共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
分析了浴池水温控制系统,提出了一种实用的解决方案,并介绍了系统的软硬件设计.实践证明,该水温控制系统设计合理,达到了使用要求. 相似文献
3.
4.
5.
在舰船实时监测数据库的数据挖掘中,针对使用传统数据挖掘方法伸缩性较小的问题,提出了一种舰船实时监测数据库的多来源数据深度挖掘方法,利用差集交叉计数策略,将舰船实时监测数据库中垂直数据格式的多来源数据转换为水平数据格式,利用基于数据集的数据聚类方法,对舰船实时监测数据库中的水平数据格式多来源数据进行聚类分析,利用HFPM数据集构造法,实现舰船实时监测数据库的多来源数据深度挖掘。为了验证该方法的有效性,与PFP数据挖掘方法与mrDFIN数据挖掘方法进行对比,得出该方法的伸缩性为92.3%,通过比较可知,本文所提方法的伸缩性最大,证明了该方法的有效性。 相似文献
6.
7.
传统挖掘方法无法考虑众多通信因素的多层次特征,造成数据挖掘效果不理想,为此设计一种基于聚类算法的舰船通信数据深度挖掘方法。利用聚类算法,对通信数据的多层次特征进行筛选,从而为通信数据的深度挖掘提供依据,结合聚类挖掘粗糙集,生成数据深度挖掘的关联规则并进行聚类计算,对每个通信数据执行交叉变换逻辑,实现舰船通信数据的深度挖掘。实验结果表明,利用聚类算法进行通信数据的深度挖掘,能够提高数据的挖掘速度,且准确率较传统方法高27.15%。 相似文献
8.
9.
10.
以温度场实测数据为基础,提出了温度实测数据的处理及拟合方法。介绍路面温度的测定方法及传感器的标定过程;由实测数据发现,在短时间间隔内,路面沿深度的升温曲线近似为线性分布,根据导热理论及实测温度数据提出用三次多项式拟合路面温度的深度曲线。用最小二乘和加权最小二乘拟合路面温度的深度曲线。 相似文献
11.
12.
13.
粒子图像测速(PIV)技术是一种定量的非接触式全局速度场测量技术。在船舶与海洋工程领域,PIV实验中拍摄的粒子图像常出现结构物遮挡或自由液面等干扰现象,需要对其进行掩模后计算液相区域速度场。因此,实现PIV图像中干扰区域自动掩模及液相区域速度场高精度计算具有重要的意义。本文基于光流卷积神经网络LiteFlowNet,设计了一种可实现自动掩模及速度场计算的深度学习模型Mask-PIV-LiteFlowNet,并使用基于物体入水PIV实验图像掩模数据集和PIV速度场计算数据集制作的数据集对其进行训练和测试。测试结果表明,该模型能够有效减少临近掩模边界区域的速度场计算错误并能够精细地提取流场小尺度流动信息,相比于当前先进的PIV深度学习模型PIV-LiteFlowNet-en,本文提出的模型在对带结构物的合成粒子图像进行流场计算时精度获得了至少14.5%的提升,计算速度上获得了5.7%的提升。最后,使用楔形体入水PIV图像对提出的模型进行了测试,验证了模型的泛化能力。 相似文献
14.
腐蚀是导致老龄船舶结构失效的主要原因之一。结合基本点蚀原理,文章对碳钢、低合金钢海水全浸没点蚀的主要影响因素、具体点蚀进程做了简要解释与评述。基于Melchers点蚀深度模型及其相关实验数据,文中提出一种简化形式的新型点蚀最大深度模型,并采用该模型对三组我国船舶结构常用碳钢、低合金钢的青岛海域全浸没点蚀试验观测数据进行分析。通过对比验证,证明采用Weibull函数表示点蚀最大深度随时间变化关系是合适的。此外,依据青岛、厦门、榆林海域碳钢试验数据,文中还对海水环境因素,如:溶解氧浓度、平均温度、盐度、PH值等,以及钢材成分变化对新型最大点蚀深度模型各参数的影响进行了初步探讨,得出了相应的函数关系式及相关结论。 相似文献
15.
16.
17.
18.
船体分段合拢面的精度检测是分段总组合拢过程中的重要环节。在船体分段合拢面的精度检测方面,三维扫描仪相对全站仪有着巨大优势。然而,三维扫描仪在扫描过程中会记录很多与合拢面无关的点,因此本文对三维扫描仪扫描出的点云数据,进行合拢面的智能识别。通过采用深度学习理论对PointNet++点云网络进行适合本文的改进,使用CAD模型导出的点云数据构建有标注的船体分段点云数据集,进而使用Adam优化算法对网络进行优化训练。最终网络模型对分段合拢面的识别在验证集上获得精确率73%,召回率90%的效果。 相似文献
19.
为了实现对船用微型锅炉高、低水温的控制,在Matlab环境下对实测和计算的数据进行曲线拟合,建立了船用微型锅炉水温系统的非线性数学模型。运用滑模变结构控制理论,选取线性切换面和比例型趋近率,设计了一种滑模控制器,实现了双输入双输出非线性耦合温度系统的解耦和控制。通过Matlab/Simulink软件的仿真,结果显示滑模变结构控制算法对非线性系统的控制有响应快、超调小、调节时间短、无误差和抖动的特点。 相似文献
20.
《江苏科技大学学报(社会科学版)》2017,(6)
针对目前入侵检测技术在误报率和检测率上存在的不足,将深度学习和半监督聚类应用于入侵检测技术,提出了一种基于深度学习的入侵检测算法.算法采用稀疏自编码器对数据特征逐层提取数据特征,进而挖掘数据内的有效信息,并将不同的数据正确分类.仿真结果表明,该算法在提高检测率的同时降低了误报率,有效地改进了入侵检测系统的性能. 相似文献