基于深度学习的机器视觉技术在造船中的应用

近年来,以人工智能为代表的新兴技术日渐成为了传统行业生产力提升的增倍器.在船舶建造领域,为了实现高质量发展,智能制造技术的推广势在必行.由于其显著的特性,基于深度学习的机器视觉技术正应用于越来越多的造船工艺流程中,为提高生产效率、提升产品质量做出越来越重大的贡献.     

中望CAD/CAM软件携手铁建重工引领“中国智造”

近日,国内最大、最专业的CAD/CAM软件厂商中望软件与我国轨道装备和掘进机行业领先企业中国铁建重工集团有限公司正式签订了"信息化战略合作"协议。据了解,铁建重工集团全面采购了中望软件旗下的二维以及三维产品中望CAD和中望3D,不仅如此,中望软件还就铁建重工集团未来的发     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

切削深度对沥青路面冷铣刨切削的影响

冷铣刨是清除原有沥青路面的主要方式,研究沥青路面冷铣刨切削机理具有重要意义。基于国内外研究现状,阐述了铣削路面各层特点,建立了二维沥青混凝土路面模型,分析了不同切削深度下切削力的变化情况。研究表明:随着切削深度的增加,切削温度和刀具磨损程度增加,切削力在X方向的分量显著增加,在Y方向的分量变化不大。     

海上风电大直径单桩基础固有频率影响因素的数值分析

针对海上风电整机结构其低阶固有频率的控制问题,基于有限元分析技术开展小直径桩土相互作用的数值模拟分析,与试验结果、API规范计算结果进行对比,验证了数值模型的适用性,分析大直径单桩结构桩内土芯、冲刷深度、表层土置换措施对整机固有频率的影响,结果表明,基于有限元实体单元计算所得一、二阶整机固有频率要明显大于传统p-y方法计算结果;桩内土芯对一、二阶整机固有频率影响很小;在一定范围内,随着泥面冲刷深度的增加,一、二阶固有频率降低不明显,认为传统p-y方法对于大直径单桩的适用性有待研究;在实际工程设计中,桩内土芯的影响可忽略;对于大直径单桩,在一定范围内可以忽略冲刷的影响。     

冲击碾压施工对路基压实效果试验分析研究

冲击式压实机的冲击碾压,能有效减少公路路基的工后沉降量,大大改善因不均匀沉降而形成的道路病害,提高路基的整体强度和均匀性。但冲击碾压工艺参数依赖于普遍性原则,且在填筑材料土质不同的情况下,冲击碾压对路基的压实效果也不同,有必要通过试验,对高填方路基的冲击压实效果进行研究,总结施工经验,收集基础数据,用以指导高填路基冲击碾压施工及参数调整。     

鱼雷定深航行稳定性的分叉分析

鱼雷定深运动方程含有诸多的非线性项，用传统的分析方法对其稳定性进行研究有较大难度。运用非线性科学中的分叉理论，选定鱼雷定深运动方程中的某一流体动力系数扰动值为分叉参数，系统地分析在经典比例微分深度控制系统作用下，鱼雷在退化平衡点处的航行稳定性。利用中心流形定理，推导出系统状态变量解析表达式，对系统 Hopf分叉进行分析，并进行仿真验证。结果表明，流体动力系数变化使定深航行产生 Hopf分叉，并给出了确保鱼雷稳定航行的流体动力参数取值范围。     

Key technologies of ship remote control system in inland waterways under ship-shore cooperation conditions北大核心CSCD

［Objective ］ To meet the requirements of remotely controlling ship in curved, narrow and crowded inland waterways, this paper proposes an approach that consists of CNN-based algorithms and knowledge based models under ship-shore cooperation conditions. ［Method］On the basis of analyzing the characteristics of ship-shore cooperation, the proposed approach realizes autonomous perception of the environment with visual simulation at the core and navigation decision-making control based on deep reinforcement learning, and finally constructs an artificial intelligence system composed of image deep learning processing, navigation situation cognition, route steady-state control and other functions. Remote control and short-time autonomous navigation of operating ships are realized under inland waterway conditions, and remote control of container ships and ferries is carried out. ［Results］The proposed approach is capable of replacing manual work by remote orders or independent decision-making, as well as realizing independent obstacle avoidance, with a consistent deviation of less than 20 meters. ［Conclusions］The developed prototype system carries out the remote control operation demonstration of the above ship types in such waterways as the Changhu Canal Shenzhou line and the Yangtze River, proving that a complete set of algorithms with a CNN and reinforcement learning at the core can independently extract key navigation information, construct obstacle avoidance and control awareness, and lay the foundation for inland river intelligent navigation systems. © 2022 Journal of Clinical Hepatology. All rights reserved.