船舶海水管路腐蚀及监测技术发展综述

海水管路的腐蚀监测已成为当前船舶科学研究领域的一项重大课题。本文介绍船舶海水管路腐蚀原因及现状,分析管路腐蚀的重要因素,给出典型的管路防腐蚀设计方法。分析国内外针对腐蚀监测的研究现状,论述微电流测量对海水管路腐蚀监测的重要意义,提出了研制大口径开口型小电流传感器,对造成船舶海水管路腐蚀的杂散电流进行有效监测的思路。     

船体弹性支撑轴故障检测方法

船体弹性支撑轴故障检测信号很容易受到信号噪声的干扰,导致故障检测结果不理想。对此设计了具有降噪性质的船体弹性支撑轴故障检测方法。根据力学振动相关理论,搭建受力作用下船体支撑轴力学模型,明确各截面受力关系,采集计算弹性支撑轴检测参数,获取信号特征频率,利用时域平均法对检测信号进行去噪操作,提高信噪比,引入能量因子相关理论,将去噪后的信号以文本格式读取到Matlab中,划分大量数据点位,确定能量因子值参数,将信号EI值稳定在1.45～1.50之间,突出故障特征,最终提取数据点位特性信号进行重组合并,获取最终检测结果。经过仿真实验可以肯定与传统方法相比,该检测方法获取到的裂纹故障信号信噪比提高29%,磨损故障信号信噪比提高32%,可以证明该方法的有效性。     

基于神经网络的舰船电机轴承异常检测研究

针对当前舰船电机轴承异常检测正确率低、检测自动化程度低、检测过程十分耗时等难题,为了提高舰船电机轴承异常检测效果,设计了基于神经网络的舰船电机轴承异常检测方法。首先提取舰船电机轴承状态信号,采用小波包分析去除舰船电机轴承状态信号中的噪声,然后采用Hilbert变换提取电机轴承异常状态的特征,将特征作为神经网络的输入,电机轴承异常作为神经网络的输出,建立舰船电机轴承异常检测模型,最后进行舰船电机轴承异常检测的仿真实验,本文方法的舰船电机轴承异常检测正确率超过95%,能够很好检测到舰船电机轴承异常现象,而舰船电机轴承异常检测时间要少于当前其他舰船电机轴承异常检测方法,能够满足舰船电机轴承异常检测的实际要求。     

舰船监控网络入侵的实时检测研究

传统舰船监控网络入侵检测方法实时性差,无法及时发现舰船监控网络中的入侵行为。为了满足舰船监控网络入侵检测的实时性,加快舰船监控网络入侵检测速度,提出一种舰船监控网络入侵的实时检测方法。首先提取舰船监控网络入侵行为特征,然后引入特征降维算法对舰船监控网络入侵行为进行处理,使得舰船监控网络入侵行为特征数量变少,最后引入支持向量机对舰船监控网络入侵行为进行分类和检测,并通过实例分析本文方法的有效性。结果表明,本文方法能够有效防止出现"维数灾"现象,具有较好的舰船监控网络入侵检测实时性,提高入侵检测的准确性,能够有效保证舰船监控网络安全。     

三维视觉识别下推进器模糊故障图像清晰化仿真研究

现有推进器生成图像时采用的传统算法存在噪声辨识度低、图像噪声边缘计算精度差的问题。导致生成的故障图像模糊,无法精准对其分析。针对此种问题,提出三维视觉识别下推进器模糊故障图像清晰化仿真研究。首先,通过展开三维视觉高斯差算法对图像噪声粒子进行差分计算,明确有效图像轮廓;其次,引入噪声循环分解算法,对确定的噪声轮廓内噪声点进行弱化计算,提升有效图像锐度,视线清晰图像的效果。最后,通过仿真实验对提出的设计方法进行对比性数据验证,证明提出的三维视觉识别下推进器模糊故障图像清晰化仿真方法能够有效解决推进器故障图像模糊的问题。     

云计算下海上通信网络异类入侵数据实时检测系统设计

为解决目前广泛使用的通信网络异类入侵数据实时检测系统应用船舶海上通信监测时,存在检测精度较低的不足,提出了云计算下海上通信网络异类入侵数据实时检测系统设计。基于系统架构设计,以及异常数据采集与检测模块设计,实现实时监测系统的硬件设计,依托软件设计,完成了提出的云计算下海上通信网络异类入侵数据实时检测系统设计。试验数据表明,在海上通信环境下,提出的入侵检测系统较目前广泛采用的入侵检测系统检测精度提高37.73%,适合于船舶海上通信网络异类入侵数据实时检测。     

海洋卫星遥感图像对比度特征同步检测方法研究

传统的海洋卫星遥感图像对比度特征同步检测方法具有运算复杂、检测效率低的缺陷,为了解决上述问题,提出海洋卫星遥感图像对比度特征同步检测方法研究。以提取的海洋卫星遥感图像对比度特征为依据构建图像对比度特征图,以此为基础,采用最大熵估计算法对遥感图像对比度特征进行分割,得到遥感图像对比度特征熵,通过LBP方法对遥感图像对比度特征进行同步定位,实现了海洋卫星遥感图像对比度特征的同步检测。通过测试结果显示,与传统的海洋卫星遥感图像对比度特征同步检测方法相比较,提出的海洋卫星遥感图像对比度特征同步检测方法极大地降低了运算复杂度,提升了检测效率,充分说明提出的海洋卫星遥感图像对比度特征同步检测方法具备更好的检测性能。     

基于机器学习的大规模船舶图像检索机制

船舶图像具有大规模、多样性等变化特点,传统船舶图像检索机制难以获得高精度检索结果。为了获得理想的船舶图像检索结果,设计了基于机器学习的大规模船舶图像检索机制。首先分析当前船舶图像检索研究进展,阐述船舶图像检索基本流程,然后采集不同类型的船舶图像检索特征,选择最优的船舶图像检索特征作为机器学习算法的输入、船舶图像类别作为输出,最后通过机器学习算法的训练建立船舶图像检索的分类器,并与其它船舶图像检索机制进行了对照测试。测试结果表明,本文机制可以满足大规模船舶图像检索要求,船舶图像检索正确率要高于对比船舶图像检索机制,可以更快找到用户需要的船舶图像,获得了令人满意的船舶图像检索结果。     

基于改进Apriori算法的船舶通信入侵检测方法分析

非法入侵行为危害着船舶通信系统的安全,针对当前船舶通信入侵检测错误率高的缺陷,提出了基于改进Apriori算法的船舶通信入侵检测方法。首先对国内外当前的船舶通信入侵检测方法进行分析,指出了各种方法存在的局限性,然后采用Apriori算法建立船舶通信入侵检测关联规则,实现船舶通信入侵检测数据进行挖掘,并对Apriori算法存在的不足进行相应的改进,最后进行了船舶通信入侵检测仿真实验,本文方法简化了船舶通信入侵检测过程,加快了船舶通信入侵检测速度,提高了船舶通信入侵检测正确率,为船舶通信系统安全管理人员决策提供了有价值的参考依据,能够保证船舶通信系统的安全。     

智能视频监控中舰船假目标图像检测算法

传统舰船假目标图像检测算法存在检测精准度低的缺陷,为此提出智能视频监控中舰船假目标图像检测算法研究。将智能视频监控中采集的图像采用灰度化处理得到灰度图像,利用直方图均衡化处理灰度图像,提升图像的质量。采用滤波处理方法将得到的图像进行去噪,完成图像的预处理,为图像检测做准备。采用小波变换方法对上述得到的图像进行特征提取,将得到的图像特征输入到图像检测模型中,与真目标图像特征进行逐一比较,输出假目标图像,实现了对舰船假目标图像的检测。实验结果表明,提出的舰船假目标图像检测算法检测精准度比传统算法高出21.8%,说明提出的舰船假目标图像检测算法具备极高的有效性。