基于数据驱动的舰船通信网络异常行为检测方法

为了提高对舰船通信网络异常识别能力,提出基于数据驱动的舰船通信网络异常行为检测方法。采用最短路径和最大覆盖范围寻优方法构建舰船通信网络的节点覆盖模型,通过最小间隔均衡技术对舰船通信网络的信道均衡控制,提取舰船通信网络的信道传输信息特征。对舰船通信网络的行为特征参数分析,结合谱分量融合和融合聚类处理方法,实现对舰船网络异常行为的数据驱动控制。根据数据驱动的图模型参数识别和异常谱特征聚类分析,实现对舰船通信网络异常行为检测。测试结果表明,该方法能够进行舰船通信网络异常行为检测处理,提高信道均衡性能     

基于边缘计算改进的MobileNetV1-SSD表面缺陷视觉检测方法

表面缺陷检测是产品质检的重要工序之一,现有边缘端视觉检测大多存在识别率低、模型结构复杂、部署困难、模型推理实时性差等问题。为此,本文以STM32H747微控制器为边缘设备,基于MobileNetV1-SSD轻量化模型,研究了一种融合CBAM注意力机制的表面缺陷视觉检测方法。首先,融合CBAM注意力机制,添加在最后一层的特征提取网络之后,使缺陷目标在检测模型中的特征表达能力得到增强,模型在仅增加少量的参数量的基础上提升模型的检测准确率;其次,对CBAM-MobilenetV1-SSD模型进行预处理;最后,采用X-CUBE-AI工具包在STM32H747微控制器中实现了模型的移植和部署。通过对比实验表明,融合CBAM注意力机制的模型mAP达到83.75%,精度比原算法提高2.75%,参数量仅为1.67M,模型大小为622KB,且部署在边缘设备对软包锂电池表面缺陷检测精度有显著提升。     

面向船舶目标检测的YOLOX轻量化研究

针对船舶目标检测存在的模型参数量多、规模大、实时性差和难以在实际工程中应用等问题，提出面向船舶目标检测的YOLOX轻量化方法。设计CA-Mobile Net V3轻量化主干网络，在Mobile Net V3中融合坐标注意力机制，生成一对方向感知特征图，提升空间信息编码能力；改进细化融合特征金字塔网络，构建对称的大尺度深度可分离卷积，提高感受野的范围；通过引入残差分支，以串联的方式融合细化不同尺度的特征信息，提高对小尺度船舶目标的检测能力。基于Seaships数据集的试验结果表明，提出的模型与YOLOv5和YOLOX等相比，具有规模小、实时性好和检测精度高等优势。     

橡胶输送带局部损伤的冷粘修补及质量控制

橡胶输送带在散货物料转运设备中占有重要的地位。因此,如何使输送带的损伤得到尽快的修补,确保物料运输正常进行是维修人员的一个重要课题。分析了输送带常见损伤种类及原因,对多种修补方式效果进行了对比讨论,提出了一套切实可行的冷粘修补工艺,提出了提高冷粘质量的措施,对指导输送带维修具有实际意义。     

基于注意力融合的海上目标检测算法

准确识别海上目标对提高舰船航行安全、维护海上权益意义重大。YOLOv7作为YOLO系列算法的最新成果,在目标检测任务中拥有良好的速度和精度。但通用化的网络应用于特定场景时,由于权重过大可移植性差,优势并不明显。本文根据海上目标分布及背景特点,利用注意力机制提升网络的特征提取与特征融合能力,提出一种基于注意力融合的海上目标检测算法CS-YOLOv7s。在新加坡海上数据集中的实验结果表明,本文所提网络在少量降低准确率的同时,大幅度降低网络权重,提高检测速度,可满足海上目标实时检测任务需要。     

基于数据挖掘的船用通信网络异常行为分类和识别研究方法

为保证船用通信网络的安全,设计基于深度数据挖掘的船用通信网络异常行为分类和识别方法。该方法数据处理模块采用全局信息数据融合策略,融合网络的原始采集数据,特征选择模块通过平均不纯度减少特征重要度计算方法,选择有效特征并计算该特征重要度后,形成特征集,将其输入分类识别模块的内外卷积网络深度学习网络模型中,通过模型的学习和训练,获取船用通信网络异常行为分类识别结果。测试结果显示：该方法可有效删除其中的无效特征,保留有效特征结果;可获取不同类别有效特征标签的重要度评分结果;分类识别的平均绝对误差均低于0.18,可完成不同流量变化下异常行为分类识别。     

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。     

皮带输送机安全保护装置的改进

介绍了皮带输送机在实际使用中可能出现的问题,提出了通过安全保护装置进行提前检测发现的方法,对最大限度避免输送带、机架突然失效,延长输送带的使用寿命,减少停机时间,节约成本具有重要意义.     

云计算船舶通信网络的入侵特征提取与检测

船舶通信网络入侵特征具有宽带严平稳性,导致在入侵检测中容易受到小扰动影响,检测性能不好,在云计算环境下,提出基于时间尺度分解和谱密度特征提取的船舶通信网络的入侵特征提取与检测方法。构建云计算船舶通信网络入侵信息流检测模型,采用时频分析方法进行入侵特征的时延尺度分析,结合匹配滤波方法进行船舶通信网络的干扰滤波,对滤波后的网络传输信号进行谱分析,提取谱密度特征,根据谱密度分布的差异性实现对入侵特征提取和信号检测。仿真结果表明,采用该方法进行云计算船舶通信网络入侵检测的准确概率较高,保障了网络安全。     

舰船通信网络的入侵特征选择与优化

传统舰船通信网络的入侵特征选择与优化方法,检测效率和准确率较低,选择结果中存在大量冗余特征。为了提高检测结果准确率,利用遗传算法研究一种新的舰船通信网络的入侵特征选择与优化方法,通过设立径向基核函数将选择舰船通信网络入侵特征这一过程映射到高维空间进行计算,通过特征选择完成参数优化,建立优化模型。测试结果表明,基于遗传算法的特征选择与优化方法能够有效消除无用特征和冗余特征,在短时间能提高检测的准确率,同时提高检测的准确率和效率。     

浅析输送带撕裂原因及应对措施

叙述了皮带输送机输送带撕裂的形式及原因,又介绍了国内外如何防止输送带撕裂及对输送带撕裂进行检测的措施,最后从技术角度提了几点建议,强调要进行新技术的开发与应用。     

云计算环境下船舶无线通信网络入侵检测方法

以提升船舶无线通信网络安全性为目的,设计云计算环境下船舶无线通信网络入侵检测方法,提升入侵检测效果。利用云计算环境内Hadoop框架的分布式文件存储系统,存储船舶无线通信网络数据;通过云计算环境内Hadoop框架的MapReduce并行编程模型,对信息熵与长短期记忆网络进行分布式设计,设计并行信息熵-长短期记忆网络的入侵检测方法。该方法利用分布式信息熵选择船舶无线通信网络数据特征;以选择的特征为样本,输入至分布式长短期记忆网络内,输出无线通信网络入侵检测结果。实验证明：该方法可有效选择船舶无线通信网络数据特征,完成网络入侵检测,且入侵检测精度较高。在不同攻击类型时,该方法均具备较优的入侵检测效果。     

免疫理论的船舶网络入侵检测方法

为了提高船舶网络系统的安全性,针对当前船舶网络入侵检测方法误检率高的缺陷,设计了免疫理论的船舶网络入侵检测方法。首先对船舶网络入侵检测的原理进行分析,提取船舶网络入侵检测的原始数据,然后根据免疫理论对船舶网络入侵检测数据进行处理,提取船舶网络入侵检测特征,然后机器学习算法对船舶网络入侵检测行为进行建模,最后编程实现了船舶网络入侵检测算法,并与其他船舶网络入侵检测方法进行对比实验。结果表明,免疫理论可以提取更加有效的船舶网络入侵检测特征,提升了船舶网络入侵检测效率,而且船舶网络入侵检测正确率更高,减少了船舶网络入侵的误检率,是一种可行、有效的船舶网络入侵检测方法。     

船舶通信网络垃圾邮件的检测分析

垃圾邮件占用大量的船舶通信网络通信资源,而且危及船舶通信网络安全,针对当前船舶通信网络垃圾邮件检测率低,检测时间复杂度高的难题,设计基于数据挖掘的船舶通信网络垃圾邮件检测方法。首先对船舶通信网络垃圾邮件检测原理进行分析,提取船舶通信网络垃圾邮件检测特征,然后采用数据挖掘方法对船舶通信网络垃圾邮件检测特征进行分析,建立船舶通信网络垃圾邮件检测的分类器,最后进行船舶通信网络垃圾邮件检测实证分析,分析结果表明本文方法的船舶通信网络垃圾邮件检测正确率超过了90%,远远高于船舶通信网络垃圾邮件检测的实际要求,降低了船舶通信网络垃圾邮件检测时间复杂度,是一种有效的船舶通信网络垃圾邮件检测手段。     

舰船网络入侵行为的检测与识别研究

入侵行为检测是保证舰船网络安全的核心技术,当前入侵行为检测与识别存在检测误差大,识别准确性差等严重不足,为此设计基于核主成分分析和聚类分析算法的舰船网络入侵行为的检测与识别方法。首先对舰船网络入侵行为的检测的原理进行分析,并收集大量的舰船网络入侵行为检测特征。然后采用核主成分分析对舰船网络入侵行为检测特征进行选择,并通过聚类分析算法建立训练样本。最后建立舰船网络入侵行为检测与识别模型。利用标准舰船网络入侵数据集的仿真测试结果表明,本文方法不仅可以大幅度减少舰船网络入侵行为特征数量,降低舰船网络入侵行为检测的复杂度,舰船网络入侵行为检测的实时性增强,而且能够获得更高正确率的舰船网络入侵行为检测结果。     

多传感器信息融合的船舶机械设备状态智能检测研究

研究基于多传感器信息融合的船舶机械设备状态智能检测方法,智能化诊断船舶机械设备异常状态。采用改进小波阈值去除多振动传感器采集的机械设备振动信号噪声成分后,经基于多传感器信息融合的信号特征提取方法,提取去噪后振动信号幅值的均方根、方差、峰值、脉冲、峭度、均值、最大值、最小值、峰峰值、方根幅值特征,并使用特征级与数据级融合方式,将多信号特征信息融合;通过基于极限学习机优化的设备状态智能检测方法,以特征信息分类的方式,将融合后的设备振动信号特征作为分类目标,根据特征值的上下限,判断设备运行状态。实验验证表明,此方法应用下,多传感器对船舶机械设备振动信号的感知时间差极短,可缩短设备状态检测延迟,并准确检测设备异常状态。     

结合空洞编码器和特征金字塔的中心点船舶检测

为了进一步提高基于深度学习的船舶目标检测技术的检测精度，在无锚框中心点检测算法基础上，提出一种结合空洞编码器和特征金字塔的改进中心点船舶检测算法。采用Res Ne Xt-50网络对船舶图像进行特征提取，引入基于空洞残差的空洞编码器（DE）增大32倍下采样特征图的感受野，生成覆盖多个目标尺度的特征图，并采用特征金字塔网络（FPN）进行上采样，在上采样过程中融合空洞编码器生成的32倍下采样特征图和原16倍、8倍和4倍下采样特征图，从而提取到更丰富的船舶特征信息，提升船舶检测效果。结果表明，改进算法对不同类型和不同尺度下的船舶检测平均精确率相比原算法具有较明显的提升，相比SSD和YOLOv3算法具有更高的精度优势。     

舰船通信网络中的移动脆弱节点定位与实现

舰船通信网络采用节点分布式组网设计,实现与外界的无线通信和远程卫星通信,对网络中的移动脆弱节点准确定位检测,实现对网络故障的及时诊断。本文提出一种基于网络传输信道量化跟踪融合的移动脆弱节点定位方法。首先构建舰船通信网络的节点分布模型,在舰船通信网络的多径传输信道中进行节点之间传输数据的信号分析;然后采用信道量化跟踪融合方法进行移动脆弱节点的异常特征提取,实现异常脆弱节点定位;最后进行实验测试,仿真结果表明,该方法对舰船通信网络中的移动脆弱节点定位检测的准确概率较高,时间开销较小,在通信网络故障诊断中具有实用性。     

船舶监控网络入侵检测系统设计

为了提高船舶监控网络的安全性,进行网络入侵的准确检测,提出一种基于数据流的船舶监控网络入侵检测系统设计方法,采用数据流异常特征检测方法进行网络入侵检测算法设计,采用自适应波束形成方法进行船舶监控网络传输数据流的聚焦处理,提取船舶监控网络传输数据流的多源波束特征量,实现异常监控识别,对提取的异常监控信息进行分类处理,实现入侵检测。在嵌入式ARM环境中进行入侵检测系统软件设计。仿真结果表明,采用该系统进行船舶监控网络入侵检测的准确性较高,网络安全性较好。     

管道外表缺陷红外无损检测和缺陷识别特征方向法

通过对表面存在缺陷的被检测管道内部通以热空气,达稳态后使用红外热像仪记录表面热特征和温度分布,据此实施红外无损检测.检测结论表明这种方法切实有效.文章首次提出了缺陷形状和尺寸识别的特征方向方法,得到一些有益结论.该方法也为实现红外故障智能诊断提供了一条技术路线.