船舶无线网络通信过程差错数据智能检测方法

现有的异常数据检测方法无法适应船舶无线网络通信环境,存在漏检率高的问题,为此提出通信网络差错数据智能检测方法。根据舰船无线网络通信的特点,选取通信数据差错特征。利用数据采集设备,获取船舶无线网络通信过程数据。通过计算数据集的离散度与设置置信区间2个步骤,实现对通信过程差错数据的识别。以识别结果为基础,分别从数据长度、格式和内容3个角度,实现对通信差错数据的智能检测。为了验证设计的智能检测方法的检错能力设计性能对比实验,结果表明,与传统差错数据检测方法相比,设计的智能检测方法的漏检率降低了30.1%,且通过该方法的检测与控制提高了无线网络通信的稳定性。     

基于RFID技术的动车组轮对检修管控系统

应用射频识别（RFID）技术和信息物理融合思想，以某转向架车间为研究对象，构建了一个动车组轮对检修管理与控制系统。该系统在信息采集、动车轮对状态监视及检修过程控制等方面提供了一种信息物理融合的管控方案。现场应用效果表明，该系统可有效提高动车组轮对周转效率，实现动车组轮对检修过程实时跟踪和实时控制。     

云计算的船运物流运输中智能航道选取算法设计

船运物流运输过程中,经常碰到航运路线有多条,或受外界因素影响航线需要调整的状况。此时需要航道调度系统对航道数据进行分析计算,给出当下的最优航道选取方案。但是,现有的航道选取算法存在数据分析处理慢,多资源航道数据融合度差的问题。因此,将云计算技术作为算法的核心,提出云计算的船运物流运输中智能航道选取算法设计。通过引入KDUFN-YUN云端航线资源融合算法,完成对航道客观数据与云端数据互通;接着,在云计算的基础上引入最优选取算法,对云计算下融合的航道数据进行最优选取;最后,通过仿真实验证明提出算法的可行性。     

杭州至海宁城际铁路智能维保研究

为解决传统维保存在的诸多问题,进一步优化运维方式、降低维保成本、提升管理效率,以杭州至海宁城际铁路(以下简为"杭海城际铁路")智能维保项目为切入点开展相关研究.将智能维保划分为数字化、自动化及智能化3个方面,强调了数据接口、数据共享的重要性,重点阐述了生产计划管理、设施设备管理、生产工具管理、人力资源管理及设施设备智能检测的建设思路,提出了对维保自动化、维保智能化的思考.研究成果已成功运用于杭海城际铁路智能维保建设中.     

多参量状态下舰船网络异常故障智能诊断方法分析

为了解决船舶网络数据交互压力成倍增长,网络故障特点已由单纯的单要素故障转变为多因素故障的问题。提出多参量状态下舰船网络异常故障智能诊断方法分析。对网络环境的全局变量进行收集,获取多参量状态,根据获取的多参量状态数据,建立多参量网络健康评估模型,定义对参量下故障识别的学习状态,确定网络故障点,通过数据提取算法完成对故障点的提取,完成故障的智能诊断。通过实验数据表明:相同时间量与故障量下,采用设计方法的故障诊断效果,要比传统诊断方法多诊断出故障21处,提升效果明显。     

64000载重吨智能散货船总体设计研究

基于船舶绿色节能、智能化、安全化的发展要求,以64000载重吨智能散货船为研究对象,优化总布置方案,采用型线、桨、节能装置一体化的节能装置设计方法优化船舶水动力性能,配置船舶智能系统.实船应用表明:合理的总体方案布置、优化的节能装置设计和船舶智能系统的配置可以使船舶的营运更经济、更安全.     

船舶智能设计浅析

随着《中国制造2025》提出综合实力进入世界制造强国前列的制造强国战略目标,基于新一代信息技术产业的智能制造工程正在各个产业迅速推进。但作为制造强国基础的智能工厂并不仅仅局限于智能制造,还应该包括智能设计、全范围的智能物流和智能管控等。其中智能设计是缩短产品研制周期的关键,通过智能设计产生最优化的数据、高正确率数据是缩减制造周期降低制造成本的关键。文章简要剖析智能设计在船舶行业的应用,基于现状展望智能设计的发展方向,并分析了发展智能设计所需的数据系统建设。     

基于改进低秩矩阵补全的交通量数据缺失值插补方法

提出了一种低秩矩阵补全的改进方法以研究道路交通量数据缺失值插补问题。应用基于核范数的低秩矩阵补全对交通量数据矩阵中的缺失值进行第1轮插补; 通过层次聚类算法将交通量数据划分为不同类别, 使得同类中的数据具有较强相关性, 异类中的数据具有较弱的相关性; 在每类样本上应用低秩矩阵补全得到缺失值的第2轮插补; 为了减少聚类数的影响, 提出最小二乘回归集成学习方法将不同聚类数下的插补结果进行融合, 得到最终的交通量数据插补结果; 用美国俄勒冈州波特兰市的交通量数据比较了5种方法的插补误差, 并分析了不同聚类数和距离度量方法的影响。研究结果表明: 在完全随机缺失模式下, 缺失率为10%~60%时, 其相对于传统的低秩矩阵补全模型的插补误差降低了5.93%~9.11%;在随机缺失和混合缺失模式下, 插补误差也分别降低了8.32%~9.55%和8.14%~9.20%;集成不同聚类数下的多个插补结果比单一聚类数下的插补误差降低2.62%~4.76%。可见, 在3种数据缺失模式下, 改进低秩矩阵补全方法降低了交通量数据的插补误差, 能有效提高插补后交通量数据的有效性。