舰船组合导航系统的顺序滤波融合算法

舰船组合导航系统Kalman滤波的集中式融合与分布式融合方法存在滤波精度与计算性能、容错性不可兼顾的缺点.且船舶运动受海洋环境等的影响,其噪声基于白噪声建模过于理想化.针对上述问题,提出了舰船组合导航系统的顺序滤波融合算法.该算法的基本思想是采用一阶Markov过程建立舰船运动的噪声模型,并用状态扩维方法将状态方程转化为符合标准Kalman滤波的基本方程,然后每一时刻检查各导航子系统的有效性,对有效的导航子系统引入顺序滤波融合思想实现导航定位.与传统的顺序滤波融合算法相比,新算法在保留与集中式融合同样高的滤波精度、计算性能好的优点的基础上,新增了实用性强、容错性好的优点.理论分析和舰船SINS/GPS组合导航仿真结果表明了新算法的有效性和优越性.     

采用RBF神经网络的舰船尾部型线结构优化

在舰船的设计开发过程中,船型的选择非常重要。舰船的尾部型线结构是船型设计中比较容易忽视的问题,为了使舰船尾部型线结构达到最优,可以利用先进的RBF神经网络对尾部型线结构进行优化。基于此点,本文从RBF神经网络的原理、结构及优点分析入手,提出船型优化框架的构建思路,以RBF神经网络替代传统的CFD,并对RBF神经网络模型的建立及预报精度进行研究。结果表明,RBF神经网络模型的预报精度能够满足应用需要,它的优化时间要远远少于CFD。     

舰船移动网络信息安全大数据集成模型

移动网络是保障舰船作战能力发挥的关键,舰船任务量的剧增,使得移动网络信息呈"井喷式"增长,给安全大数据的获取与应用带来了较大的阻碍,由此,提出舰船移动网络信息安全大数据集成模型。基于正则表达式原理,半自动化地抽取并转换安全大数据,搭建数据关联关系并行发现框架,计算数据之间的相似度,确定BP神经网络算法的最佳权值,执行BP神经网络算法分类并融合安全大数据,从而实现舰船移动网络信息安全大数据的集成。实验数据显示:数据集成平均耗时趋于1 s,并低于最小限值,具备较好的实时性。     

舰船通信网络的主动防御技术研究

针对传统舰船通信网络防御模型数据加密性较差的问题,设计新型舰船通信网络的主动防御技术模型。通过风暴通信数据截获、精准捕获参数计算2个步骤,完成舰船通信网络的入侵因子获取。在此基础上,通过防御特征路径长度确定、通信网络效率计算、防御流程完善3个步骤,完成新型模型的搭建,实现舰船通信网络的主动防御技术研究。对比实验结果表明,与传统防御模型相比,应用新型舰船通信网络的主动防御技术模型后,网络自身稳定性得到大幅提升、加密传输时长明显缩短,数据加密性较差问题得到有效解决。     

基于卷积神经网络的舰船图像边缘检测算法

为合理分布舰船行驶图像卷基层结构中的边缘化网络参数,设计基于卷积神经网络的舰船图像边缘检测算法。按照图像数据特征可视化处理依据,设定必要的神经动量值,完成基础卷积神经网络设计。在此基础上,命名舰船图像节点,再以基本边缘数据结构连接原理为参照,配置检测链接库,实现舰船图像边缘检测算法的顺利应用。对比实验结果,与理论检测手段相比,应用舰船图像边缘检测算法后,最大化网络参数值达到9.0×1015 T,图像边缘化检测覆盖率超过80%,舰船行驶图像卷基层结构中的边缘化网络参数达到理想化分布状态。     

基于时空域滤波的雾天舰船图像视觉传达方法

为提升雾天舰船图像视觉传达质量,提出基于时空域滤波的雾天舰船图像视觉传达方法。中值滤波算法分解雾天舰船图像,获取基础层与细节层雾天舰船图像;利用时空域滤波算法确定舰船图像需增强区域,并对其进行图像增强;以加权融合方式到增强后雾天舰船图像;提取增强后雾天舰船图像的边缘轮廓特征,依据量化融合方式处理提取的边缘轮廓特征,输出雾天舰船图像视觉传达结果。实验证明,该方法可有效分解雾天舰船图像,并增强图像,有效完成现雾天舰船图像视觉传达,提升图像边缘强度与彩色熵,即图像视觉传达效果较优。     

基于模糊数学模型的舰船红外成像目标智能识别方法

利用传统基于SVM和基于神经网络的方法对舰船红外成像目标进行智能识别,识别距离较短,导致识别范围受限。针对上述问题,提出基于模糊数学模型的舰船红外成像目标智能识别方法。该方法分为3步:1)对舰船红外图像进行预处理,包括图像滤波、图像增强、图像分割;2)利用基于几何特性方法提取处理后的图像特征;3)以图像特征作为模糊数学模型特征因子,构建模糊集合,并利用贴近度原则对被识别对象进行归属判决,完成目标识别。结果表明:与基于SVM和基于神经网络的方法相比,利用本方法进行舰船红外成像目标智能识别,识别距离延长10 m和20 m,识别范围扩大。     

联邦滤波器及其在船舶组合导航中的应用

介绍了联邦滤波器原理,设计了一个基于联邦滤波理论的船用组合导航系统.与传统的集中式滤波器相比,联邦滤波器结构简单,容易实现,并且容错性好,计算量少.仿真结果表明该滤波器能满足系统精度和容错性能的要求.     

基于自适应滤波技术的舰船信号处理研究

为解决传统舰船信号处理技术对信号处理有效性较低的不足,提出基于自适应滤波技术的舰船信号处理研究。基于自适应滤波技术的引入,搭建舰船信号处理接口,完成基于自适应滤波技术舰船信号处理模型的构建。依托信号处理参数的确定,实现对舰船信号的处理,完成了提出的基于自适应滤波技术的舰船信号处理研究。试验数据表明,基于自适应滤波技术的舰船信号处理方式较传统舰船信号处理方法,舰船信号处理有效性提高52.07%,适用于不同环境下的舰船系统通信信号处理。     

RBF神经网络的舰船电力系统故障诊断模型

舰船电力系统故障诊断是当前的热点问题,经典舰船电力系统故障诊断模型存在各自的缺陷,影响舰船电力系统故障诊断结果,为了改善舰船电力系统故障诊断结果,提出了RBF神经网络的舰船电力系统故障诊断模型。首先分析当前舰船电力系统故障诊断研究进展,阐述了RBF神经网络的舰船电力系统故障诊断原理,然后从舰船电力系统工作状态中提取特征向量,引入RBF神经网络进行学习,产生舰船电力系统故障诊断模型,并对RBF神经网络参数优化问题进行改进,最后与当前几种经典模型进行了故障诊断对比测试,RBF神经网络的舰船电力系统故障诊断正确率超过92%,而经典模型的舰船电力系统故障诊断正确率低于90%,误诊现象出现的概率很高,验证了RBF神经网络用于舰船电力系统故障诊断的优越性。