基于关联规则的船舶故障数据自动分类方法

为了提高船舶故障诊断能力,需要进行故障数据的自动分类设计,提出基于关联规则的船舶故障数据自动分类方法。构建船舶故障数据的数据信息流模型,采用高维特征分组方法进行船舶故障数据的分组重构,采用分段线性检验方法进行船舶故障数据的统计特征分析,提取反映船舶故障类别属性的关联规则向量集,根据特征提取结果进行模糊聚类处理,实现船舶故障信息融合,结合自适应分组检测方法,实现船舶故障数据关联规则的自动分类。仿真结果表明,采用该方法进行船舶故障数据自动分类的自适应性较强,误分率较低,提高了船舶故障的诊断检测能力。     

云计算环境下船舶实时远程故障数据自动分类方法

传统的船舶实时远程故障数据自动分类方法中,对于密集数据存在运算时间较长的问题。为此,设计云计算环境下船舶实时远程故障数据自动分类方法。将云终端作为故障数据的中转站,实时获取船舶远程故障数据,计算历史故障数据的相似度,筛选出合适的数据块,经过训练生成基础分类器,利用KL散度计算权重系数,确定分类器的有效权值,以此为依据,构成一个集成分类器,实现船舶实时远程故障数据自动分类。测试结果表明:与传统的分类方法相比,设计的云计算环境下船舶实时远程故障数据自动分类方法面对密集数据,所需运算时间较短。     

基于关联规则的舰船故障数据定位挖掘算法

为了提高舰船故障检测能力,需要进行舰船故障数据的实时挖掘和分类分析,提出一种基于关联规则的舰船故障数据的定位挖掘方法。采用电磁探测器、水声换能器、声呐装置、声学传感器等设备进行不同工况下舰船数据采集,包括舰船辐射噪声、机械振动等数据,对采集的数据进行高维特征融合处理,提取舰船故障数据的关联规则特征量,对提取的特征量采用K均值算法进行聚类分析,并通过BP神经网络分类器实现舰船故障数据的分类识别,实现舰船故障数据定位挖掘。仿真结果表明,采用该方法进行舰船故障数据挖掘的准确性较好,对故障的定位能力较强,提高了舰船实时故障诊断能力。     

基于机器学习算法的舰船故障数据自动分类

舰船故障数据种类多,变化复杂,当前方法无法实现高精度的舰船故障数据自动分类,使得舰船故障数据自动分类精度难以满足实际应用的要求。为了获得理想的舰船故障数据自动分类结果,本文构建了一种基于机器学习算法的舰船故障数据自动分类方法。对当前国内外的舰船故障数据自动分类文献进行分析,并提出机器学习算法的舰船故障数据自动分类框架。通过传感器采集舰船故障数据,从中提取描述数据类型的特征集合。最后引入机器学习算法描述特征与舰船故障数据类型之间的联系,从而实现舰船故障数据自动分类,并通过仿真验证性实验分析其效果。相对于传统舰船故障数据自动分类方法,机器学习算法的舰船故障数据自动分类精度明显增加,舰船故障数据自动分类速度也得到了一定程度的提升。     

基于加权关联规则的船舶交通事故源分析

为监控和预防船舶交通事故的发生,需要分析船舶交通事故产生的原因及其成因关系。利用关联规则能有效挖掘出船舶事故间的强关联规则,但传统关联规则未考虑各船舶交通因素对事故发生的贡献度不同。因此,在基于关联规则的基础上,提出了一种加权关联规则模型,使关键事故源获得更高的关注度。实验结果表明,与传统关联规则相比,加权关联规则模型更有利于发掘出现次数少但很有价值的关联规则模式,为海事管理部门制定事故预防机制提供更准确、全面的参考依据。     

一种面向船舶制造的数据关联规则挖掘算法

针对船舶制造海量数据关联规则挖掘过程中,事务集占用空间过多导致挖掘效率较低的问题,提出一种基于局部敏感位图存储结构(locally sensitive hash bitmap,LBM)的LBM-Eclat算法。该算法结合了局部敏感哈希和位图2种数据结构,并可以根据存储数据量的变化动态调整内部数据存储结构。通过对比实验证明基于LBM的LBM-Eclat算法能够有效提升对密集型数据集的挖掘效率,同时减少挖掘过程中的空间消耗。     

基于机器学习算法的船舶电气故障分类与诊断方法

为实现船舶电气故障的早发现、早解决,设计基于机器学习算法的船舶电气故障分类与诊断方法。采用Trager能量算子增强传感器采集到的船舶电气设备振动信号,利用小波包分析方法提取增强后的电气设备振动信号特征,将电气设备振动信号特征输入卷积神经网络中进行训练,得出最佳的故障分类与诊断模型,并利用该模型实现船舶电气设备的故障分类与诊断。实验表明：采用Teager能量算子可以快速准确地将传感器采集的信号放大,且放大过程没有信息损失。训练后卷积神经网络的故障分类与诊断正确率接近100%,可能够准确诊断出船舶电气设备是否存在故障,并获取对应的电气故障类型。     

一种基于AIS数据的船舶航线自动规划方法

为采用航线自动规划技术设计出最优船舶航行路径,提出一种基于船舶自动识别系统(Automatic Identifi-cation System,AIS)数据和航行区域栅格化地图建立环境模型,结合蚁群算法求解最优航线的航线自动规划方法.对航行区域地图进行栅格化处理,利用海量AIS数据定义可通航栅格和障碍物栅格,结合邻接矩阵...     

船舶检验与规则规范分类

船舶及其产品的检验分为法定检验和入级检验。在法定检验规则中,重点介绍了IMO的公约、规则、决议和通函的性质和特点,将与船舶有关的ILO第92号、第133号公约与MLC2006进行了比较,列出了各国部分法定检验机构的缩写。在入级检验规范中,涉及IACS共同规范、HCSR、统一要求和统一解释,并简要阐明13个IACS会员船级社的中英文全称、缩写、网址和E-mail。值得注意的是,规则和规范均处于不断修正中,必须采用合同签字日已生效的现行有效文本。     

基于大数据的船舶故障趋势预测

船舶故障趋势预测的研究具有重要实际应用,船舶故障趋势复杂多变,当前船舶故障趋势预测方法无法高精度描述其故障变化特点,使得船舶故障预测趋势结果靠性低。为了提高船舶故障趋势预测效果,设计了基于大数据的船舶故障趋势预测方法。首先分析当前船舶故障趋势预测研究进展,找到各种方法的船舶故障趋势预测的局限性,然后采用船舶故障趋势数据,并利用大数据分析技术拟合船舶故障变化趋势,构建船舶故障趋势预测模型。最后在相同平台下,与其他船舶故障趋势预测方法进行了对比测试。结果表明,大数据的船舶故障趋势预测精度超过95%,不仅完全达到了船舶故障控制的实际应用要求,而且船舶故障趋势预测效果要优于对比方法,具有更加广泛的实际应用范围。     

基于数据驱动控制的船舶自动靠泊

船舶靠泊时航速低,存在岸壁效应、浅水效应等复杂情况,难以采用基于模型的运动控制算法实现对其精确操控,因此设计一种实时采集动力学数据的硬件架构,并采用对反馈的数据直接进行运动控制的方法,实现船舶自动靠泊。该方法通过在船上不同位置布设微波雷达形成阵列,获取船舶的不同位置相对于泊位岸壁的实时距离信息,并结合船舶的实时位置信息,通过计算几何的方法得到船舶相对于泊位的实时位置和姿态。根据精确定义的船舶靠泊状态,设计一种由上层调度和下层控制组成的船舶自动靠泊方法,其中:上层调度采用基于专家系统的逻辑推理表;下层控制使用基于实时数据驱动的无模型自适应控制实现船舶操控。通过海量的实操数据精确调整控制器参数,从而提升控制器在真实环境下的适应性和可靠性。实船试验结果表明该方法具有可行性和实用性。     

基于RFID技术的船舶电子故障分类系统设计

目前设计的船舶电子故障分类系统无法精准地识别故障波形,实现故障分类。为了解决上述问题,基于RFID技术设计一种新的船舶电子故障分类系统。系统硬件分别设计了故障采集器、射频收发器和CAN总线节点,选用SPl2采集器对数据进行采集,通过nRF2401A进一步接收信号,利用CAN总线节点进行数据通信。计算频率信号,采集船舶电子数据。分析控制逻辑原理,实现数据传输与交互,计算故障分类数量,通过数据检测完成船舶电子故障分类。实验结果表明,基于RFID技术的船舶电子故障分类系统能够精准地识别船舶电子故障,故障识别准确率在98%以上。     

船舶虚拟云计算中心混乱数据高效分类方法

在不平衡数据的影响下,由于原有方法存在分类性能较差的问题,因此提出一种新的船舶虚拟云计算中心混乱数据高效分类方法。首先在船舶虚拟云计算中心中进行混乱数据的挖掘,采用的数据挖掘工具为Orange工具箱,需要通过python来实现。对挖掘的数据实施降维处理,采用的方法为主成分分析,主要通过投影处理进行数据降维,去除不平衡数据。通过支持向量机对核函数进行选择,从而对训练集样本实施映射,将其映射至高维空间,在该空间中对最佳超平面进行求取,获得最优分类函数,实现混乱数据的高效分类。为了证明该方法的分类性能更好,将原有方法作为对比方法进行分类性能的对比实验,实验结果证明该方法的类间样本重叠率更低且采样率更高,即分类性能更好,实现了性能突破。     

航迹点搁浅风险数据关联规则挖掘方法研究

随着海上航线的不断增多与海洋水文环境的不断变化,许多航迹点已存在搁浅风险不适合船舶航行。因此需要通过数据挖掘的方法对风险航迹点进行运算分析,但是传统的数据挖掘方法无法对无关联的航迹点进行风险的数据关联,由此导致数据挖掘数据结果的准确率下降,数据挖掘面有效数据计算量降低。对此提出航迹点搁浅风险数据关联规则挖掘方法研究。通过对航迹点风险数据的假设建模与风险数据的模糊计算,得到风险数据的关联规则,再通过对风险数据关联规则的分类挖掘计算与加权挖掘数据分析,最终得到准确的航迹点搁浅风险数据关联规则的数据结果。最后,通过引入海上实例数据对提出的方法进行仿真测试,证明设计的可行性。     

船舶噪声数据库中自动快速筛选数据方法

为了有效地提取船舶噪声数据库中数据,提出一种基于DBSCAN算法的船舶噪声数据库中自动快速筛选数据方法。采用DBSCAN方法识别数据库中的数据分布特征并排除异常数据,利用数据值筛选特征,通过数据增益率对特征进行加权,计算船舶噪声数据库中聚类质心的距离来提取出噪声数据。采用扰动支持噪声数据代价函数的方法测量数据特征的分类贡献度,进而建立噪声数据特征指数,对噪声数据特征指数以递归方法进行噪声数据特征排序和优化筛选。实验仿真证明,所提方法能够有效地自动快速筛选数据,筛选出来的数据质量较高。     

关联规则在船舶变压器故障诊断中的应用

船舶变压器是船舶电力系统的主要组成部分,能够影响船舶安全行驶。本文着重研究关联规则在船舶变压器故障诊断中的应用,从关联规则挖掘、知识库存储以及规则聚类等方面详细的阐述基于关联规则的数据挖掘的实现过程,最后将本文算法应用于变压器故障诊断的仿真实验中。实验结果表明,本算法准确率高、可靠性强。     

基于有限元特征值的船舶螺旋桨噪声数据分类算法

为避免船舶螺旋桨转动行为受到噪声数据的影响,从而减慢船体的实际前行速率,提出基于有限元特征值的船舶螺旋桨噪声数据分类算法。通过定义基本噪声数据的方式,掌握噪声值的边界扩散情况,完成基于有限元特征值的船舶螺旋桨噪声数据分析。在此基础上,计算噪声误分率数值,联合已知的采样权重系数,得到准确的分类子簇参量结果,实现船舶螺旋桨噪声数据分类算法的顺利应用。对比实验结果表明,与过采样型分类算法相比,有限元特征值能够增强分类算法对于船舶螺旋桨噪声数据的实际处理能力,从而使得船体前行速率水平得到有效保障。     

船舶碰撞事故数据关联挖掘研究

首先阐述关联数据挖掘过程;然后为了分析船舶碰撞事故发生的原因,从创建数据源、进行数据离散化等出发建立船舶碰撞事故数据关联挖掘模型;最后根据所建立的模型,从用户所关注的时间、管辖区、船舶参数等方面进行验证数据挖掘模型的有效性。     

云计算环境下船舶停留轨迹数据自动提取方法

针对当前海面地理信息不完善,导致船舶停留轨迹数据提取误差较大、提取时间较长,提出了云计算环境下船舶停留轨迹数据自动提取方法。采用并行划分方法,选取频繁项目集,划分船舶相关数据,搭建船舶云计算环境,在此环境下预先提取船舶航行数据,建立船舶机动模型,依次遍历航迹点,提取船舶停留段集合,实现云计算环境下船舶停留轨迹数据自动提取。实验结果表明,此次研究的云计算环境下船舶停留轨迹数据自动提取方法的数据提取误差较小,能够有效缩短船舶停留轨迹数据提取时间。     

船舶发电机电路故障分类和诊断

发电机是船舶的动力设备之一,而电路是船舶发电机的核心部件,当前船舶发电机电路故障诊断方法的误诊率相当高,为此本文设计了一种基于模式识别的船舶发电机电路故障分类和诊断方法。首先提取船舶发电机电路故障特征,并进行归一化作为输入向量,然后通过模式识别技术建立船舶发电机电路故障的分类器,从而建立船舶发电机电路故障的诊断模型,最后在相同环境下与其他船舶发电机电路故障诊断模型进行仿真实验。实验结果表明,本文模型的船舶发电机电路故障诊断成功率大幅度提升,船舶发电机电路故障的误诊率和漏诊率急剧下降,同时船舶发电机电路故障诊断效率也要优于对比模型,具有更高的实际应用价值。