车牌字符自动识别技术分析

本文阐述了从复杂背景中分离出车牌照图像,经过图像预处理及有效的车牌照区域定位算法进行车牌分割,通过最新的数字图像处理和识别技术对车牌字符分割与识别,分析了实现车牌自动识别的多种方法。     

基于DPC-GMM算法的船舶燃油系统故障诊断

[目的]传统的高斯混合模型(GMM)算法存在收敛速度较慢的固有缺陷,容易产生过拟合现象,导致参数计算陷入局部最优,不能很好地用于船舶燃油系统的故障诊断。[方法]首先,分析GMM算法及参数估计算法,结合密度峰值聚类(DPC)算法,提出一种基于DPC-GMM算法的船舶燃油系统故障诊断方法;然后,通过训练船舶燃油系统状态所对应的高斯混合模型参数,实现对船舶燃油系统故障的无监督诊断;最后,基于获取的船舶燃油系统故障数据,验证该方法的有效性。[结果]实验结果表明,采用基于DPC-GMM算法的故障辨识准确率高、识别速度快,优于传统的反向传播(BP)神经网络和支持向量机(SVM)诊断算法。[结论]研究结果对船舶燃油系统的故障诊断有重要的指导意义。     

基于改进的BP神经网络的车牌识别研究

车牌识别作为目标自动识别技术之一应用非常广泛,本文研究了字符特征提取方法,利用神经网络的方法构建一种改进的BP神经识别网络,最后此基础上对识别系统进行了改进优化,实验结果表明系统具有良好的鲁棒性,系统满足实时车牌识别的要求。     

基于机器学习的复杂光照条件下的河道船舶自动识别算法

随着大数据时代的到来,尤其是在图像识别领域深度学习理论得到了迅速的发展和应用。与经典的主成分分析（PCA）等识别算法相比较,深度学习算法具有识别率高,鲁棒性强。基于卷积神经网络（CNN）原理,提出了一种在复杂环境条件下基于现场可编程门阵列（FPGA）的实时船舶识别算法,该方法提高了库区复杂环境条件下船舶自动识别的速度和准确性。该识别算法基于全面多节点的FPGA构建,实现船舶快速自动监测的目的。测试结果表明,该方法识别速度已达到360帧每秒（FPS）的传输速度,远远超过现有结果。识别率为85%。此外,该算法针对库区复杂光照环境具有很好的鲁棒性。     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法。利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类。算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实。实验结果表明,该方法平均识别正确率达到93.6%,可以很好地实现船舶识别。     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法.利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类.算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实.实验结果表明,该方法平均识别正确率达到93.6％,可以很好地实现船舶识别.     

基于深度学习的港区内制车牌识别技术

港口集卡车牌的自动识别是港口自动化管理中的一项重要任务。针对车牌图像畸变大、面积小、车速较快等情况，提出一种基于深度学习的车牌识别算法，采用多路视频流作为输入，实现集卡车牌的实时在线检测。经过现场测试，车牌识别率可达99%。     

环网-辐射形船舶混合配电网络的Levy风驱动故障定位

为了使船舶混合配电网络在发生故障时能更为准确、迅速地定位故障状态及元件,在分析配电网结构特点的基础上,提出一种基于改进风驱动算法的故障定位方法.采用Levy飞行策略改进传统风驱动算法的更新过程兼顾了收敛性,提升了算法的全局寻优能力;同时,引入权重系数以抑制Levy飞行路径过长而引发越过最优解范围的缺陷.通过构建环网-辐射形船舶电网模型,在考虑继电器、断路器拒动/误动条件下,模拟配电网络发生的多点故障.利用基于Levy飞行策略的改进风驱动算法对故障模型进行优化求解,仿真结果说明:Levy风驱动算法具有更高的收敛精度和更快的收敛速度,能有效地定位故障元件.     

基于WLAN的大型船舶舱体内部指纹定位算法

大型船舶内部结构复杂,传统导航定位技术无法穿透船舱实现舱体内的人员定位需求。本文设计了基于WLAN的舱体内RSS指纹定位方法,在离线阶段,采集并训练RSS位置指纹;在在线定位阶段,将实时采集的数据与离线指纹库中数据进行比对,估算出定位结果。针对船舶舱体结构复杂、封闭空间多的特点,文章在定位的在线阶段和离线阶段,分别提出了贝叶斯分簇定位算法和基于信息增益的AP选择改进算法,并与传统算法进行仿真实验对比。结果表明,本文所提算法能够符合舱体内定位的精度需求,且与原有算法相比,进一步提升了定位精度。     

基于深度学习的海上目标快速检测方法

在智能海洋船艇自主导航和避障过程中，对周边环境的感知能力非常重要。本文针对智能船艇对环境感知的速度和精度需求，提出了基于深度学习的海上目标快速检测方法，并构建了以船舶、浮标和岛屿为检测目标的海上目标数据集。本方法通过提取目标图像不同尺度特征语义信息，应用多框检测器实现对目标的分类和定位，采用非极大值抑制算法筛选最优结果，实现了海上目标快速高精度检测。实验结果表明，本方法在自建数据集上取得了83.3%的识别正确率，单帧耗时9.8ms, 在相同实验条件下，正确率和单帧耗时均优于现有同类快速目标检测方法，证明了该方法可以满足智能船艇对环境感知的速度和精度需求。     

基于LSTM-PSO-SVM的船用LNG双燃料发动机故障预测

针对船用LNG双燃料发动机设备复杂,故障预测效率低、准确度差的问题,提出一种长短期记忆网络与改进粒子群优化算法优化支持向量机融合的预测模型。利用LSTM模型时间序列变化的能力对设备未来的运行状态进行预测,然后采用非线性自适应惯性权重改进PSO算法对SVM参数进行寻优,以提高其寻优能力和收敛速度;改进的LSTM-PSO-SVM融合模型可实现对设备故障状态的快速、准确预测。通过对某船用LNG双燃料发动机的故障预测仿真,结果表明上述模型具有更高的故障识别准确率和更快的识别速度,能够准确预测船用LNG双燃料发动机潜在故障。     

基于AdaBoost算法对海上失事船只的识别与定位

海上失事船只的识别与定位是军事应用中的重点、难点。本文将AdaBoost算法应用于海上船舰移动目标的识别与定位,基于Harrtraining对样本集进行特征提取,训练然后进行检测。研究实例表明了算法的有效性。     

一种改进的OFDM时间同步方案

时间同步是OFDM系统中最为重要的工作之一,文章对突发OFDM传输系统的定时同步进行研究,对OFDM系统定时同步算法进行改进,克服了以往算法中定时测度存在引起估计模糊的平台现象和多尖峰现象,因此定时同步精度高。改进算法使用了自相关处理,故对载波频率偏差具有强的鲁棒性,而且还具有较强的抗多径干扰能力,相对改进前的算法,改进的定时算法不仅能准确实现0FDM传输系统的帧同步,还能精确地实现符号同步,定时估计在时域内一次性完成,有利于系统载波频率同步实现,降低了频率同步的实现难度。此外,改进算法结构简单,额外开销量小,仅需一个训练符号,这种快速低开销量的同步方法适合突发的OFDM传输系统。     

一种车牌定位的新方法

研究了一种定位车牌区域的新方法,该方法首先对车牌图像进行边缘检测,然后进行骨骼化处理,最后通过线扫描定位车牌。实验证明使用该方法定位车牌的准确率达到了98.8%,平均耗时0.1s,同时对光线较昏暗、车牌较模糊的图像也能实现比较准确的定位。     

船体零件智能优化排样系统的设计研究

针对船体零件的排样问题,开发了基于智能算法的板材套料优化排样系统。该系统采用粒子群算法,并将免疫记忆和浓度机制引入算法提高了零件的排序优化速度。通过零件图形信息数据库管理模块和排样解码算法,实现图形的输入和编码、定位排放和正交靠接及自动计算生成最优排样结果。排样实例表明了该系统具有良好界面和人机交互功能,且有效提高了排样自动化程度和材料利用率。     

结合GPS的快速运动船舶定位方法研究

单独利用DR方法经常出现误差累积效应,导致船舶定位速度过慢。针对上述问题,提出一种结合GPS的快速运动船舶定位方法。通过快速状态方程和快速观测方程建立一个DR/GPS组合数学模型,采用计算过程更为简单的加权平均滤波算法实现数值快速融合,并设定一个高效率的船舶定位流程,实现船舶的快速定位。对比结果表明:结合了GPS的DR定位方法与单独使用DR方法相比,能够更为快速实现对船舶的定位,速度提高了20%。     

高海况下船舶动力定位混合控制器开发

在海洋资源开发中,船舶的动力定位精度至关重要。传统的定位锚泊技术受到海深、洋流、海浪以及海风等多种因素影响,难以达到控制要求。本文提出一种基于改进PID算法、神经网络算法以及模糊控制算法的船舶动力定位混合控制器,设计混合控制器的整体结构,对混合控制器中的改进PID算法控制器、神经网络控制器和模糊控制器进行详细设计和仿真。仿真结果表明,本文设计的船舶动力定位混合控制器能够实现对干扰信号的预测和跟随,且能够适应快速响应控制,因而具有较大的实用性和先进性。     

基于训练序列的OFDM符号同步算法研究

论文针对基于训练序列的OFDM符号同步基本算法存在的缺点,提出了两种改进算法.改进后的算法具有实现简单,计算量小,可迅速建立同步等优点.仿真结果验证了算法的有效性.     

基于运动与表象特征的广域船舶目标识别方法

[目的]旨在提出对航行于关键广阔水域内的船舶进行准确识别和定位的改进方法.[方法]运用视频监控的优点,综合采用基于背景差分算法的运动目标检测方法与基于深度学习算法的图像表象特征识别方法,结合目标的运动特征和图像表象特征,实现多维度广域船舶识别的功能,并对水纹降噪、多级运动检测、航道监控图像窗口分割检测等方法进行改进,进...     

一种基于FBD的改进谐波检测算法分析与研究

为了快速、准确地检测出钻井船供电系统中的基波和谐波电流,本文提出一种基于FBD的改进谐波检测算法。该算法利用移动窗算法取代传统FBD的低通滤波器(LPF),通过对正序电流畸变率和直流分量响应时间2个指标进行分析,验证改进FBD在谐波电流检测的速度和精度。为了验证改进的算法在钻井船电网工作状态下的效果,本文加入了动态负载验证改进FBD算法。利用Matlab在稳态和动态负载下对正序电流畸变率和直流分量响应时间分别进行仿真,根据实验结果分析,表明算法具有良好的动态响应、检测精度高、易实现等特点。最后用改进的FBD电流检测配合PR控制方式对钻井船复杂电力系统进行补偿,通过观察谐波电流畸变率可知谐波电流补偿的效果,验证了改进FBD的可行性。