船舶电网系统三维点云数据聚类提取分析算法

船舶电网系统结构直接对船舶电力系统运行的稳定性和可靠性产生影响,船舶航行过程中经常出现供电不足等问题,严重威胁船舶航行安全。为解决上述问题,采用三维点云数据聚类算法对船舶电网运行状态和可靠性进行评估计算,并结合可靠性评估计算结果对船舶配电系统结构进行优化设计,将船舶电网系统中的电缆设计为环状结构辐射网,以便保障电力系统运行效果。为了对船舶电网系统三维点云数据聚类提取分析算法的准确性进行检测设计了仿真实验,实验结果证实,三维点云数据聚类提取分析算法可更好的提高船舶电力系统的运行效果,保障船舶航行安全     

一种优化的船体外板三维点云数据提取方法

针对水火弯板机检测系统中船舶外板三维点云数据自动提取过程存在边缘噪点、板下贴合垫木识别效率低以及外板边缘拟合等问题,提出一种优化DBSCAN聚类算法,首先根据现场加工环境精简点云,利用网格划分来建立外板点云拓扑模型,然后根据DBSCAN密度聚类算法搜索出外板点云,最后采用最小二乘法进行边缘拟合。结果表明,该算法能有效识别外板边缘,提取出外板点云。     

优化的蚁群算法和船舶电网系统云数据聚类和实现

首先分析蚁群聚类算法,并指出其存在的问题;然后给出传统的蚁群聚类算法在船舶电网云数据聚类的实现流程,针对算法中存在的问题,提出利用惯性因子、随机初始化等方式改进和优化算法对船舶电网故障进行诊断;最后通过实验进行说明,优化后的蚁群聚类算法与K-mean算法、粒子群K-mean算法相比具有较好的收敛性。     

云平台和分布式处理系统的船舶图像分类

在云平台和分布式处理系统中进行船舶图像分类,提高船舶的调度和识别能力,提出一种基于Harris角点检测和BP神经网络的船舶图像分类算法,在云平台和分布式系统下进行船舶图像采集,对采集的船舶图像进行二值化降噪处理,采用Harris角点检测技术提取船舶的分类标识性特征量,将提取的特征量输入到BP神经网络分类器中,实现云平台环境下的船舶图像分类。仿真结果表明,采用该方法进行船舶图像分类的准确性较高,抗类间干扰性较强。     

船舶三维数字化云服务平台设计

由于大量数据需要船舶客户端来进行处理,导致船舶客户端压力过大,难以满足使用要求,因此提出船舶三维数字化云服务平台设计。搭建服务平台架构,运用北斗卫星通信技术实现船舶三维定位功能,利用Three-Queue调度算法将部分客户端监控数据调至云服务器中进行分担运算,使用DBSCAN聚类算法,在云服务器中帮助船舶进行航行轨迹追踪运算。实验结果表明,设计平台可有效降低客户端CPU与内存的运算占用,缓解船舶客户端的运算压力。     

复杂船舶信息数据库的目标数据检索方法研究

在对复杂船舶信息数据库的目标数据检索中受到数据的类间扰动因素的影响,导致检索的查准率不好,提出一种基于模糊关联维特征匹配的复杂船舶信息数据库的目标数据检索方法,构建大型船舶综合信息数据库的分布式数据存储结构模型,提取船舶信息数据流进行特征重组,采用关联维模糊空间聚类方法进行大数据分类处理,根据船舶信息数据分类属性特征进行特征提取和干扰滤波,结合模糊特征匹配方法实现检索目标数据的空间聚焦,并在信息系统终端输出检索数据。仿真结果表明,采用该方法进行船舶信息数据检索的查准率较高,抗干扰能力较强。     

大数据分析下的船舶调度方法研究

船舶分布状态数据为一组非线性组合的离散数据,采用大数据分析方法进行船舶调度,提高船舶分配的有效性,提出一种基于关联匹配的船舶分布状态数据聚类及船舶调度方法。对采集的船舶大数据进行模糊C均值聚类处理,根据船舶状态特征属性分布进行大数据环境下的关联规则挖掘,提取反映船舶属性的特征量,以提取的特征量进行关联匹配,实现船舶优化调度。仿真结果表明,采用该方法进行船舶调度能有效反映船舶的类别属性,提高船舶的分类管理和调度能力,从而提高船舶的运输效率。     

数据挖掘聚类技术下船舶网络安全保护态势研究

船舶网络交互安全可以直接影响船舶日常工作,为了有效提高船舶网络安全保护质量,引入数据挖掘聚类技术,以此为基础设计船舶网络安全保护技术。在当前船舶网络环境下,建立多条数据基本链,不断迭代,完成网络数据挖掘,再辅以三维云数据聚类技术,完成数据聚类,根据聚类数据类型特征,设计3种不同的访问控制路径,获取特征细节层次,最后建立保护控制端口,根据网络访问数据的特征细节和稳态率,明确响应时间,以此作为排序依据,进行访问控制排列,实现船舶网络安全保护。实验数据表明,应该船舶网络技术后,船舶网络非法占用比降低了26%,程序非法捕捉率提高29%。     

大型舰船穿越海上桥梁过程安全性远程监测方法分析

为了提高大型舰船横穿桥梁时,其远程监测的有效监控范围,设计提出了一种基于舰船轨迹分析的新型安全性远程监测方法。建立固定坐标系和舰船航行坐标系,根据舰船航行重心G,明确船舶航迹及船位,通过三维点云数据提取技术,提取航迹特征值,根据聚类计算结果,求取船舶未来过桥时的有效路径及间距,建立远程传输通路和后台分析模块,通过知识库内预设的逻辑处理分析程序,对当前船舶轨迹特征信息和预设轨迹特征信息进行测评,实现舰船安全性远程监测。实验数据显示,该方法在顺向风流环境下,对舰船安全性远程监测有效监控范围提高了29%,说明该方法确实可以提高远程监控的有效监控范围,具有明显优势性。     

WEB前端开发技术在船舶通信数据可视化中的应用

针对传统的船舶通信数据可视化方法存在数据过滤性能较差的问题,提出设计一种基于WEB前端开发技术的船舶通信数据可视化方法。时域信息作为船舶通信数据的一个重要属性,包括持续通信时间与系统时间,它们的属性分别为跨度与刻度,采用不同的方式对二者进行处理。获取船舶通信数据中节点间的通信流具体数量与通信总数量,利用获取数据对节点聚类进行计算,根据聚类指数计算船舶通信节点作用力。利用Web前端开发技术对船舶通信数据棒状图的图标进行绘制,最终实现船舶通信数据可视化。为了证明该方法的数据过滤性能较好,将原有方法与基于Web前端开发技术的船舶通信数据可视化方法进行对比实验,实验结果证明该方法的数据过滤性能优于传统方法。     

嵌入式船舶运行数据库中信息快速查询方法

针对当前嵌入式船舶运行信息数据库信息查询的开销大,查准率不好的问题,提出基于模糊聚类和相关谱特征提取的嵌入式船舶运行数据库中信息快速查询方法。首先进行嵌入式船舶运行信息资源数据的采集和存储结构分析,提取嵌入式船舶运行信息数据信息流特征,对船舶运行数据进行自相关特征分析,提取反映船舶运行状态特征的相关谱特征量,对提取的谱特征量采用模糊C均值聚类方法进行特征识别和分类处理,提高数据库查询的目标指向性,实现数据库信息快速查询。仿真结果表明,采用该方法进行嵌入式船舶运行数据库中信息查询的查准率较高,实时性较好。     

基于RGB-D深度图像的船体板架非结构面模型重建方法北大核心CSCD

[目的]为准确、快速地重建船体板架非结构面三维形状,便于船体结构变形的高精度高效率测量,设计一种基于RGB-D深度图像的模型重建方法。[方法]首先通过随机抽样一致性算法与最小二乘法相结合的方式剔除点云集中的异常数据,再利用RGB彩色图像棋盘格标靶位置信息对结构多视角点云进行配准;其次将结构物面进行区域网格划分并对点云进行聚类,运用最小二乘法原理对每个网格点云子集进行空间曲面拟合,实现点云融合,在此基础上采用高阶面元实现船体结构外板表面的三维重建;最后,通过试件重构模型与激光扫描点云进行对比,验证模型重建方法的精确性。[结果]结果显示,试件三维重构模型较激光扫描点云随机点的均方根误差为1.02 mm,建模精度满足船舶建造工程需求,同时结构RGB-D深度图像数据获取时间相比于激光扫描可忽略不计。[结论]研究表明,提出的模型重建方法能够准确高效地完成船体板架非结构面三维重构,为船体结构变形测量提供了有力的数据支撑。     

船舶轮廓图像三维重构技术研究

传统三维造型技术所得的三维坐标精准度差,为了解决这个问题,提出一种新的船舶轮廓图像三维重构技术。先提取船舶轮廓线,在处理船舶轮廓图像数据,以实现重构的完整性,在此基础上,采用零均值归一化算法,匹配船舶轮廓图像特征点,在建立粗匹配关系后,获取船舶轮廓三维点坐标,实现船舶轮廓图像三维重构,由此,完成船舶轮廓图像三维重构技术的设计。最后,在数据库中随机选取7组立体匹配对应图像点,对比2种方法的精准度,实验结果表明,所提方法精准度更高。     

知识驱动的船舶分段建造车间在线调度方法

针对船舶分段建造车间工位利用率低的问题，提出基于聚类算法的知识驱动船舶分段建造车间在线调度方法。利用DBSCAN算法对小组立参数进行聚类，并提取簇中的调度特征参数，作为该簇的调度知识；对于待加工小组立，依据参数数据确定归属的聚类簇，并为其绑定该簇调度知识。实例验证表明，知识驱动的在线调度方法相对于传统的调度方法，车间工位平均利用率提升了7.97%，说明采用文章提出的在线调度方法可有效改善分段建造车间调度问题。     

船舶水下通信系统中海声信道文本数据聚类方法研究

传统的文本数据聚类方法性能较差,无法得到最优的聚类原型。为了解决这个问题,提出船舶水下通信系统中海声信道文本数据聚类方法研究。首先处理在船舶水下通信系统中选取的海声信道文本数据,在应用聚类定义,分解文本数据相异度矩阵,为统一变量度量值,应用绝对偏差均值公式进行标准化处理,在此基础上,对海声信道文本数据进行聚类,由此,完成海声信道文本数据聚类方法的设计。在实验中,随机选取10组文本数据相异度矩阵,通过对比2种方法的性能,验证所提方法的可行性。实验结果表明,所提方法性能更好,更占优势。     

基于FCM-ANFIS模型的船舶交通流预测

提出一种基于模糊C均值聚类自适应神经模糊推理系统(Fuzzy C-Means Clustering Algorithm with Adaptive Neural-Fuzzy Inference System,FCM-ANFIS)的船舶海上交通流预测模型,采用相关分析法预测网络模型的输入变量个数;采用模糊C均值聚类算法对仿真数据进行分析和模糊聚类,从而确定模型的聚类中心,进而建立ANFIS预测网络结构。该模型采用BP算法与最小二乘算法相结合的混合学习算法进行网络参数训练,可克服传统预报模型收敛速度慢和局部最优等问题,进而提高预报精度。同时,选用船舶自动识别系统(Automatic Identification System,AIS)记录的船舶交通流数据进行仿真预报,仿真结果验证了该模型的可行性和有效性,并取得良好的效果。     

船舶位置数据的提取和存储系统设计

针对当前船舶位置数据提取和存储过程中存在的速度慢、效率低等难题,设计了一种基于云平台的船舶位置数据的提取和存储系统。首先对船舶位置数据的提取和存储的研究现状进行分析,找到引起问题的因素,然后设计了基于云平台的船舶位置数据的提取和存储系统的总体框架,然后分别详细描述了硬件系统和软件系统的工作流程,并对一些关键技术进行分析,最后对与当前船舶位置数据的提取和存储系统进行对比模拟实验,结果表明,本文系统加快了船舶位置数据的提取和存储的速度,船舶位置数据的提取和存储精度也得到了大幅度的提高,具有十分重要的实际应用价值。     

基于多媒体技术的船舶驾驶模拟器三维视景生成方法

采用三维输出方法,只能对船舶基础数据进行输出计算,无法还原船舶操作控制系统的真实位置,因此,提出基于多媒体技术的船舶驾驶模拟器三维视景生成方法。构建三维模型库处理船舶驾驶系统相关数据,根据数据处理结果对驾驶空间数据进行曲线空间控制计算,并对三维运算数据进行多媒体视觉输出计算,将计算得出的数据根据输出接口协议的不同,接入相应的视觉输出设备中,完成三维视景的输出操作。对所设计方法的船舶驾驶控制数据还原精准度进行仿真测试,结果证明其具有驾驶环境还原度高,数据还原完整性高的特点。     

大型船舶综合信息数据库的目标数据检索方法

为了提高大型船舶综合信息数据的挖掘和检索能力,实现大型船舶综合信息数据库优化访问,提出一种基于关联特征映射调度的大型船舶综合信息数据库的目标数据检索方法。在数据库中提取目标数据的频繁项规则性特征量,对提取的大型船舶综合信息特征量采用模糊K均值聚类方法进行分类管理,采用特征分解方法对数据库中的存储数据节点进行决策树分叉设计,实现目标数据的关联特征映射调度,提高数据的检索能力。仿真结果表明,采用该方法进行大型船舶综合信息数据库中目标数据检索的查准性较好,检索精度较好,数据的召回性较高。     

一种基于数据挖掘的锚泊半径模式提取方法

为了使VTS中心关于走锚半径的设置更加准确,通过对AIS数据的处理,采用聚类方法提取出船舶锚泊时的航次数据,使用关联规则算法对提取的锚泊航次数据进行数据挖掘,建立船舶锚泊半径模式提取规则。将挖掘所得结果与国内外规范计算值进行对比分析,相对误差在可接受范围内。