水下运动目标动态谱特征提取与增强的现状与展望

介绍了国内外关于水下运动目标动态谱特征提取与增强的相关函数与功率谱方法、自适应谱线增强方法、小波变换方法、基于神经网络的方法、混沌动力学与分形理论、高阶统计量方法等主要方法及研究成果,分析了各种方法的主要缺陷,指出了在所有方法中用高阶统计量方法提取与增强运动目标动态谱特征是最值得深入研究的课题。     

智能水下机器人路径规划方法综述

路径规划方法是智能水下机器人技术研究的核心内容之一,是实现自主航行和作业的关键环节。本文将水下机器人的路径规划方法按智能程度分为传统和智能两大类。传统方法包括基于路线图构建的路径规划方法、基于单元分解的路径规划方法以及基于人工势场的路径规划方法,智能方法包括基于群智能的路径规划方法和基于机器学习的路径规划方法。针对水下机器人规划环境的特点,分别对这几类典型方法进行总结与评价,重点分析了智能方法的优缺点和关键问题,最后展望智能水下机器人路径规划的未来研究方向。     

计算机辅助船舶型线设计的几种方法

本文评述闻计算机辅助船舶型线设计的四种方法：系列船型方法，母型船方法，低波阻船型方法和数学船型方法。     

关于适合于海洋探测信号处理的几种基于人工神经网络的预测方法

本文讨论了并比较了几种适合于海洋探测信号处理的预测方法：基于统计的线性预测方法、传统ＢＰ神经网络方法，改进的带线性链的ＢＰ神经网络方法以及具有ＢＰ神经网络学习算法的ＡＲＭＡ方法。对后两种方法作者从理论上进行了分析和推导。实践表明，后两种方法的速度比传统ＢＰ神经网络方法的速度快，数据压缩比也高。     

智能水下机器人路径规划方法综述

路径规划方法是智能水下机器人技术研究的核心内容之一,是实现自主航行和作业的关键环节。本文将水下机器人的路径规划方法按智能程度分为传统和智能两大类。传统方法包括基于路线图构建的路径规划方法、基于单元分解的路径规划方法以及基于人工势场的路径规划方法,智能方法包括基于群智能的路径规划方法和基于机器学习的路径规划方法。针对水下机器人规划环境的特点,分别对这几类典型方法进行总结与评价,重点分析了智能方法的优缺点和关键问题,最后展望智能水下机器人路径规划的未来研究方向。     

基于信息熵的舰船装备建造费组合预测研究

舰船装备建造费的预测方法多种多样,不同的方法体现出不同的特点.针对常用的几种费用预测方法,充分利用不同方法的特点和提供的信息,提出基于信息熵的最优组合预测模型.在建立预测方法评价指标集的基础上,利用信息熵确定了各种方法在组合预测模型中的权重.该方法能处理预测中的不确定性因素,同时综合考虑了各种方法的特点以及预测过程中预测人员主观因素的影响,较为符合舰船装备建造费预测的实际情况.实际应用表明该方法可行,具有实用价值.     

舰船短波通信自适应抗干扰阵列天线控制方法

常规的阵列天线控制方法通常难以与短波信号定位技术相结合,导致阵列天线抗干扰能力较差,因此设计了一种舰船短波通信自适应抗干扰阵列天线控制方法。研究短波信号自适应定位方法,基于该自适应定位方法建立阵列天线解析表达式,将短波信号定位技术应用于阵列天线自适应抗干扰控制方法中,实现舰船短波通信自适应抗干扰阵列天线控制方法的优化。根据实验结果可知:该方法在受到干扰后得到的信噪比在扫描角度相同时均大于2种常规方法,其平均信噪比较2种常规方法大约1.62 dB和2.21 dB,可知该短波信号自适应抗干扰能力优于常规方法,实现了阵列天线控制方法的优化。     

实用船舶结构疲劳评估方法概要

船舶结构的疲劳评估是船舶力学的主要研究领域之一。本文对常用的船舶结构疲劳评估方法——船级社提出的简化方法、谱分析法、设计波法、断裂力学方法,以及概率S-N曲线和概率断裂力学方法进行了概述。首先分别对每种方法中的关键技术细节进行了较为详细的论述,给出了这些技术细节当前的处理方法及存在的主要问题。最后,对各方法进行了总结和概括,指出了每种方法的优缺点,并给出了每种方法未来的研究重点和发展方向。     

潜艇耐压液舱结构几种应力近似解析法的简要评述

首先进行了潜艇耐压液舱结构四种应力近似解析法的比较分析；指出了《潜艇强度》中推荐的方法已不适用，黄加强方法被沈丰方法包含，国外的一种方法与沈丰方法典型点计算结果接近，但沈丰方法简单，实用；     

基于Shapley值变权的航运业发展评价

为降低单一评价方法对同一对象的评价结论存在的误差,基于Shapley值方法选择多种评价方法对航运业发展进行评价,得出最佳博弈评价方法的权重以降低误差。对2012—2016年福建省航运业进行评价的案例结果显示:不同评价方法的计算结论存在差异,Shapley值变权方法能有效地降低不同评价方法造成的误差,提高评价结论的精确度。基于Shapley值变权方法对航运业发展进行评价具有较好的创新性和应用价值。