舰船维修数据深度挖掘算法,存在着数据挖掘深度浅的缺陷。为了解决上述问题,提出舰船维修数据云总线协议深度挖掘算法研究。依据算法需求编写云总线协议,采集并获取舰船维修数据,以此为基础,利用等深度分段方法离散化处理维修数据,依据离散化处理完成的维修数据,通过粗糙集约简算法得到最优舰船维修数据集,实现了舰船维修数据云总线协议的深度挖掘。通过仿真对比实验结果表明,与现有的舰船维修数据深度挖掘算法相比较,提出的舰船维修数据云总线协议深度挖掘算法极大的加深了数据挖掘的深度,充分说明提出的舰船维修数据云总线协议深度挖掘算法具备更好的数据挖掘效果。     

基于关联规则的远洋舰船运行监控大数据挖掘方法

针对传统的远洋舰船运行监控大数据挖掘方法精准度低的情况,本文应用关联规则算法,对远洋舰船运行监控大数据挖掘方法进行设计。为了有效对舰船远行监控大数据挖掘,首先获取监控数据源,将数据存入到数据库中,在此基础上,对远洋舰船运行监控数据预处理,以此生成舰船运行监控大数据挖掘模型,完成了对运行监控大数据的挖掘,实验对比结果表明,本文设计的基于关联规则的远洋舰船运行监控大数据挖掘方法比传统的舰船运行监控大数据挖掘方法精准度高,具有一定的实际应用意义。     

舰船电机控制系统中的不稳定数据挖掘方法研究

本文提出一种基于功率谱密度估计的舰船电机控制系统中的不稳定数据挖掘方法。对舰船电机控制系统中的不稳定数据进行信息与信号模型构建,对不稳定数据进行时域和频域分析与描述,在时频域中进行功率谱密度特征提取,实现对不稳定数据的经验模态分解和多分量幅度调制,增强功率谱密度特征对舰船电机控制系统中的不稳定数据的表征能力,提高数据挖掘性能。仿真结果表明,采用该算法能有效提高舰船电机控制系统不稳定数据挖掘精度,准确检测概率较高,在舰船电机控制系统的运行状态监测和故障诊断分析中具有较好的应用价值。     

大数据技术在舰船导航模式识别中的应用

针对现有导航模式识别方法无法获得精确且完整的导航轨迹信息,致使识别准确率无法满足舰船的安全性需求,故提出大数据技术在舰船导航模式识别中的应用。将舰船雷达与AIS目标点迹表示为因素集合,并构造综合因素关联隶属度函数,通过双门限关联算法对舰船导航点迹关联性进行判定,应用大数据技术融合处理关联的雷达与AIS目标轨迹信息,以此为基础,通过附加动量法改进BP神经网络算法,将融合后导航轨迹信息输入至改进BP神经网络算法中,输出即为导航模式识别结果。实验数据显示,与应用文献[4]方法相比较,应用大数据技术的导航轨迹方差较小,为导航模式识别提供更精确的数据支撑。     

基于聚类分析算法的舰船数据挖掘

目前应用的舰船数据挖掘准确度较低,因此设计一种聚类分析算法的海上舰船数据挖掘。在数据挖掘中应用聚类分析算法,需要对数据进行预处理,得到文本数据特征向量集,利用模糊集体现近似关系,根据隶属度的取值将模糊聚类的思想演变为目标函数,将数据集按照目标函数,划分为具有较小差距的群组,初步得到数据挖掘结果,经过评估后,筛选出准确度最高的数据,作为数据挖掘的最终结果。至此完成了聚类分析算法的海上舰船数据挖掘的研究。通过实验表明,设计的数据挖掘准确度平均为92%,比传统的数据挖掘准确度高17.2%,验证了设计的聚类分析算法的海上舰船数据挖掘在提高挖掘准确度方面的可靠性。     

基于协同过滤的舰船营运数据挖掘算法研究与实现

传统的舰船营运数据挖掘算法存在着性能较差的缺陷,为此提出基于协同过滤的舰船营运数据挖掘算法研究与实现。将采集的多种数据来源的舰船营运数据进行集成,以得到的舰船营运数据集成为依据,构建矩阵分解模型,得到用户对舰船营运数据预测评分矩阵,采用分层随机梯度下降法对预测评分矩阵进行求解,以得到的预测评分为基础采用协同过滤算法实现了舰船营运数据的挖掘。通过实验得到,提出的舰船营运数据挖掘算法的RMSE参数平均值比传统算法小了0.34,说明提出的舰船营运数据挖掘算法具备更好的性能。     

云平台的海上舰船数据挖掘算法研究

首先进行海上舰船云平台的设计,运用云平台来聚集比照船各方面的性能,建立完整的舰船性能数据库。本文从舰船数据挖掘的目的出发,在设计数据挖掘算法时利用核主元分析、归一化、舰船分两类、新船与参考船比较计算、线性逼近等步骤。分析海洋环境和舰船性能之间的关系,并给出舰船性能公式。最后通过实验进行数据挖掘结果的分析。实验结果表明,本文所设计的算法在时间复杂度和准确性方面要优于其他算法。     

大数据分析下舰船维修数据挖掘算法优化分析

舰船维修数据具有重要的利用价值,当前算法无法有效对其变化特点进行准确挖掘,无法充分发挥舰船维修数据优势,为了提高舰船维修数据挖掘精度,设计了基于大数据分析下舰船维修数据挖掘算法。首先采用单一算法对舰船维修数据进行挖掘,并根据挖掘精度对各种算法进行评价。然后采用大数据分析技术中的包容性检验算法选择最佳的单一模型,并对它们结果进行组合,得到舰船维修数据挖掘结果。最后采用舰船维修价格的历史数据作为实验对象,分析本文方法的优越性。本文方法的舰船维修价格的预测精度要显著高于当前其他数据挖掘算法的精度,而且舰船维修价格预测可信度更优,降低了舰船维修价格预测误差。     

知识管理技术在舰船动力装置设计中的应用

在数字化造船背景下,为了将知识管理技术有效地应用于舰船动力装置设计领域.本文在分析当前应用现状的基础上.研究了舰船动力装置设计知识的获取途径.组织方法,存储方式以及知识重用流程构建等知识管理过程的相关内容.以此为基础设计了一种基于PDM系统,以智能搜索引擎.知识地图、产品结构树为主要应用手段的知识管理技术方案.最后在.net平台上进行实现,并结合设计过程实例加以验证.