船舶行业首个ITU国际标准正式发布

在近期召开的国际电信联盟(ITU)标准化部门第20研究组(ITU-T SG20)全会上,中国船舶工业系统工程研究院牵头制定的首个船舶行业ITU国际标准ITU-T Y.4004《智慧海洋概述及其信息通信技术实现要求》经会议正式审议通过,于2021年11月29日完成公示,正式发布。     

大型研究院所档案管理向知识智能辅助决策转型研究

大型研究院所是集产品研发、生产、经营和管理于一体的知识密集型企业,大型研究院所档案管理在做好档案的收集、整理、保管等传统档案工作的同时,在当前大数据、人工智能、辅助决策等信息技术迅猛发展的背景下,应该深挖档案的信息属性和知识属性,积极向知识智能辅助决策转型。     

互联网环境在舰船智能制造中的应用

智能制造是舰船制造业向智能化方向发展的必然之路。随着互联网技术的普及应用,为舰船智能制造发展带来了技术支撑,通过将无线传感网络应用到智能制造的设计、生产和管理的全过程中,可实现对制造环境的全面监控,自动评估制造效率,辅助建立起快速反应机制,以提高舰船制造的智能化水平。本文基于互联网环境分析舰船智能制造架构,提出舰船智能制造中生产系统的具体应用,并以生产线能力评估为例分析舰船智能制造的评估方法,能够有效提高舰船智能制造系统的运作效率。     

大数据背景下的舰船航行环境可视化研究

现有方法大多是针对近海领域,在200 n mile以外的海域存在着可视化图像逼真度差的问题,为此提出大数据背景下的舰船航行环境可视化方法研究。利用大数据中的最优插值算法处理舰船航行环境数据,以此为基础,利用LOD动态调度技术可视化环境要素点,通过空间坐标系可视化环境要素线,采用纹理映射技术可视化环境要素面,基于体绘制技术可视化航行环境体,通过环境要素点、线、面、体的展示实现了舰船航行环境的全面可视化。仿真实验结果显示,与现有代表方法相比较,本文方法可视化图像帧频低、帧速率高,表明本文方法可视化图像逼真度高,适合推广使用。     

无线网络的船舶物流信息优化系统设计

为了解决当前船舶物流信息优化系统工作效率低,无法满足实际应用要求的难题,以提高船舶物流信息优化结果为目标,提出了基于无线网络的船舶物流信息优化系统。首先分析船舶物流信息优化系统的研究进展,找到各种系统的局限性,然后描述船舶物流信息优化系统的硬件组成,通过无线网络实现系统各个模块之间的通信和协调,并分析船舶物流信息优化系统的软件技术,对关键技术进行详细设计,最后与其他船舶物流信息优化系统进行对比测试,结果表明,基于无线网络的船舶物流信息优化效果要明显优于对比系统,克服对比系统存在的弊端,提高了船舶物流信息传输的成功率,具有更高的实际应用价值。     

基于数字孪生的舰船动力系统智能运维技术北大核心CSCD

[目的]为提高舰船动力设备的可靠性并降低维护成本,研究基于数字孪生的舰船动力系统智能运维技术及实现方法。[方法]首先,根据模块功能及结构体系需求,建立数字孪生特征的动力系统智能运维架构;然后,通过工况标杆库建立、控制参数智能寻优以及运行自优化,实现基于综合平稳度的智能控制技术;最后,根据基于知识、基于模型及基于大数据驱动的故障诊断方法,实现复杂系统综合故障诊断技术,形成以数字孪生为技术特征的动力系统智能运维体系。[结果]动力系统智能运维平台的应用案例验证了实现智能控制、故障诊断功能的可行性。[结论]研究成果可为舰船智能机舱的研究和设计提供参考。     

铁路桥梁BIM程序的设计与实现

针对桥梁工程设计的特点,自主开发一款具有二维交互设计,及三维显示功能的铁路桥梁BIM设计程序。阐述了在建筑信息模型(BIM)模式下桥梁程序开发不易完全抛弃二维设计视图及传统设计的理念。着重介绍了该程序的MVC框架、桥梁设计功能,以及在二维、三维显示视口开发中所使用的OPENGL VBO、四叉树空间索引等技术。通过工程项目应用,表明该程序具备BIM铁路桥梁方案设计功能,三维场景直观生动,并且结合二维视图辅助,使用户能够直接、实时地掌握桥梁结构高程、尺寸等数据,更好地帮助决策合理的桥梁方案。     

电客车维修组织管理智能化平台的开发

基于电客车日常普查、整改等项目多、台账多的现象,着手研究搭建电客车现场生产维修组织管理智能化平台,平台仅需输入各专项工作的相关信息及限定条件,系统即可智能生成各班组每日派工单以及自动跟进各项工作的进展等。可实现相关工作不遗漏、不超时,相关信息可共享、可存档,以及事后可追溯等功能,解决和弥补了传统电客车维修组织管理中存在的诸多"顽症"和不足。同时,此平台投入使用后,电客车维修组织管理真正实现了智能化、信息化和无纸化,规范了车间生产管理,提高了车间的科学化管理水平。     

基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。