图像识别与卷积神经网络结合的船舶裂缝图像处理技术

裂缝是船舶致命的缺陷,不仅会降低舰船的防水性能,严重时还会导致整个船体的结构破裂,导致船舶沉没等严重事故。因此,在船舶的生产与制造过程中及时对船舶的裂缝进行识别,在船舶的正常运行维护中提早发现船舶的裂缝缺陷并处理,具有重要意义。传统的船舶裂缝识别主要靠超声波探测等技术,效率低,为了改善这一现状,本文研究了一种基于图像识别与卷积神经网络的船舶裂缝图像识别系统,分别从图像识别技术和神经网络算法进行了相关的阐述。     

基于并行深度卷积神经网络的舰船通信异常数据检测研究

为了提高通信异常数据检测效果,设计基于并行深度卷积神经网络算法的大规模舰船通信异常数据检测方法。采集大规模舰船通信数据,采用小波变换对数据实施降噪处理,将降噪后数据输入并行深度卷积神经网络中,经过模型训练提取特征,利用Softmax分类函数得出舰船通信异常数据特征,输出舰船通信异常数据检测结果。实验结果表明：该方法可有效实现大规模舰船通信异常数据检测,其加速比最高,并行效果最优;具有较强的大规模舰船通信数据集检测能力,提高大规模舰船通信异常数据检测效果。     

基于BP神经网络的图像识别跟踪技术

本文利用BP神经网络抗干扰性强,识别精准等优点对船舶进行识别跟踪。首先获取原始图像,然后预处理,以图像的全部灰度值为训练样本,以新不变矩特征向量为样本集输入到3层BP神经网络中,对含不同噪声均值的图像进行识别。实验结果表明,以新不变矩特征向量作为样本集时抗噪能力强,识别率高。最后以新不变矩特征向量作为样本集进行目标跟踪得到跟踪误差。     

基于卷积神经网络的船舶图像增强研究

为了更好的识别船舶图像信息,提出基于卷积神经网络的船舶图像增强方法,利用卷积神经网络技术对船舶图像特征进行采集和建模,并对采集到的数据进行降噪,再根据图像颜色特征进行图像缺陷修复和图像的逆向恢复处理,从而获得高品质的船舶图像。最后通过实验证实,卷积神经网络能够有效改善船舶图像的显示质量,满足传播图像增强的设计目标。     

基于深度神经网络的船舶图像识别检索研究

对船舶图像进行快速准确识别在军民领域都有广泛应用,随着船舶种类的增多、图像质量的提高,传统的卷积神经网络进行船舶图像识别需耗费大量时间。本文对深度神经网络的原理进行分析,并在此基础上研究基于深度神经网络的船舶图像识别流程,对船舶图像预处理技术进行研究,建立船舶图像训练集和测试集,对YOLOV2、卷积神经网络和本文算法的平均识别时间和识别准确率进行分析,最后研究3种算法的训练次数对识别准确率的影响。本文研究的深度神经网络船舶图像识别算法,在平均识别时间以及识别准确率上具有一定优势。     

基于卷积神经网络的船舶自动识别系统

基于船舶自动驾驶存在的问题以及需求,提出了一个基于卷积神经网络的船舶自动识别系统.系统设计使用的生成对抗神经网络算法,基于互信息理论,能够无监督式地学习船舶图像特征.通过实验论证,在分类准确度上取得了显著地提升,表明本系统方法合理有效,具有较高地运用前景.     

基于卷积神经网络的航标图像同态滤波去雾

为提高同态滤波算法对航标图像去雾的性能,采用改进的巴特沃斯滤波器作为同态滤波的传递函数。根据计算去雾后图像的标准差、平均梯度、亮度和二维熵等图像质量评价指标,分析图像锐化系数对图像去雾的作用效果。选取公开数据集ISCAS 2012作为卷积神经网络的输入训练数据,选取计算得到的使采用同态滤波去雾后的图像与真实图像的峰值信噪比最大的锐化系数作为输出数据,得到能计算最优锐化系数的卷积神经网络权重值。该方法能对测试样本数据输出相应的同态滤波器最优锐化系数。试验结果表明巴特沃斯同态滤波对航标图像去雾是有效的。     

不同船体构造形式在波浪载荷下的结构性能比较

船体结构形式不同,直接影响船体的结构性能和运动性能。文章针对五种船体构造形式,即:单板横向加筋、单板纵向加筋、单板双向加筋、硬壳式和夹层式这五种不同结构的船体在外载相同、质量相等的条件下进行应力与变形分析,以比较各种结构的响应和性能,为结构选型提供数值分析依据。分析考虑了静载与波浪载荷的叠加,并进行了准静态处理。通过计算和综合性能比较,挑选出既符合结构性能,又能满足使用要求的结构形式。     

不同工况下喷水推进泵内流性能研究

为研究不同工况下喷水推进泵的内流性能,以轴流式喷水推进泵为研究对象,运用Ansys18.2流体计算软件模拟了不同转速和不同航速下喷水推进泵内的内流场,分析了喷水推进泵的转速和航速变化对其能量特性和内部流动的影响.数值计算结果表明:喷水推进泵的推力与航速呈负相关,与转速呈正相关;随着船舶航速的增大,喷水推进泵进水流道内的流速逐渐增大,叶轮进口速度的高速区面积有所增大,导叶出口速度分布的周期性逐渐减弱;随着转速的增加,叶轮进口处更容易发生空化,导叶出口压力上升,速度增大;喷水推进泵进水流道的唇部区域存在小范围的高压区,且航速越高,转速越低,该区域面积越大.     

负载环境下舰船服役周期性能的大数据挖掘算法研究

现代舰船在负载环境下性能参数众多,传统采用物理实验方式对各性能参数(如舰船的快速性能、负载性能)进行采集及分析,同时,海上舰船各实验设备采集数据格式不统一,随着大数据挖掘及计算信息技术发展,已经越来越不能适应现代舰船服役周期性能分析要求。本文分析了负载环境下船舶快速性能的数据采集及分析流程,统一数据采集接口,根据服役实际情况建立生命周期性能指标,利用大数据挖掘对快速性能准确性进行分析,最后进行仿真。     

船用燃气轮机发电机组动态性能仿真

基于Matlab/Simulink平台,根据容积惯性法建立某三轴燃气轮机发电机组非线性动态模型,并定制燃气轮机转速调节及发电机励磁系统控制策略,对动态模型进行阶跃形突增突减负荷变工况仿真研究。结果表明动态模型能够有效地对负荷突变工况进行模拟,为船舶电网供电模块的控制系统设计与优化提供模型基础;在变工况过渡过程中,燃气轮机发电机组动态响应特性满足船舶电网供电品质要求。     

船用燃气轮机发电机组动态性能仿真

基于Matlab/Simulink平台,根据容积惯性法建立某三轴燃气轮机发电机组非线性动态模型,并定制燃气轮机转速调节及发电机励磁系统控制策略,对动态模型进行阶跃形突增突减负荷变工况仿真研究。结果表明动态模型能够有效地对负荷突变工况进行模拟,为船舶电网供电模块的控制系统设计与优化提供模型基础;在变工况过渡过程中,燃气轮机发电机组动态响应特性满足船舶电网供电品质要求。     

混响干扰下的潜艇目标尺度识别

为了对混响干扰下的潜艇目标进行识别,提出一种尺度识别方法。该方法在建立混响条件下的潜艇回波亮点模型的基础上,利用自身多普勒抑制技术对潜艇回波进行混响抑制,然后采用高分辨的MUSIC算法,对潜艇目标亮点进行方位估计,从而实现目标的尺度识别。仿真结果表明,该方法具有很高的方位分辨率,能够很好地实现对潜艇目标的尺度识别,具有很强的实用性。     

船舶移动网络大数据异常数据优化识别研究

异常数据对船舶移动网络通信产生干扰,而当前船舶移动网络的异常数据优化方法的效果差,无法满足船舶移动网络通信要求,为此设计了一种基于大数据分析技术的船舶移动网络异常数据优化识别方法。首先分析当前船舶移动网络异常数据优化研究方法,指出它们各自存在的缺陷,然后引入大数据分析技术对船舶移动网络异常数据进行优化和识别,最后进行船舶移动网络异常数据优化识别的实例分析,结果表明,本文方法可以描述船舶移动网络异常数据变化特点,提高船舶移动网络异常数据识别的正确率,而且船舶移动网络异常数据识别时间要短于其它方法,获得了令人满意的船舶移动网络异常数据识别结果。     

复杂环境条件下的航道通过能力研究

针对国外某河口港区吞吐量日益增长、乘潮窗口期有限、通航需求较高和通航环境复杂的矛盾,采用仿真试验方法进行航道通过能力分析.结合已建航道通航底高程和乘高潮水位分布反推不同船型在不同航向的乘潮窗口期;基于SIMIO软件建立包括码头、内锚地、航道、过驳船舶、外海过驳平台和浮吊,且考虑潮汐、潮流对船舶航行影响的仿真模型,通过试...     

内河水沙冲蚀条件下港口钢构件涂层损伤劣化的图像识别方法*

为探究内河港口码头钢构件在水沙冲蚀条件下防腐涂层的损伤劣化规律,通过自制的水沙加速冲蚀磨损装置开展不同冲蚀条件下涂层材料损伤劣化的试验研究,基于图像识别技术对冲蚀损伤后的涂层表面形貌进行数字化和二值化特征提取,设定区分像素孔隙的灰度阈值,用以定量分析涂层表面破坏形式和损伤劣化面积。结果表明：当来流角度呈45°时,涂层损伤劣化最严重且表面凹坑比和划痕比大致相同,涂层损伤劣化面积随来流速度的增大呈指数扩大趋势;当含沙量低于45 kg/m3时,含沙量的增大对涂层损伤劣化有促进作用,但当超过45 kg/m3后反而降低了涂层损伤劣化速率,实现了在无损情况下对内河水沙冲蚀条件下钢构件涂层的损伤劣化规律分析。     

孔压静力触探测试数据在桩基承载力评估中的应用

阐述了主要的桩基承载力CPTU评估方法,并分别对其适用性进行探讨。结合港珠澳大桥区域的地层特性,采用修正后的CPTU锥尖阻力与侧摩阻力数据与试桩资料中的单位桩端阻力与单位桩侧摩阻力进行对比分析,提出该区域的桩基承载力CPTU初步评估方法。该法以修正后的参数为基础,能更真实地预测单桩承载力,且具有较好的工程实用性与可操作性。