无线网络航道水下数据监测系统设计

针对基于5G的数据监测系统、基于传感器技术监测系统受到航道噪声影响,而导致监测精准度低的问题,提出无线网络的航道水下数据监测系统设计。使用水温传感器、水压传感器和PH值传感器获取水温、水压和PH值,使用OPA4650芯片设计低噪声放大器,通过串口数据监测器捕获串行通信数据。使用平均算子滤波器进行降噪处理,由此设计监测流程。通过实验结果可知,该系统最高监测精度为0.95,最低为0.92,具有精准监测效果。     

水温控制系统中的单片机技术应用

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.     

鲑鱼和鳟鱼将从美国消失

据美国环境保护团体——天然资源保护协会(NRDC)的研究小组最近发表的一份报告书称,按照目前地球变暖的速度,鲑鱼和鳟鱼将在本世纪内从美国的河流中消失。该研究小组对收集到美国主要河流(不包括阿拉斯加和夏威夷)2000多处的气温、水温等过去的数据,使用计算机模拟,把预测未来的水温、水量等情况,同银鲑鱼和桦太鳟鱼等7种鲑鱼和鳟鱼生息的条件进     

舰船维修数据云总线协议深度挖掘算法

现有的舰船维修数据深度挖掘算法,存在着数据挖掘深度浅的缺陷。为了解决上述问题,提出舰船维修数据云总线协议深度挖掘算法研究。依据算法需求编写云总线协议,采集并获取舰船维修数据,以此为基础,利用等深度分段方法离散化处理维修数据,依据离散化处理完成的维修数据,通过粗糙集约简算法得到最优舰船维修数据集,实现了舰船维修数据云总线协议的深度挖掘。通过仿真对比实验结果表明,与现有的舰船维修数据深度挖掘算法相比较,提出的舰船维修数据云总线协议深度挖掘算法极大的加深了数据挖掘的深度,充分说明提出的舰船维修数据云总线协议深度挖掘算法具备更好的数据挖掘效果。     

海洋实时监测数据库的多来源数据深度挖掘方法

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。     

数据挖掘技术在深度防御网络安全体系中的运用

随着攻击技术的日新月异及攻击数量的与日俱增,提高网络安全深度防御体系的效力是一个亟待解决的问题。将数据挖掘技术应用于网络安全深度防御体系中,在海量数据中挖掘有效信息、提高防御能力是一个新的思路。文章介绍了网络安全深度防御体系的概念及数据挖掘技术在网络安全深度防御体系构建中的应用。     

基于聚类算法的舰船通信数据深度挖掘方法

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%。     

深度学习在目标识别中的应用研究

深度学习是一种基于数据技术和图像技术的新兴机器学习技术,目前深度学习技术在社会发展建设中起到了越来越重要的作用。深度学习是建立在信息神经网络、卷积理论等先进科学技术理论基础上的,加强了机器深度学习的可靠性和准确性。本文通过对深度学习在目标识别中的应用进行深入研究和探讨,旨在为我国目标识别领域提供新的思路和途径,从而提高我国目标识别技术水平。     

浅谈工程潜水的医务保障——河池市DN800过江供水管道工程实践体会

在河池市DN800过江供水管道工程中,我们根据大深度、水温低、潜水作业时间长、下潜次数多、劳动强度大等特点,对潜水员施工前、中、后分别制定了医务保障措施,并在我国水面减压表的基础上适当调整,制定了专用潜水减压表,保证了潜水员的身体健康和工程的顺利进行.     

温度场实测温度数据的处理研究

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。     

云计算环境下舰船通信数据深度挖掘方法

舰船通信设备的复杂化,使得通信数据量级增大,受到噪声、背景等多种因素的影响,潜在的数据很难被发现,而云计算可以提供并行编程服务,因此,进行云计算环境下舰船通信数据深度挖掘方法研究。基于云计算MapReduce并行编程模式,引入数据聚类技术,将通信数据划分为多个数据集,根据节点计算资源分配通信数据集,通过KNN分类挖掘算法计算每个节点数据之间的欧式距离,基于确定阈值分类通信数据,实现了通信数据的深度挖掘。实验数据表明:当数据量大于200万条,提出方法数据挖掘执行时间较低,更适用于舰船通信数据深度挖掘。     

基于BP神经网络的冲积河床桥墩局部冲刷深度预测模型

桥墩局部冲刷深度是确定桥墩基础埋深的重要依据,过大的冲刷是桥梁水毁的主要原因之一.利用神经网络和一些实测数据建立BP神经网络模型,进行冲刷深度的预测,用收集到的桥墩局部冲刷数据样本训练并测试BP神经网络模型.测试结果表明由BP神经网络模型得出的桥墩局部冲刷深度预测值与实测值比较吻合,说明该神经网络模型预测桥墩局部冲刷深度是可行的、有效的.     

基于光流卷积网络的粒子图像测速自动掩模及速度场计算

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。     

碳钢、低合金钢全浸没海洋环境下最大点蚀深度简化模型

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。     

基于PointNet++的船体分段合拢面智能识别方法

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,但三维扫描仪在扫描过程中会记录很多与合拢面无关的点。文章对三维扫描仪扫描出的点云数据进行合拢面的智能识别;采用深度学习理论对PointNet++点云网络进行改进,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。     

海与洋

海洋是地球表面广袤连续水域的总称。面积约为36200万平方公里,约占地球表面积的71%;体积约为173000万立方公里。。然而,海与洋有别。海,是洋的一部份,是大洋的边缘部分。海,水域面积较小,约占海洋总面积的11%,深度较浅,水色浅蓝,透明度小,没有独立的潮汐和海流系统,水温和盐度受大陆的影响,有明显的季节变     

基于Fluent的冬季渠道水温数值模拟分析

为了完成冬季安全供水与发电任务,保障经济社会发展,同时防止冰塞等凌汛灾害,对冰凌生长位置的控制意义重大。本文运用水力与热力学原理,利用Fluent软件建立水力热力耦合数学模型,对渠道温度变化进行了模拟,通过控制影响渠道水温的要素,得出不同条件下水温的分布,确定了冰凌生长起始位置,揭示了流速,气温对渠道水温沿程变化的影响。将数值模拟水温与实测值以及一维热扩散方程计算水温相对比,结果与实测值相比较为吻合,能较为真实的反应渠道水温变化过程,对防凌减灾与工程实践具有一定的借鉴意义。     

基于PointNet++的船体分段合拢面智能识别方法

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。     

船用微型锅炉非线性温度系统控制器仿真与研究

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。     

基于深度学习的入侵检测方法

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.