大型船舶电力网络异常输电线路自动识别分析

传统电力网络异常输电线路自动识别方法容错能力差,为此提出大型船舶电力网络异常输电线路自动识别方法研究。建立电力网络输电线路模拟模型对其异常输电线路情况进行模拟,通过模拟采用传感器对异常输电线路信号进行采集,对采集的信号进行特征量提取并将其组合成异常输电线路特征向量,以上述得到的异常输电线路特征向量为依据,采用模糊聚类方法对异常输电线路进行自动识别,实现了大型船舶电力网络异常输电线路的自动识别。通过实验得到,提出的电力网络异常输电线路自动识别方法的容错率比传统方法高出35%,说明提出的电力网络异常输电线路自动识别方法具备极高的容错能力。     

船舶电力网络输电线路信息流转效率控制优化

常规电力网络输电线路信息流转控制应用与船舶电力网络中,存在输电线路信息流转效率较低的问题,为此提出船舶电力网络输电线路信息流转效率控制优化研究。搭建船舶电力网络信息数据库,对数据库中的大数据进行聚类处理,完成电力网络线路信息流转控制方法改进;确定影响因子程序,利用卡尔松修正改变信息流转过程,实现船舶电力网络输电线路信息流转效率控制优化。实验数据表明,提出的信息流转控制优化方法较常规方法,输电线路信息流转效率提高42.15%,适合船舶电力网络输电线路信息流转效率控制。     

基于物联网的船舶异常数据自动识别系统研究

物联网在船舶数据检测领域的应用日益广泛,基于物联网构建起船舶异常数据自动识别系统,可提升异常数据自动识别的性能指标,实现对船舶异常行为的实时监控。在船舶异常数据自动识别中,物联网技术是实现数据传输和共享的关键技术,并能够及时根据识别结果发出报警,以便于船舶快速做出防范决策,保证船舶航行的安全性。本文介绍了基于物联网的船舶异常数据自动识别系统在国内外的研究现状,提出运用主成分分析法和支持向量机算法构建船舶异常数据自动识别模型,并论述了异常数据自动识别系统的设计与实现。     

船舶移动网络大数据异常数据优化识别研究

异常数据对船舶移动网络通信产生干扰,而当前船舶移动网络的异常数据优化方法的效果差,无法满足船舶移动网络通信要求,为此设计了一种基于大数据分析技术的船舶移动网络异常数据优化识别方法。首先分析当前船舶移动网络异常数据优化研究方法,指出它们各自存在的缺陷,然后引入大数据分析技术对船舶移动网络异常数据进行优化和识别,最后进行船舶移动网络异常数据优化识别的实例分析,结果表明,本文方法可以描述船舶移动网络异常数据变化特点,提高船舶移动网络异常数据识别的正确率,而且船舶移动网络异常数据识别时间要短于其它方法,获得了令人满意的船舶移动网络异常数据识别结果。     

数据挖掘的船舶电力电路短路识别

电路短路类型多样复杂,当前方法的电路短路识别错误概率高,为降低电路短路识别的错误概率,设计了基于数据挖掘的船舶电力电路短路识别方法。首先采用传感器采集船舶电力电路工作状态信号,并采用小波包对船舶电力电路工作状态信号进行多层分解,提取相应的小波包能量熵,将其作为船舶电力电路短路识别的特征,然后采用数据挖掘技术对特征向量和船舶电力电路短路类型间的变化关系进行建模,设计船舶电力电路短路识别模型,最后在Matlab 2017平台进行了船舶电力电路短路识别实验,本文船舶电力电路短路识别正确率超过95%,而对比方法的船舶电力电路短路识别率低于90%,本文方法不仅大幅度降低电路短路识别的错误概率,而且船舶电力电路短路识别效率更高,能够用于实际的船舶电力系统管理。     

船舶电力监测网络流量异常检测算法研究

由于船舶电力监测网络的工作环境日益复杂,网络流量出现异常状态的频率越来越高,为了对船舶电力监测网络流量异常状态进行准确跟踪和检测,提出基于数据挖掘技术的船舶电力监测网络流量异常检测方法。首先深入分析当前船舶电力监测网络流量异常研究现状,并收集船舶电力监测网络流量异常数据,然后对船舶电力监测网络流量异常数据进行去噪处理,并根据数据挖掘技术建立船舶电力监测网络流量异常检测模型,最后采用具体船舶电力监测网络流量异常数据进行验证性测试实验。结果表明,本文方法可以有效检测船舶电力监测网络流量异常状态,误检率相当低,并且船舶电力监测网络流量异常检测结果优于其他方法,具有广泛的应用前景。     

船舶运输智能交通系统运动目标自动识别方法

针对当前船舶运输智能交通系统运动目标自动识别方法识别能力较差,导致识别误差过大的问题,提出一种新的船舶运输智能交通系统运动目标自动识别方法。利用激光扫描确定船舶交通环境中,建立交通系统背景模型,分析背景图像和因素点之间的关系,选用连续三帧差加速法,确定灰度投影曲线,通过相关计算得到图像之间的运动位移,实现运动目标自动识别。实验结果表明,所提方法的运动目标识别率较高,检测误差率较低,能够有效缩短计算时间。     

船舶输电线路故障诊断的研究

本文分析了船舶输电线路的频发故障的原因.对比传统经验型船舶输电线路故障诊断过程,参照商用船舶常用的干馈混合配电方式,引入了模糊规则,解决具体故障定位时的不确定性问题.以当前的输电网络状态和诊断级数为推理依据,把输电线路故障的规律程序化.从而在实际操作中快速找出故障点,排除隐患,实现船舶输电线路故障检测的自动化.     

船舶通信网络异常数据自动检测和剔除方法

为提高船舶通信网络异常数据自动检测精度,并全面剔除船舶通信网络异常数据,研究新的船舶通信网络异常数据自动检测和剔除方法。利用基于改进支持向量机的网络异常数据自动检测方法,由改进粒子群优化算法,寻优设置支持向量机的惩罚项、核函数的预定义参数,训练性能合格的支持向量机后,以船舶通信网络数据分类的方式,自动检测船舶通信网络异常数据;将异常数据使用基于自适应级联陷波器的异常数据剔除方法,通过自适应级联陷波器,以异常数据滤波的方式,剔除船舶通信网络异常数据。研究结果显示,使用所提方法,船舶通信网络异常数据自动检测结果符合实际数目,可有效去除船舶通信网络异常数据。     

AIS数据中单船操纵模式辨识

针对当前船舶运动数据的特征过于简单、无法反映单船操纵行为、导致可检测的船舶异常行为类型受限的问题,根据船舶操纵规律和运动学约束条件,利用轨迹中的3个点构建船舶操纵模式模型,提出一种从船舶自动识别系统(Automatic Identification System,AIS)数据中自动辨识单船操纵模式的方法。实际AIS轨迹试验结果表明,该方法能自动提取停留、匀速运动、加速、减速、小幅度左转、小幅度右转、大幅度左转和大幅度右转等8种船舶操纵行为模式,提取出的操纵行为与实际操船意图相符。此外,该方法能有效识别出需重点关注的机动行为,从而为进一步检测船舶异常行为和分析驾驶员行为奠定基础。     

船船、船岸间利用AIS进行信息 交换的注意事项

船舶之间避免碰撞一直是航海安全的主题。随着船舶总量的增加及向着大型化和高速化方向发展,世界重要水道,尤其是港口及附近水域显得尤为拥挤,海上交通事故及险情频发,给航行安全和海洋环境造成了巨大的威胁。目前,船船间及船岸间的相互识别主要是船舶自动识别系统。笔者根据船舶引航实践,发现船舶自动识别系统存在一定的局限性,提出了利用船舶自动识别系统进行船舶识别及信息交换的注意事项和克服方法,以提高船舶航行的安全性。     

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。     

船舶自动识别系统中的计算机视觉技术应用

受环境等外部因素的影响,利用自动识别系统对船舶身份进行识别,存在识别不准确的问题,为解决这一问题,研究者们将计算机视觉技术应用其中,以期改善系统的识别效果。在此背景下,首先对船舶自动识别系统与计算机视觉技术进行分析,然后具体探讨计算机视觉技术在船舶自动识别系统中的应用过程,包括图像采集、图像预处理、图像定义与分割、字符识别等4项内容;最后通过实验对应用效果进行验证,结果表明:应用了计算机视觉技术的船舶自动识别系统较未应用前,数字识别准确性提高14.3%,汉字识别准确性提高12%,识别效果改善,由此证明计算机视觉技术对改善船舶自动识别系统性能有帮助作用。     

无线传感器网络在船舶自动避碰系统中的应用

全球海洋经济的迅猛发展使得运行在海洋中船只体积及密度不断增加,海洋运输中由于船舶碰撞导致的海洋事故频发。传统的海洋避碰系统是利用雷达信号探测障碍物,其精度及识别度不高,已越来越不能满足现代海航安全的保障。本文研究基于无线传感网络的AIS自动识别技术,并将AIS自动识别技术与雷达探测系统有效融合,用来设计船舶辅助避碰系统,解决传统单一导航辅助设备的精度及识别度缺点,最后实现整个系统的软件设计。     

基于无线局域网中船舶自动识别通信平台设计

随着现代航运业的发展,国与国之间的海上交流愈加频繁,海上自动识别系统成为保障各国海上安全航行的关键。基于雷达及APRA的传统识别系统技术,识别效率较低,不能满足现代航海需求。计算机网络及数字通信技术的发展,基于AIS的船舶自动识别系统成为其发展方向。本文研究现有的AIS系统,结合海上无线局域通信网络,设计基于无线局域网的自动识别通信平台,实现船舶与监控中心的高效连接。     

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。     

船舶AIS网络通信异常数据修正方法仿真

为提高船舶AIS网络通信异常数据修正效果,设计一个船舶AIS网络通信异常数据修正方法。首先对通信网络异常数据进行分析,然后采用神经网络对异常数据做了数据融合处理,最后采用小波变换方法对船舶AIS网络通信异常数据修正。仿真分析表明,此次研究的船舶AIS网络通信异常数据修正方法能够有效地将异常点恢复到原始点上,证明了所研究的修正方法的有效性。     

船舶电力网络的模型参考自调节控制技术

船舶电力网络是船舶动力的核心组成部分,当船舶网络中某些单元发生故障或异常时,可能会导致整个船舶电力网络异常甚至崩溃。在船舶控制系统中引入模型参考自调节控制技术以提高船舶电力网络的稳定性和运行性能。本文对模型参考自调节控制技术进行深入研究,在此基础上,提出了改进的K-means聚类算法。     

船舶异常行为研究进展及发展趋势

对船舶异常行为的研究进展、存在的问题及未来发展趋势进行总结和分析。对船舶行为及其异常识别的基本概念和分类进行介绍,提出船舶异常行为识别过程;对船舶异常行为的检测方法进行归纳分类,分述各类方法的研究现状,并剖析存在的问题;针对航运大数据及云计算的利用,阐述船舶异常行为研究面临的机遇和挑战,说明其未来发展方向。     

多目标细胞算法在船舶电力网络恢复中的应用

近年来,随着船舶自动化、电气化程度日益增强,对船舶电力网络的可靠性提出了新的挑战。船舶电力网络恢复是解决船舶电力故障的重要途径之一,当故障发生时,利用转换开关,最大程度恢复主要负载的电力供应。本文研究船舶电力网络及故障提取,建立网络恢复数学模型,利用多目标细胞算法提高网络恢复的效率。