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。     

美国拟推行2000英里远程船舶识别和追踪措施

据悉，美国正在推进动议，拟迫使所有船舶安装设备，在2000ndle的范围内传送其识别和准确位置(identity and exact location)，使之在所有时间得知该船舶所处经纬度(latitude and longitude)。于2002年12月在伦敦举行国际海事保安外交大会(Diplomatic Conference on Maritime Security)上，通过11项决议，其中包括     

基于影子显示位图技术的GIS图形部分的实现

在地理信息系统的开发过程中,对屏幕图形进行精确识别是一个较难解决的技术问题。在某些实际应用中,近似处理的误差已经超过了人们所能接受的程度。该文就地理信息系统中的图形识别技术给出了一种全新的方法——影子显示位图(Shadow Display Bitmap)技术。影子显示位图技术用于精确地识别显示在屏幕上的各种简单的和复杂的图形元素。该文详细地论述了影子显示位图技术的工作原理和实现方法。该文通过实验证明影子显示位图技术解决了识别图形元素时的误差问题,识别复杂图形元素的能力强,比常用图形识别技术容易实现。     

基于LSTM-FCN神经网络的船舶电力系统故障识别方法

船舶电力系统拓扑结构日趋复杂，故障种类繁多且不易区分。为确保继电保护动作的正确性，本文基于船舶电力系统故障录波数据，利用全卷积网络(Fully Convolutional Network, FCN)在局部特征提取上的优势，以及长短期记忆网络(Long Short-Term Memory, LSTM)在时序特征提取上的优势，提出了一种基于改进LSTM-FCN网络的故障诊断模型，并应用于船舶电力系统故障识别。依托PSCAD/EMTDC仿真软件对典型船舶电力系统各种故障进行仿真，通过小波变换对采样信号进行预处理。实验结果表明：本文所提出的故障诊断模型能够很好地对船舶电力系统故障进行分类识别。     

基于深度学习的船舶设备信息智能化识别技术

针对船舶设备信息识别问题，提出采用基于深度学习的方法识别船舶设备种类信息。根据船舶设备特点进行图像预处理和图像样本标记，建立卷积神经网络。经训练得到可用于船舶设备信息识别的模型。对模型进行评估，调整网络结构和训练参数，得到准确率达到期望值的船舶设备信息识别模型。经预测和优化得到基于深度学习的船舶设备信息智能化识别模型，可实现船舶设备仓储管理智能化，在较大程度上提升管理效率。     

基于LDA的潜艇机械噪声识别算法研究

通过选取一定数量的潜艇机械设备噪声信号作为训练样本,利用线性判别分析算法(LDA)对噪声信号建立识别分类模型,然后将待测信号与已知信号库(机械设备正常工况下的噪声信号和所有已知故障情况下的噪声信号)中所有信号分别投影到识别分类模型上一一进行比对,确定潜艇机械噪声的类别.论文使用噪声模拟信号进行了相关实验,结果表明该方法能够比较准确的达到识别分类的效果.     

基于软判决的(n,1,m)卷积码盲识别

针对(n,1,m)卷积码的盲识别问题,提出了一种软判决条件下的识别新方法。首先利用检验关系建立含错方程组,然后定义解向量的符合度,通过遍历验证,完成码长和生成多项式矩阵的识别。最后,对所提方法进行仿真验证,并分析了不同参数下的识别性能。结果表明,该方法能对(n,1,m)卷积码进行有效识别。     

舰船加筋板结构的圆孔形穿甲损伤识别方法

[目的]舰船在执行作战任务时会受到导弹或炮弹的攻击,而穿甲损伤识别有其特殊性,对其进行专门研究具有重要意义。[方法]以舰船普遍存在的加筋板结构作为研究对象,首先,采用加筋板前3阶模态的固有频率作为特征参数的概率神经网络(PNN)对加筋板进行圆孔形穿甲损伤识别研究;然后,通过结合模态特征和加速度方差的结构损伤识别方法,解决固有频率的对称性识别问题。[结果]结果表明,所用方法对圆孔形穿甲损伤的定位和损伤程度识别效果良好。[结论]概率神经网络收敛速度快,易于在硬件上实现高度吻合的加筋板结构圆孔形穿甲损伤识别问题。     

分析预测理论在空间位置探测数据处理中的应用（I）——空间位置探测数据处理问题和关键技术

这组系列文章将介绍作者研究提出的分析预测理论，以及该理论在目标空间位置探测数据处理问题中的应用。从宏观上讲这种应用几乎平行于传统方法地给出了一整套全新的空间位置探测数据理论和算法。从微观上看，这种应用还具有一些传统方法没有的特点，例如可以对目标运动的模式进行识别(因此确保我们以与目标运动模式相同的或类似的模拟方程对目标进行滤波，从而获得精度更高的预测值)，可以给出目标在未来时刻的真实值的范围为我们进行数据关联提供更好的判据，可以解决一维和两维探测数据的融合问题，可以对不同探测精度的数据进行点迹融合等。另外该系列文章研究的工作与传统的工作有较大的互补性。该系列文章首先给出空间位置探测数据的处理问题的定义，并从中抽象出关键技术。在接下来的系列文章中将讨论解决这些关键技术的思路以及关键技术的分解，理论数学模型，分析预测理论，分析预测处理方法的解的存在性证明，相关算法等。其核心有，目标运动模式的识别技术(模拟方程的选择问题)，模拟方程参数的选择技术，运动模式发生改变的识别技术，航迹聚类技术，航迹和点迹聚类技术，航迹融合技术，不同探测精度和维数的点迹融合技术，位置预测的评估技术等。最后给出仿真实验数据和结果，与传统方法对比的仿真实验数据和结果，以及分析和统计互补使用等问题。     

一种基于乘性规则和支持向量域的水中目标识别分类器探讨

目标识别是水中设备智能化的关键技术之一.通过阐述支持向量域描述(SVDD)以及乘性规则(GA)的原理,提出基于乘性规则和支持向量域结合的方法对水中目标进行分类识别,对比SVM算法需要支持向量数多,运算速度慢的缺点,该方法能有效提高优化识别速度.     

Texture image classification using multi-fractal dimension

This paper presents a supervised classification method of sonar image, which takes advantages of both muhi-fractal theory and wavelet analysis. In the process of feature extraction, image transformation and wavelet decomposition are combined and a feature set based on multi-fractal dimension is obtained. In the part of classifier construction, the Learning Vector Quantization (LVQ) network is adopted as a classifier. Experiments of sonar image classification were carried out with satisfactory resuits, which verify the effectiveness of this method.     

Study on fast calibration of a ULA＇s gain and phase error

Array calibration is important in engineering practice. In this paper, fast calibration methods for a ULA＇s gain and phase errors both in far and near fields are proposed. In the far field, using a single sound source without exact orientation, this method horizontally rotates the array exactly once, performs eigen value decomposition for the covariance matrix of received data, then computes the gain and phase error according to the formulas. In the near field, using the same single sound source, it is necessary to rotate the array horizontally at most three times, build equations according to geometric relations, then solve them. Using the formula proposed in this paper, spherical waves are modified into plane waves. Then eigen values decomposition is performed. These two calibration methods were shown to be valid by simulation and are fast, accurate and easy to use. Finally, an analysis of factors influencing estimation precision is given.     

结构可靠度计算的实用二次二阶矩法

针对结构可靠度二次二阶矩法中曲率计算难度大,不便于工程推广的情况,利用矩阵理论建立了求解曲率的表达式,无须再从求解矩阵特征值的途径求解曲率值,简化了计算过程,提出了适应变量独立或相关情况的实用二次二阶矩法,算例验证了其精度和实用性。     

单体小水线面水翼复合型高速船翼航状态运动稳定性研究

本文研究了单体小水线面水翼复合型高速船（ＨＹＳＷＡＳ）翼航状态的运动稳定性。运用航空领域中的飞行器运动稳定性理论,推导了ＨＹＳＷＡＳ翼航状态线化无因次小扰动运动方程及其特征方程,提出了基于特征根的运动稳定性评判方法及其品质指标,讨论了船舶惯性元素、运动导数以及吃水的变化对ＨＹＳＷＡＳ翼航状态运动稳定性的影响,得出了几点实用的结论,为该船型的研究和设计提供了一定的依据。     

船舶工业轻微事故的主成分分析

主成分分析法是利用降维的思想,在损失很少信息的前提下,把多个指标转化为几个相互独立的综合指标的多元统计方法。将主成分分析用于船舶工业的轻微事故统计中,对事故类型和发生月份进行深入分析,得出事故发生的潜在规律,对制定相应的事故预防策略具有一定的指导作用。     

基于PCA和SVM的柴油发动机冲击故障诊断方法研究

针对柴油发动机振动信号进行故障诊断技术研究,提出了一种基于主成分分析和支持向量机的柴油发动机冲击故障诊断方法。首先利用小波包分解提取出冲击故障的特征;再利用主成分分析技术获得敏感特征参数,进而减小数据处理的复杂程度;最后利用支持向量机对敏感特征参数样本进行训练,获得分类模型,进而实现故障分类。将该方法用于柴油机实际故障分类,诊断准确率较高,证实了本文方法对多种冲击故障诊断的有效性。     

多信息融合技术在船舶动力装置故障诊断中的应用

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊...     

多层隔振系统多向冲击响应计算

本文研究了由多刚体组成的多层隔振系统，获得了多刚体振动系统在总体坐标系描述下的力学模型，找到了微分方程运动变量与系统广义坐标向量之间的一个重要变换公式（LG变换），指出了在总体坐标系下多刚体振动系统振型的物理意义，导出了该系统振动分析的有关计算公式，并且首次在基础多向冲击激励输入情况下，求得了系统的冲击响应，最后给出一计算实例。     

基于RBF网络和遗传优化的船舶操纵模糊控制器

设计了一种基于RBF网络和遗传优化的船舶操纵模糊控制器。首先讨论了传统模糊控制器应用于船舶操纵控制的不足，然后根据模糊系统在特定情况下与RBF网络具有等价关系的特点，采用具有加权平均输出的RBF网络构造了一个船舶操纵模糊控制器，有效地消除了小偏差范围的舵角抖动现象。在此基础上，根据船舶操纵的特点提出了一种尺度变换因子的自整定方法，并采用遗传算法对自整定过程中的可变参数进行优化，以使控制器能够适应实时控制过程中的时变性和不确定性，保持良好的控制性能。最后针对某大型船舶的非线性模型，采用Matlab 6．1的Simulink工具进行了转艏操纵仿真试验，获得了满意结果。     

基于主成分分析的舰船装备维修费组合预测

针对基于回归的组合预测模型,由于舰船装备维修费预测时可利用的样本小、可用的单项预测方法多,容易导致预测模型的数量比用于组合预测的样本数量多,出现回归系数无法估计的问题。在建立基于回归的舰船装备维修费组合预测模型前,首先对各单项预测方法预测结果进行主成分分析,建立舰船装备维修费实际值在选取主成分上的回归模型,给出基于主成分分析的组合预测模型;然后针对主成分分析中根据主成分的累积贡献率确定主成分数量具有一定的主观性,建议采用AIC确定主成分的数量;最后,采用实例对给出的方法进行分析和验证。结果表明:在舰船装备维修费组合预测中,该方法不仅解决了预测模型多于用来组合预测的样本数量问题,而且还可以解决单项预测方法之间的共线性问题,且其预测性能明显优于常用的组合预测模型。