基于人耳听觉模型的船舶辐射噪声相似度分析

针对船舶辐射噪声重构缺乏有效的相似度量化分析方法,提出一种基于人耳听觉模型的船舶辐射噪声相似度量化分析方法.该方法利用人耳对不同频段灵敏度上的差异,建立了基于人耳听觉特性的船舶辐射噪声重构分析数学模型,并以3种典型船舶辐射噪声数据为实验来源,对该分析方法进行了实验验证.实验结果表明:所提分析方法具有较好的效果,可用于度量重构噪声与实测噪声之间的差异.     

基于深度自编码网络的舰船辐射噪声分类识别

针对水下被动声呐目标分类识别问题,借签深度学习网络在图像、语音等领域的成功运用,提出一种基于深度自编码网络的舰船辐射噪声分类识别方法。首先使用Welch功率谱估计方法获得舰船辐射噪声的功率谱特征,然后对原始训练样本集结构优化得到新训练样本集,并构建训练深度自编码网络。依据总体正确识别概率和各类目标正确识别概率对网络参数进行优化设置,实现对舰船辐射噪声的分类识别。经过大量海上实录舰船辐射噪声的分类识别实验,验证了该方法的可行性和实用性。对比BP神经网络分类器,具有更高的正确分类识别概率。     

一种基于舰船辐射噪声起伏特性的线谱提取方法

分析舰船辐射噪声中线谱噪声的低起伏特性,提出一种利用线谱幅度、相位随时间的低起伏特性进行线谱提取的新方法。经过实测数据测试,表明本方法在提高信噪比、改善频率分辨率方面相对于经典的Welch周期图法具有明显优势;并且达到了自适应地去除连续谱趋势的效果;同时,需要的数据量相对较少,具有较好的实时性。     

基于智能模型的入侵检测技术与方法研究

入侵检测技术是计算机安全领域的一项重要技术,是计算机信息系统的安全保障.以神经网络的入侵检测方法和数据挖掘的入侵检测方法为例,对基于智能模型的入侵检测技术与方法进行了探讨和研究,阐述了两种方法的实现原理,并对其技术与方法特点进行了详细的分析.     

基于机器学习算法的船舶电气故障分类与诊断方法

为实现船舶电气故障的早发现、早解决,设计基于机器学习算法的船舶电气故障分类与诊断方法。采用Trager能量算子增强传感器采集到的船舶电气设备振动信号,利用小波包分析方法提取增强后的电气设备振动信号特征,将电气设备振动信号特征输入卷积神经网络中进行训练,得出最佳的故障分类与诊断模型,并利用该模型实现船舶电气设备的故障分类与诊断。实验表明：采用Teager能量算子可以快速准确地将传感器采集的信号放大,且放大过程没有信息损失。训练后卷积神经网络的故障分类与诊断正确率接近100%,可能够准确诊断出船舶电气设备是否存在故障,并获取对应的电气故障类型。     

船舶靠帮模型试验中缆绳和碰垫的非线性特性模拟方法

船与船在海浪中进行补给、转运等作业是一个非常复杂的过程,在波浪水池中进行模型模拟试验,了解靠帮系统的运动和受力特性,必须考虑每一个细节.本文针对模型试验,重点介绍了具有非线性弹性特性的系泊缆绳和碰垫的模拟方法,并给出了试验结果.从模拟的缆绳和碰垫弹性曲线以及试验结果来看,本文所用的缆绳和碰垫模拟方法是可行的,可以用于今后其他类似的模型试验中.