舰船通信系统终端软件的漏洞智能检测方法

传统舰船通信系统终端软件漏洞检测方法在实际应用过程中存在多样性漏洞特征检测自适应性差,导致全局漏洞检测精准度降低的问题。因此,结合当下通信系统的信息即时性与交互实时性特点,提出舰船通信系统终端软件的漏洞智能检测方法研究。根据船舶通信系统终端软件即时交互协议特点,对其协议进行即时协议漏洞分析;根据分析结果对其进行漏洞数据进行多属性特征模糊定位;通过粒子群算法对多属性类别漏洞进行精准定位,并在此计算过程中优化漏洞检测阈值的适应范围。通过实验数据对比结果表明:提出的漏洞检测方法,能够适应多种类型的漏洞识别,且识别精准度较传统方法提升46.18%。     

船舶移动终端软件的漏洞智能检测方法

在信息恶性攻击行为下,为增强船舶移动终端软件的实际承载能力、实现船体之间的数据稳定通信,提出一种新型的船舶移动终端软件漏洞智能检测方法。借助网络爬虫的具体命名标准对漏洞信息进行实时挖掘,从而完成船舶移动终端软件中的应用漏洞分析。在此基础上,联合各项漏洞触发文件,通过定义虚拟内存空间的方式建立完整的漏洞触发代码,实现船舶移动终端软件漏洞智能检测方法的顺利应用。对比实验结果表明,与无线型软件漏洞检测手段相比,应用新型漏洞智能检测方法后,船舶移动终端所能承载的恶性攻击信息总量超过8.8×1015 T,证明本文方法可有效稳定船体之间的实时数据通信。     

粒子群算法在单矢量水听器方位估计中的应用

粒子群优化算法是一种新颖的进化算法,它基于群体迭代.群体中的粒子在解空间中追随适应度最优的粒子,调整速度与位置并搜索最优解.根据MUSIC算法的定向原理,建立适应度函数,利用粒子群算法对单矢量水听器方位估计算法进行优化.结果表明,优化后可以提高低信噪比时方位估计的精度,并实现对目标的三维定位,同时还可以避免因成阵所带来的使用限制.     

基于粒子群优化粒子滤波的声呐目标检测前跟踪

针对传统固定粒子数粒子滤波算法计算量大、复杂环境下声呐微弱目标检测与跟踪鲁棒性不强的问题，提出基于粒子群优化（PSO）算法的粒子滤波检测前跟踪方法（IPSO-PF-TBD）。该算法在滤波预测与步骤更新之间加入PSO算法，结合预测信息和更新完成的粒子分布状态进行优化，将粒子集合转移到后验概率密度较大的区域，并充分利用声呐回波信号中目标粒子的权重信息设置粒子自适应采样策略，通过检测前跟踪（TBD）技术的数据帧间能量累积和目标检测，提高目标检测前跟踪的性能。仿真试验结果表明，提出的检测前跟踪处理方法对低信噪比及快速机动等复杂环境下的目标进行跟踪时，在位置估计精度和误差值方面明显优于粒子滤波（PF）和PSO-PF算法，具有一定研究和应用价值。     

动力定位海洋平台多发电机组的调度方法

针对动力定位海洋平台能量管理中发电机组能耗较高、排放较大的问题,为实现动力定位海洋平台节能减排,通过建立动力定位海洋平台多发电机组能耗模型和动力定位海洋平台多发电机组调度优化函数,采用粒子群算法进行寻优,根据寻优结果对动力定位海洋平台发电机组进行调度。仿真结果表明,相比传统能量管理方法,基于粒子群算法的调度方法能够降低动力定位海洋平台在各个工况下的能耗,实现动力定位海洋平台节能减排目标。     

基于粒子群算法的动力定位推力分配决策变量优选

针对群智能算法解决动力定位推力分配问题易遭遇局部最优、计算时间长等瓶颈,基于粒子群算法探索不同粒子决策变量对推力分配结果的影响。考虑推力分配目标力和力矩、推力限制、禁止角等约束条件,以推进器功率最优、磨损最小为优化目标建立了推力分配数学模型,构建了基于3种不同粒子决策变量的粒子群推力分配算法,以算法结果的适应度值、计算消耗时间的均值和方差量化算法的收敛性和实时性。对上述3种方法进行仿真分析,结果对比表明,基于文章提出的粒子决策变量搜索在收敛性和实时性上均达到最优,对粒子群算法解决推力分配问题有一定的参考价值。     

动力定位海洋平台多发电机组的调度方法

针对动力定位海洋平台能量管理中发电机组能耗较高、排放较大的问题,为实现动力定位海洋平台节能减排,通过建立动力定位海洋平台多发电机组能耗模型和动力定位海洋平台多发电机组调度优化函数,采用粒子群算法进行寻优,根据寻优结果对动力定位海洋平台发电机组进行调度。仿真结果表明:相比传统的按照功率比例分配等能量管理方法,基于粒子群算法的调度方法能够降低动力定位海洋平台在各个工况下的能耗,实现动力定位海洋平台节能减排目标。     

多种群综合学习粒子群算法在动力定位能力分析中的应用

船舶动力定位能力的计算是一个多次求解非线性多峰问题的过程,综合学习粒子群算法是解决多峰问题较为适合的算法。但由于综合学习粒子群算法的速度更新机制,在算法后期的局部搜索能力较弱,导致收敛速度慢。为此,引入多种群思想,改变速度更新策略以及结合粒子变异机制和种群重组机制,提出一种多种群综合学习粒子群优化算法。最后基于该算法设计了一种动力定位能力计算方法。实例计算结果表明,利用该方法的计算结果与Kongsberg公司给出的结果相吻合,也明显好于基于综合学习粒子群算法而得到的结果。     

基于粒子群算法的动力定位推力分配决策变量优选

针对群智能算法解决动力定位推力分配问题易陷入局部最优、计算时间长等不足,基于粒子群算法探索不同粒子决策变量对推力分配结果的影响。首先考虑推力分配目标力和力矩、推力限制、禁止角等约束条件,以推进器功率最优、磨损最小为优化目标建立了推力分配数学模型,构建了基于三种不同粒子决策变量的粒子群推力分配算法;其次以算法结果的适应度值、计算消耗时间的均值和方差量化算法的收敛性和实时性,对上述三种方法进行了仿真分析,仿真结果对比表明,基于本文提出的粒子决策变量搜索在收敛性和实时性上均达到最优,对粒子群算法解决推力分配问题有一定的参考价值。     

舰船通信网络中的故障节点定位研究

针对船舶通信网络故障节点定位受到高重频干扰的影响,以提高船舶通信网络故障节点的定位精度为目的,提出舰船通信网络中的故障节点定位研究。利用船舶通信网络可疑故障节点的特征,修改节点负荷功率的等效量测,通过可疑故障节点排序流程,完成可疑故障节点的排序;采用粒子群描述故障节点的初始速度和位置参数,消除了故障节点定位的干扰,实现了船舶通信网络故障节点的定位。结果表明,与基于云计算的定位方法相比,提出的定位方法具有较高的定位精度和实用价值。