化学品液货船装载过氧化氢溶液特殊要求

正由于过氧化氢溶液具有不稳定易分解的化学特性,分解产生的热量与氧气在储存和运输过程中易与其他物质混合产生过热和爆炸危险性,所以IBC规则在15.5条对化学品船载运过氧化氢溶液条件提出了特殊要求,本文就IBC规则和中国船级社《散装运输危险化学品船舶构造与设备规范》相关特殊要求条款进行了研究,对液货舱的检验、清洗、钝化和装载程序的     

雾天环境下的舰船图像增强算法研究

为了提高雾天环境下的舰船图像质量,提出一种形态滤波算法和小波变换的雾天环境下舰船图像增强算法。首先采集雾天环境下的舰船图像,并对图像进行形态滤波操作,去掉舰船图像中的噪声,将舰船图像的重要信息保留下来,然后采用小波变换对2幅舰船图像分别进行分解,并对它们进行融合和增强,消除雾天环境对舰船图像的干扰,得到更加清晰的舰船图像,最后与其他算法进行舰船图像增强仿真实验,仿真实验表明本文算法的舰船图像信噪比要高于对比算法,可以对雾天环境中的不利因素进行有效的抑制,得到的舰船图像的视觉效果十分理想,解决了当前雾天环境下舰船图像增强中的难题。     

EMD在动态称重中改进算法的研究与应用

针对经验模态分解处理汽车动态称重情况下短历程信号过程中存在的问题,提出了一种改进算法,即在经验模态分解的基础上,再次对分解结果进行重构和优化算法处理。应用此方法对实测信号进行处理,对处理结果进行了分析和说明,处理结果表明,改进算法是可行的。     

基于小波包和不变矩的舰船目标识别

以船舶目标分类系统作为研究对象,对小波包变换在舰船目标分类识别中的应用进行研究。首先,介绍小波变换的相关理论,小波包分解能够进行任意尺度的时频分析;然后对不变矩算法进行介绍,给出一种基于小波包分解和不变矩算法相结合的特征值提取方法。仿真实验结果表明,本文给出的方法具有较高的识别率。     

基于VDM与APSO优化极限学习机的船舶运动姿态预报

为提高船舶在海上运动的耐波性与适航性,并为解决具有非线性、随机性和非平稳性特点的船舶运动姿态难以准确预测的问题,提出运用一种基于变分模态分解和自适应粒子群算法优化极限学习机的组合预测模型。该算法首先利用变分模态分解将船舶运动姿态序列分解为一系列限带内本征模态函数,并且变分模态分解可以避免经验模态分解技术所产生的模态混叠和端点效应,可以降低序列的非平稳性对预测精度的影响;然后对各模态分量分别建立极限学习机预测模型,并用改进的粒子群算法对极限学习机的初始权值和阈值进行优化;最后将各模态分量预测结果进行叠加,得到最终的船舶运动姿态预测值。通过模拟试验测试并与其他传统的预测方法进行比较,结果表明所建立的组合预测模型具有更高的预测精度。     

基于改进Apriori算法的船用柴油机装配工艺文件关联规则挖掘研究

柴油机作为船舶关键部件之一,其装配工艺设计的合理与否与船舶的整体性能直接相关。针对企业历史装配工艺文件不能充分为新机型装配任务发布时装配工艺设计提供支撑的问题,提出一个基于关联规则挖掘的柴油机装配工艺规则挖掘系统,该系统充分利用已有装配工艺文件,结合数据挖掘技术,对文件进行挖掘分析,建立装配规则库,为后续装配工艺智能设计提供数据支持。本文提出一种改进的Apriori算法,建立了关联规则挖掘的数学模型和基于自定义词典装配工艺文件分词算法,将分词处理过后的文件可以作为数据挖掘算法的输入,并在传统Apriori算法的基础上提出一种改进的Apriori算法,该算法核心思想是在对候选频繁事务集剪枝时,降低算法的时间复杂度,从而提高挖掘效率直到获得柴油机装配工艺文件中的关联规则。最后以某船厂的历史机型柴油机气缸盖装配工艺文件为例,验证了改进Apriori算法在挖掘柴油装配工艺文件关联规则时的可行性和有效性。     

基于对称受限玻尔兹曼机的协同过滤算法

协同过滤算法在推荐系统中得到了广泛应用。其中具有代表性的是基于有向图模型的矩阵分解法和基于无向图模型的受限玻尔兹曼机。文中提出了一种基于对称受限玻尔兹曼机的协同过滤算法,该算法充分考虑并利用了推荐系统中用户和物品的对称性,通过对用户和物品分别建立了一个受限玻尔兹曼机,最后,采用回归算法对二者的结果进行融合处理。实验结果显示该方法与其他相关算法相比具有明显的优越性。     

一种基于实时预测算法的船舶姿态控制器设计

在船舶研发和改进过程中,研究减摇设备是重要课题之一。传统减摇设备的滞后性导致其不能有效避免波浪引起的船舶侧翻等灾害,故本文设计一种基于实时预测算法的船舶姿态控制器。将不规则波分解为大量规则波叠加建立波面模型,分析波倾角并建立船舶的传递模型。基于卡尔曼滤波算法设计船舶的横摇预测系统,再以减摇鳍为核心设计姿态控制器,最后进行模拟仿真。结果表明,预测系统预测结果准确,预测值误差较小,姿态控制器减摇效果良好,浪向角120°下横摇角被控制在5°以内。     

基于FP-growth的前后部项约束关联规则改进算法

为解决项约束关联规则挖掘算法未考虑用户感兴趣的项属于规则前部还是后部,而导致生成大量冗余关联规则的问题,论文提出了一种基于FP-growth的前后部项约束关联规则挖掘算法,该算法先对用户感兴趣的规则前后部项进行标记,构成约束条件。然后对事务集进行筛选,压缩事务空间,简化FP-tree建立,最终挖掘出有效的频繁项集和关联规则。实验结果表明该算法与其他项约束关联规则算法相比,运行时间较低,减少了冗余关联规则的数量,且具有较好的规模增长性。     

多传感器信号融合算法的仿真

基于贝叶斯推理的多传感器最佳融合规则不能用于多目标的信号判定，本文对改进的多目标多传感器信号融合算法和经典算法进行了仿真，讨论了仿真结果，并对两种算法进行了比较。