一种船舶舱室火灾连锁报警等级评估方法

在分析船上一些典型舱室火灾报警的判别要素基础上,提出一种模糊控制策略,即将量化后的感温、感烟探头火情信息以及由火灾模拟软件得出的不同舱室火灾危险度信息作为输入变量,通过模糊推理判断得到各舱室火灾连锁报警等级信息,以便船舶火灾自动报警系统能够据此信息做到各舱室连锁报警的迅速性、全面性、准确性与可靠性,减少船舶舱室火灾带来的重大危害与损失。     

一种船舶舱室火灾报警优先级评估模型

舱室是船舶的重要组成部分。当某舱室发生火灾时,其相邻舱室极易引发连锁性起火,此时如果报警系统不能及时、准确、可靠地给出各舱室的关联报警信息,就会对整个船舶造成严重危害。为了增加船舶火灾报警系统的早期预警与关联报警功能,分析了通常情况下典型船舶舱室的火灾报警判别要素并对其进行量化,建立舱室火灾报警优先级BP神经网络评估模型,运用LM算法对该评估模型进行学习训练,并通过测试样本验证该船舶舱室火灾报警优先级评估模型的可行性与准确性。该方法有助于提高报警系统对各舱室火灾探测报警的准确性,从而可降低由于舱室关联起火而导致发生船舶重大损失的概率。     

船舶舱室火灾图像实时去烟算法研究

烟雾会降低能见度,为船舶火灾消防带来极大不便。研究图像实时去烟算法,并应用到视频监控或消防设备中,为消防行动提供视觉支持,对提高行动效率具有重大意义。本文提出一种图像实时去烟算法,在分析了船舶舱室火灾图像特点的基础上,基于传统Retinex理论,引入滚动导向滤波代替高斯滤波,取消对数计算,并结合图像金字塔设计了多尺度处理,通过对比度拉伸优化视觉效果。主、客观评价的结果表明,该算法去烟效果良好,优于直方图均衡化、多尺度Retinex、暗通道先验3种经典图像清晰化算法,且对640×480×3像素RGB图像的处理时间仅为95 ms。     

基于BN和ANN联合模型的舰船舱室火灾探测方法

针对平时或战时火灾传感器可能出现的故障或失效问题,基于贝叶斯网络(BN)的不确定性推理特性和神经网络(ANN)良好的非线性映射能力,提出基于二者联合模型的舱室火灾探测方法,分别在正常、添加随机噪声和传感器故障条件下对模型性能进行仿真测试。结果表明,联合模型具有较强的抗干扰能力,在设定的各种情况下均能正确地判断火灾状态,具有良好的探测准确度与响应速度,单次探测耗时仅为10 ms,可有效解决舰船舱室火灾探测过程信息不确定、不完整和实时性要求高的问题。切实增强舱室火灾的早期自动探测能力。     

基于传感器网络的船舶舱室火灾远程监控系统

由于传输信道中存在随机干扰,监控系统受到干扰后输出的信号中存在随机误差,从而导致传统的船舶舱室火灾远程监控系统实时性差,为此设计一种基于传感器网络的船舶舱室火灾远程监控系统。在系统的硬件部分,通过温度传感器实时测量温度,利用无线收发模块传输监控数据,并采用数据采集卡采集监控数据。在系统软件部分,利用传感器网络中的无线通信技术感知实时监测的信息,采用数字滤波方法抑制有效信号中的干扰成分,输出监控信号,以此完成基于传感器网络的船舶舱室火灾远程监控系统的设计。实验以明火发现时间与阴燃火发现时间为实验指标。结果表明,所设计的系统比传统的基于红外技术的船舶舱室火灾远程监控系统与基于蓝牙技术的船舶舱室火灾远程监控系统发现明火、阴燃火的时间短,证明所设计的监控系统实时性能好,能够及时发现火灾情况。     

BP神经网络在船舶油污事故损害赔偿评估中的应用

此文针对船舶油污事故损害赔偿评估非线性系统的复杂性,分析了人工神经网络技术在该领域应用的可能性,建立了船舶油污事故损害赔偿的神经网络评估模型,并以具体案例来验证该模型的可靠性,结果比较满意。该模型对船舶油污事故损害赔偿评估具有一定的参考实用价值。     

基于BP神经网络的船舶企业员工综合评价模型

为了保障船舶工业企业内部对其员工的使用管理和评价上的客观性和准确性,提出基于BP神经网络的综合评价方法,在建立了员工评价的指标体系基础上建立了基于BP神经网络的评价模型,将评价员工综合素质的指标值作为模型的输入量,评价结果作为模型输出量,用样本对神经网络进行训练,利用收集的中国船舶工业集团某造船企业管理执行层员工信息,使用MATLAB对模型进行模拟仿真训练,用验证样本对评价模型检测,检测结果是仿真输出与期望输入基本一致,说明网络合理,评价模型能够较好对船舶企业员工的综合素质进行评价.     

基于BP神经网络的空袭目标识别

通过介绍BP神经网络用于目标识别的基本原理,对目标不完整或不确定数据进行分析、推理。提取空袭目标的速度、高度、机动加速度和雷达反射面积等有用特征,并运用定性、定量相接合的方法,对目标特征进行归一化处理,作为输入层数据。根据目标识别的具体要求确定各层神经元数,建立了BP神经网络目标识别模型。通过对样本数据训练、检验、输出结果的分析,表明在缺乏识别先验知识时,运用该方法识别空中目标简单有效。     

基于BP神经网络的船舶航迹控制技术

航海战舰规模的扩大使船舶航迹的控制变得越来越困难、复杂。为了实现船舶航迹控制,采用新的控制技术,根据神经网络及船舶航迹的相关理论和BP神经网络的船舶航迹控原理,对BP神经网络的船舶航迹控制进行计算和航迹设计实现,通过模拟仿真得出各种海情条件下的船舶航迹控制比较图,对我国航海战舰控制航迹有一定的指导意义。     

基于BP神经网络的舰船维修成本估计

舰船维修成本估计直接影响舰船企业的运营效益,针对当前舰船维修成本估计方法存在的一些局限性,以延长舰船寿命,提出基于BP神经网络的舰船维修成本估计方法。首先介绍当前舰船维修成本估计研究现状,找到当前各种舰船维修成本估计方法的不足,然后在此基础上依据舰船维修成本变化特点,引入BP神经网络建立舰船维修成本估计模型,最后通过Matalab2017平台实现了舰船维修成本估计仿真实验。相对当前其他的舰船维修成本估计方法,BP神经网络可以更好地跟踪舰船维修成本变化特点,不仅舰船维修成本估计精度高,而且舰船维修成本估计建模时间短,为解决复杂多变的舰船维修成本估计问题提供了一种新的方法。     

BP神经网络的舰船辐射噪声识别

当前舰船辐射噪声识别方法存在识别率低,对环境鲁棒性差等缺陷,为了对复杂环境下的舰船辐射噪声识别进行准确识别,提出了BP神经网络的舰船辐射噪声识别方法。首先采集舰船辐射噪声,并提取舰船辐射噪声识别有效特征参数,然后采用BP神经网络建立舰船辐射噪声识别模型,从而实现对舰船辐射噪声信号的分类和识别,最后进行舰船辐射噪声识别的仿真测试。结果表明,相对于已有的舰船辐射噪声识别方法,BP神经网络提高了舰船辐射噪声识别率,可以对各种舰船辐射噪声信号进行准确分类。     

基于BP神经网络的船舶网络安全状态评价

船舶网络是一种特殊的移动网络,面临巨大的安全隐患,传统线性船舶网络安全状态评价的偏差大,结果极不科学。为改善船舶网络安全状态评价效果,设计了基于BP神经网络的船舶网络安全状态评价方法。该方法首先分析船舶网络安全状态评价影响因素,采集船舶网络安全状态评价数据,然后将影响因素和船舶网络安全状态评价分别作为BP神经网络的输入和输出,通过BP神经网络学习,对船舶网络安全状态进行评价,最后采用VC编程实现了船舶网络安全状态评价仿真实验,结果显示BP神经网络可以区分各种船舶网络安全状态,评价准确性得到大幅度改善,同时提升了船舶网络安全状态评价效率,可以有效保证船舶网络安全。     

BP神经网络在船舶与海洋工程中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型.仅通过学习样本数据即可以进行预测.介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了优化,给出了改进的三层BP神经网络算法.最后结合船舶与海洋工程的一些实际问题.探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实验表明,神经网络的预测精度在船舶与海洋工程是可以接受的.     

BP神经网络在船舶远程监控中的应用研究

近年来,随着无线通信、传感器网络等技术的快速发展,船舶远程监控系统在保障航运安全、维护船载设备等方面发挥着越来越重要的作用。船舶远程监控系统实现船岸间数据信息共享和交互,对船载设备的运行状态进行实时监控,并根据采集的数据进行状态预测和故障诊断。本文在船舶远程监控系统基础上,利用BP神经网络的自组织学习特性,提出远程故障诊断模型,该模型能够根据设备运行参数对故障趋势进行准确判断并发出预警。     

模板匹配和BP神经网络在船舶识别中的应用

首先分析模板匹配技术,指出本文采用了序贯相似性检测法进行特征提取;然后设计BP神经网络3层结构,将模板匹配的特征作为输入层的输入向量,经过多次训练学习,得到船舶识别结果;最后利用Matlab和Opencv进行实验仿真,实验结果说明采用模板匹配和BP神经网络相结合的方法比仅用模板匹配的算法能提高识别率。     

基于PCA与BP神经网络的危险化学品船舶识别

对危险化学品船舶进行识别有利于保障海上航道安全和维护海洋生态环境。本文通过PCA算法进行危险化学品船舶的特征提取,并且测试集和训练集样本都投影到特征空间中,利用BP神经网络进行分类识别。最后进行BP神经网络分类器中不同阈值和不同隐层数量的仿真实验。     

BP神经网络和PID船舶自动舵控制方法

船舶自动舵控制十分复杂,再加其它因素的干扰,使得单一神经网络或者PID控制无法对船舶自动舵进行高精度控制,而且船舶自动舵控制速度慢,为了改善船舶自动舵控制效果,利用BP神经网络和PID控制的优点,设计了BP神经网络和PID相融合的船舶自动舵控制方法。首先分析船舶自动舵控制原理,然后初始化PID参数的范围,并采用BP神经网络获取PID控制器的3个参数最优值,从而实现船舶自动舵控制,最后在Matlab平台实现了的船舶自动舵控制仿真模拟实验。结果表明,本文方法可以对船舶自动舵变化趋势进行很好的跟踪和控制,获得了高精度的船舶自动舵控制结果,而且船舶自动舵控制速度快,能够适合船舶自动舵的实时性变化特性,具有较强的抗干扰能力,具有一定的推广价值。