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。     

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。     

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。     

基于VR虚拟现实技术在舰船航行轨迹中的应用

常规的舰船航行轨迹规划技术,设置探索航行线路的栅格疏密值差异过大,导致对复杂海域的航行轨迹规划不合理,为此研究VR虚拟现实技术在舰船航行轨迹中的应用。该技术对海域环境中的航行区、障碍区以及舰船自身进行虚拟场景模拟实现人机交互,通过动力学的运动曲线计算舰船的动态位姿,根据障碍物在航行区域的分布、体积等数据设置栅格大小,驱动虚拟舰船,提取舰船的航行曲线、侧倾角曲线以及侧向加速曲线,调整舰船航行轨迹。实验结果表明,与2种常规技术的应用相比,虚拟现实技术设置的栅格疏密值更加符合航行轨迹规划要求,所得到的航行轨迹更加合理。     

舰船海上数据浮标的水动力分析

由于受到人为等因素的影响,使得我国海洋中的自然灾害发生频率有所增大。因此,加大对海洋环境的监测力度显得尤为必要。舰船海上数据浮标通过搭载相关的仪器设备能够对海洋水文信息进行观测,依托这些信息可以为海洋资源的开发利用和各类灾害的防控提供可靠依据。为了确保海上数据浮标搭载的各种仪器设备能够保持稳定运行,必须确保浮标本身的可靠性。本文从舰船海上数据浮标的作用入手,分析了舰船海上数据浮标的水动力。     

舰船机械部件散热控制系统研究

传统舰船机械部件散热控制系统,存在部件局部温度数据采集精度误差大,散热电路控制信号反馈量差量较大,导致散热系统控制准确度降低。针对问题产生原因,提出舰船机械部件散热控制系统研究。通过组建多区域高精度热量采集硬件,对舰船机械部件不同区域热值进行±0.01℃的高精度数据采集;软件部分通过PID神经网络算法,对不同区域热值进行最优量分析计算;引入模糊控制补偿算法,根据热值数据信号,对控制电路信号耦合进行误差补偿,提升散热控制电路的控制精度。通过仿真测试表明:设计系统能够在较短的时间内,将机械部件温度降低20℃,在时间层面上设计系统响应性更好,控制精度更高,更符合舰船机械部件散热控制应用标准。