无线网络的舰船识别方法

舰船识别依赖特征参数与待分类数据的联系,现有识别方法未挖掘信号隐性特征,影响可识别范围,基于无线网络提出一种舰船识别方法。对舰船信号进行预处理,计算短时能量和过零率,判断信号起始点。利用卷积神经网络挖掘样本信号的显性和隐性特征参数,并构建舰船识别模型对特征参数进行训练,得到最优分类面即为识别结果。实验结果表明,本文提出的识别方法能实现一对一的舰船识别,并且可识别范围大于基于SAR图像和基于稀疏信号分解算法的识别方法,基本上可覆盖全部的目标识别区域,有助于实际海洋环境的舰船监测。     

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。     

基于小波变换和概率神经网络的水下目标识别

由于水下环境的复杂性,水下目标的检测和识别是水声信号处理领域中的一个难题.本文研究了基于小波变换和概率神经网络的水下目标识别方法.利用小波变换得到水下目标辐射噪声信号在不同尺度下的能量分布作为特征矢量,并输入到概率神经网络中以实现目标分类.利用小波变换能量特征值可有效区分不同的目标辐射噪声.概率神经网络无网络训练过程,适合于信号分类.实验结果表明该方法的有效性和可行性.     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法。利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类。算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实。实验结果表明,该方法平均识别正确率达到93.6%,可以很好地实现船舶识别。     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法.利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类.算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实.实验结果表明,该方法平均识别正确率达到93.6％,可以很好地实现船舶识别.     

基于卷积神经网络的AUV水下识别系统

为实现自主式水下机器人(Autonomous Underwater Vehicle, AUV)水下自主识别,搭建AUV硬件系统。通过OpenCV和Tensorflow,在LeNet-5卷积神经网络的基础上,利用13层卷积神经网络进行100次迭代训练试验。结果表明,该基于卷积神经网络的AUV水下识别系统的水下目标识别准确率能达到99.18%,能实现AUV对水下目标的自主识别。     

基于小波包分析和深度学习的舰船辐射噪声识别

为提高舰船辐射噪声识别的准确率,针对辐射噪声这种非平稳、复杂的信号,提出一种基于小波包分解与多特征融合的特征提取方法.同时,引入深度学习模型,将提取到的特征作为识别分类的依据,采用卷积神经网络和长短时记忆神经网络作为分类器.对单一特征的分类结果与融合的多特征分类结果进行比较,对直接提取的特征分类结果与基于小波包分解提取的特征分类结果进行比较,对卷积神经网络、长短时记忆神经网络和机器学习的识别分类结果进行比较,结果表明,采用基于小波包分解与特征融合的特征提取方法和基于深度学习的分类识别方法能显著提高舰船辐射噪声识别的准确率.     

基于卷积神经网络与时频分析的水声通信前导信号检测方法

前导检测是水声通信中的关键步骤。传统信号检测算法无法有效克服多径和干扰的影响,在复杂水声信道环境下,检测性能会明显下降。卷积神经网络具有强大的表征学习能力,能够通过大量数据自动提取图像特征,在图像识别应用中具有突出优势。以双曲调频信号为研究对象,采用时频分析技术同时获取信号时域和频域信息,得到时频谱图,并通过均值滤波处理提高信噪比。将时频谱图作为卷积神经网络的输入,训练并测试网络,最终得到HFM信号的检测结果。千岛湖试验结果表明,该方法能够大幅提升远距离、强多径条件下前导信号的检测概率,与传统检测算法相比性能优越。     

基于改进卷积神经网络的船舶目标检测

为提高无人船研究中的船舶辨识速度和精度,弥补海上船舶目标检测中船载自动识别系统(Automatic Identification System,AIS)和雷达图像的不足,提出一种基于改进卷积神经网络的船舶目标检测模型。设计多策略的卷积神经网络模型,利用船舶图像数据进行训练和测试,并将测试结果与基于区域提名和基于回归方法的卷积神经网络模型结果相对比。试验结果表明,改进的卷积神经网络模型的船舶检测准确率高于另外2种模型。     

基于神经网络的船舶红外图像边缘检测方法

本文提出一种基于卷积神经网络的船舶红外图像边缘检测方法。首先,介绍船舶红外探测技术的基本原理,针对船舶红外图像的预处理进行研究,包括灰度的均衡化、红外图像的背景抑制、图像分割等。设计了一个基于卷积神经网络的红外图像边缘检测模型,该模型采用多层卷积和池化操作,以及非线性激活函数,能够有效地捕捉图像中的边缘信息。最后,通过对模型进行训练和优化,得到了准确度较高的船舶红外图像探测算法,为后续船舶的目标识别和跟踪提供了有效的基础。     

基于ARM的CAN总线机舱测量系统的研究

采用ARM作为机舱测量系统中的主控制器,利用ARM的高性能和可裁减性构建CAN总线通信控制网络,可以实现系统全部节点之间的数据共享以及相互之间的协同工作。     

面向研究生创新能力培养的电子导师平台建设探索

创新教育是研究生教育质量的灵魂.本文在分析了电子导师这一新型的研究生教育培养模式的基础上,实现了一种面向研究生创新能力培养的电子导师平台,并对平台的定位和作用进行了深入研究,同时还分析了平台的总体设计思想和技术实现框架,电子导师解决研究生教学中的一些基础问题的意义,促进电子导师在培养研究生创造性思维中的作用,具有重要的理论意义及广泛的应用前景.     

浅谈网络财务

随着网络技术的飞速发展,以网络为基础的电子商务改变着企业的经营管理模式,形成全球化的网络经济.网络财务以其独特优势随之产生并发展,它突破了时空的限制,实行了适应网络环境的新处理方式,必将大大提高企业的管理效率,为企业创造更多的财富.文章介绍了网络财务产生的必然性、特点、应用及存在问题.     

基于网络的随船器材全资可视化系统的研究

依托有线专网和北斗卫星网,研制覆盖随船器材供应链和被服务方的全资可视化系统,实现被服务方随时获取自己申请单的供应链信息,包括器材申领、器材批复、器材运输、器材维修等信息,达到被服务方对整个随船器材服务流程的全维可视和全程可控的目的,从而为随船器材的精确化保障提供技术手段。     

船舶非单点搁浅受力分析

用力学分析的方法,解决船舶非单点搁浅时船底受力大小及脱浅拖力最小值的计算方法问题,并由此提出船舶自行脱浅的两种方法。     

针对持续性跟踪无人艇的探测技术

美国国防先期研究计划局(DARPA)提出的持续性跟踪无人艇(ACTUV)项目对潜艇的隐蔽性和安全性形成重大挑战。加强对ACTUV的搜索、探测、定位,保障潜艇部队安全,是我国海军面临的新任务。本文研究从天基、海基、空基进行搜索侦察,并提出一种多维数据融合定位技术,为相关科研项目提供参考。     

基于FAHP法的造船起重机结构安全性评价研究

针对目前国内外造船起重机安全性评价方法的不足,研究基于模糊层次综合评判法(FAHP)的造船起重机金属结构安全性评价方法,采用层次分析法(AHP)确定指标权重,将模糊综合评判理论运用于起重机金属结构综合评估中。以造船门座起重机为例,建立多指标、多层次安全性评价模型,对指标状态值进行无量纲化处理,运用层次分析法确定权重值,采用模糊综合评判理论计算各层评价值,并最终得到整机金属结构安全指数,为起重机使用企业和特检部门开展工作提供参考依据。     

基于CFD的斜流对螺旋桨性能影响探究

对于拖船、拖网渔船及高速艇等船型,其螺旋桨处在斜流工作条件下。为研究斜流对螺旋桨水动力性能的影响,文章使用商用流体力学软件STAR-CCM+对不同斜流角下螺旋桨的水动力性能进行计算。计算结果表明,斜流会导致螺旋桨敞水性能下降并诱发横向力,对船舶航速、传动轴系及船舶操纵性产生不利影响。     

推车机正钩板设计

黄骅港一期翻车机系统主要翻卸车型为C64和C70,翻卸模式为解列翻卸和不解列翻卸两种。在解列翻卸C64车型的过程中,存在推车机推空车皮时火车车钩不正的问题。     

纳米隔热材料在舰船上的应用研究

纳米材料依旧是21世纪的明星材料,纳米隔热材料由于其明显的低热导率,一出现就成为舰船行业的研究热点。与传统的隔热材料相比,相同的隔热面积需要的纳米隔热材料更少。本文以纳米孔隔热材料的制造工艺为例,探索纳米隔热材料的工艺流程,并将纳米孔隔热材料和传统的隔热材料的压缩强度进行对比,对不同温度下纳米孔隔热材料的加热线收缩率进行研究。结果发现,纳米孔隔热材料的压缩强度高于传统的无机隔热材料,却低于硅酸铝纤维,纳米孔隔热材料的最佳使用温度为1 000℃左右。