ARM7在舰船监控系统前端开发的应用

我国海岸线漫长,岛屿众多,领海蕴藏着丰富的化石燃料资源和渔业资源。为了合理的开发和利用海上资源,同时,也为了保护我国的领海安全,建立高效、可靠的舰船监控系统势在必行。随着嵌入式技术和通信技术的迅速发展,舰船监控系统也亟待技术革新。本文在传统的舰船监控系统的基础上,结合嵌入式技术和ARM7微处理芯片,进行舰船监控系统的前端开发,并详细介绍了原理和开发流程。     

神经网络方法在舰船姿态运动预报中的应用研究

将神经网络应用于舰船姿态运动预报中,利用带有延迟反馈的回归神经网络的暂态、学习效率高、动态映射等优点,提出多输入单输出简化的对角回归神经网络,并给出舰船姿态运动预报模型。在此基础上进行算法收敛性的说明。最后采集15个样本,通过分析样本的平均误差、均方误差和相对误差来说明本文所此采用的算法对舰船纵摇姿态的预报结果有效。为提高预报精度需要将船舶受到的外界干扰融合到模型中,从而可得到理想的预报效果。     

基于经验模态分解的舰船运动姿态预测模型研究

运动姿态准确性预测对提高舰船水上作业安全性具有重要的现实意义,为此,基于经验模态分解算法,构建一种新的舰船运动姿态预测模型。该模型首先利用EMD分解舰船运动时间序列,然后采用游程判别法来判定IMF和r_n (t)的波动程度,划分高频、中频和低频3个分量,最后利用基于支持向量机算法构建的预测模型预测舰船运动姿态。实验结果表明:与卡尔曼滤波法、谱估计法、艏前波法3种运动姿态预测方法得到的结果相比,本模型的纵摇角预测误差更小,精度更高。     

大型舰船姿态运动极短期预报的一种AR算法

本文提出并严格地证明了一种AR模型的预报算法,利用该算法可对大型舰船运动姿态进行预报,在物理仿真系统中取得满意的结果。     

基于神经网络的舰船姿态信息谱估计方法

从最大熵谱估计入手,用ＴＨ网络这时地实现了对船用惯导系统姿态测量信号的最在熵一维谱估计。研究表明,由于神经网络的高度运算能力。该方法有效地解决了信号频谱处理过程中处理性能与运算量之间的矛盾,为现代谱估计了新途径。     

基于云计算的舰船姿态信息管理系统优化算法

常规的舰船姿态信息管理系统资源分配不均衡,在运行时执行能耗过高,导致了系统资源的浪费,为此采用云计算技术,提出舰船姿态信息管理系统优化算法研究。分离噪声与有效信号,利用两者间方差幅值差异,获取舰船姿态信息数据,根据小波系数重构,校正姿态误差,通过云计算中心合理调度数据信息,分析历史时间序列,减少系统空闲所占比重,完成了基于云计算的舰船姿态信息管理系统优化算法研究。设计对照实验,将优化后的执行能耗,与另外2种常规算法相比较,实验结果表明,优化后的算法能够使其能耗降低21.63%,合理分配了系统资源,避免资源浪费。     

基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果。为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比。实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点。这为舰船运动短期预测提供了一个新的思路和方法。     

基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果.为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比.实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点.这为舰船运动短期预测提供了一个新的思路和方法.     

耦合作用下舰船运动姿态短期预测数学模型及仿真分析

舰船运动姿态短期预测很容易受到耦合作用以及周围环境因素的影响,导致预测结果的延时较高。对此设计了舰船运动姿态短期预测模型并进行仿真分析,利用船舶航行时间数据序列规律,建立当前船舶数据时序回归分析方程,计算当前船舶时间序列数据阶数以及对应系数,完成时间序列统计,以调度神经网络结构作为序列数据计算逻辑,以输入门、输出门和遗忘门作为增值单元,构造预测模型记忆区结构,将时间序列数据作为输入门的输入项,通过神经网络隐层,输出初始预测结果,再通过控制函数,缩小预测结果控制权值,完成船舶运动姿态最终预测。仿真分析数据表明,与传统预测方法相比,应用该设计模型,对舰船正向横倾姿态仿真预测的延时降低27%,反向横倾姿态仿真预测延时降低了19%,可以有效降低预测延时。     

基于捷联式电子罗盘的舰船姿态及姿态速率估计

捷联式电子罗盘正被大量应用，根据其自身观测能力，提出了一种新的姿态及姿态速率估计方法，该优化估计方法采用加权统计线性回归技术，与经典的对非线性系统方程的线性化的方法相比具有更高的精度和稳定性。仿真结果表明，该方法可以明显提高捷联式电子罗盘的姿态测量精度，并能同步完成对姿态速率的估计，直接扩展捷联式电子罗盘的功能。     

基于机器学习的舰船系统交叉覆盖数据分类方法

传统的舰船系统交叉覆盖数据分类方法存在着分类性能差的缺陷,为此提出基于机器学习的舰船系统交叉覆盖数据分类方法研究。采用随机森林算法对交叉覆盖数据的不相关特征属性进行剔除,得到有价值的交叉覆盖数据集合,利用领域粗糙集算法对有价值交叉覆盖数据集合的特征进行提取,以特征集合为依据,采用机器学习算法实现了舰船系统交叉覆盖数据的分类。通过实验得到,提出的舰船系统交叉覆盖数据分类方法的分类精度比传统方法高出30%,迭代次数比传统方法少了9次,说明提出的舰船系统交叉覆盖数据分类方法具备更好的分类性能。     

舰船舫态监测及预报系统研究

基于随机理论基础的研究方法，应用矩函数法求解随机风浪中舰船的非线性横摇响应，提出了风浪中舰船安全航行的动稳性简化指标，研究建立将理论研究成果与测量技术、数据处理、计算机应用相结合的舰船浮态、稳性监测系统数学模型，给出舰船态监测与预报系统设计方案。     

舰船运动姿态仿真与多层AR预报研究

舰船运动姿态预报可更好地保障舰船各项作业的顺利进行,提高航行安全性。该文从频域角度仿真随机风浪,据此仿真舰船运动。考虑到舰船运动姿态时域上的非线性、非平稳特点,采用多层AR模型进行舰船运动姿态预报,并根据仿真案例进行预报检验。多层AR方法能有效提高极短期预报的精度。     

具有艏前波观测量的大型舰船姿态运动极短期预报

本文提出了具有艏前波观测量时大型舰船姿态运动建模的预报方法，仿真计算表明，该方法具有满意的预报精度。最后，将该方法与通常的AR方法进行了比较。     

基于I—7000模块的数据监测系统开发研究

此文介绍了一种舰船机舱环境数据监测系统的层次结构和软件设计，采用I－7000系列模块完成了整个系统的现场数据采集及网络传输,VisualBasic地软件系统，实现了以太网同RS－485控制网络融合通信的功能，使得整个系统简单并具有良好的开放性。     

网络化舰船远程监测及维修管理决策系统研制

以多年来在船岸管理一体化管理方面取得的研究成果,从舰船机电设备监测、维护、管理与决策分析需求出发,对网络化舰船远程监测及维修管理决策系统的研制提出了具体的研究内容与系统总体架构的设计方案．     

姿态变化对舰船感应磁性的影响

基于弱磁环境下铁磁质的磁化规律,利用舰船姿态变化模型和国际地磁参考场模型,研究不同磁航向情况下,横摇角、纵摇角和偏航角对舰船感应磁性各分量的影响。仿真分析表明,在地磁坐标系中,舰船的各个感应磁性分量除了受磁航向影响之外,还受横摇角、纵摇角和偏航角的调制作用,其中,横摇角的作用最为显著,使得相应磁性产生与横摇频率相同的变化;纵摇角的作用次之,偏航角的作用最小。