共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
《舰船科学技术》2021,43(12)
传统舰船电网故障诊断算法存在故障点与电路层数据不同步的问题,导致故障点出现时间量与确定故障位置时间量出现误差,进而影响电网保护策略的启动响应速度,造成不必要的连锁故障。因此,采用人工智能算法,对故障诊断模型进行优化,并提出人工智能优化算法的舰船电网故障诊断优化研究。首先在现有舰船电网故障诊断模型输出端,加入故障数据拟合模型计算,对电网络故障数据与电网结构层进行拟合;然后通过人工智能算法,对拟合故障数据的识别响应阈值进行优化计算,从而提升诊断阈值灵敏度,达到最佳的故障诊断效果。最后,通过与传统诊断算法诊断效果数据的对比,证明提出优化方法的可行性。 相似文献
3.
传统船舶网络入侵风险等级估算方法,存在风险数据局部搜索时间过长、风险等级估算准确性较低等弊端。为解决上述问题,建立基于BP神经网络的新型船舶入侵风险等级估算方法。通过网络结构的确定、初始值及阈值的选取,完成BP船舶神经网络的搭建。通过入侵数据采集、数据风险等级分类、风险度量评估,完成新型船舶网络入侵风险等级估算方法的搭建。设计对比实验结果表明,新型方法与传统方法相比,适当缩短风险数据局部搜索时间,并提升风险等级的估算准确性。 相似文献
4.
传统同源判定方法受到网络长时延和丢包影响,导致判定结果误差较大,提出了量子神经网络船舶网络攻击数据的自动化同源性判定方法。构建量子神经网络同源性判定模型,将判定划分为学习训练和同源判定2个阶段。引入量子态叠加思想,构建3层量子神经网络结构,根据该结构完成量子学习训练。计算同源支持度,设计判定流程,实现攻击数据的自动化同源判定。由实验结果可知,该方法判定误差较小,可保障船舶网络在正常状态下稳定运行。 相似文献
5.
6.
《舰船科学技术》2021,(10)
传统船舶状态网络监控节点受到扰动节点的影响,先验信息节点存在信任差量,导致节点信任度模型输出量精准度降低。为了解决先验信息节点的信任误差问题,提出船舶状态监控网络的节点信任度模型。首先对船舶状态数据进行数据结构的信任模型结构映射,固定模型结构数据量;然后,对状态数据节点关联参量进行信任量的约束定义;接着,通过数据节点的迭代特征,完成对信任模型的节点信任系数更新;最后对更新后,信任模型中的先验信息节点进行输出信任度确定计算,从而达到提升信任度模型输出量精准度的目的。通过与传统信任模型输出量的精准度对比,证明提出设计的模型研究方法,具有提升模型输出量精准度的效果。 相似文献
7.
8.
9.
为了保证舰船在海上安全运行,提出基于知识图谱的舰船通信网络安全风险评价方法。采集舰船通信数据、预处理,根据实体间的联系建立舰船通信网络安全的知识图谱;采用图数据库对舰船通信网络数据的知识图谱进行储存与查询;建立知识图谱注意力网络的舰船通信网络安全风险评价模型。实验结果表明:该方法可准确评价舰船通信网络安全风险等级,具有较高的安全风险评价能力;能够提升舰船通信网络保密性、完整性和可用性。 相似文献
10.
《舰船科学技术》2021,43(12)
传统入侵检测系统仅能对中高风险数据进行甄别预警,无法对低匹配度异质信息进行风险预测感知,导致大量低匹配度异质信息涌入,占用网络数据资源,造成信息交互资源不足,网络运行效率降低甚至瘫痪。针对上述问题,结合低匹配度异质信息特征,提出舰船网络低匹配度异质信息入侵感知预测系统。根据低匹配度异质信息特征,设计专用的数据分析模块与动态路由单元,通过设计功能硬件,为系统算法层面运行提供平台;然后通过博弈算法对低匹配度异质信息进行特征分析模型建立,获得匹配信息量。最后根据匹配信息量,引入低匹配度异质信息感知算法,完成对低匹配度异质信息的感知预测计算。利用双系统数据同步调试的方式,对设计系统数据可靠性进行验证,通过数据结果证明设计系统,满足低匹配度异质信息入侵感知预测的要求。 相似文献
11.
在舰船执行航行任务时,网络会出现局部网络、全局网络被入侵数据干扰的情况。传统的入侵数据定位方法,只能按照入侵数据属性,进行单向入侵数据定位,导致定位结果遗漏部分入侵数据,因此需要优化舰船网络入侵数据高效定位方法。该方法根据建立的定位模型,对网络入侵数据进行全局性定位;通过优化入侵数据定位规则,剥离定位范围内的其他数据;双向定位入侵数据、维护入侵数据后继节点,实现对舰船网络入侵数据的定位优化。实验测试结果表明,优化后的方法,可以完全定位4种不同的入侵数据,而传统定位方法遗漏前3组部分入侵数据的情况下,还完全遗漏了最后一组单一性质的网络入侵数据。 相似文献
12.
13.
14.
15.
16.
17.
《舰船科学技术》2021,(16)
传统舰船图像特征识别方法仅能对图像大范围特征像素信息进行识别,而对图像细微像素特征识别效果,远远达不到实际应用要求。导致大量细节特征舰船图像,无法准确完成特征的识别处理,影响整体应用效果。为了解决细节特征信息识别问题,提出大数据背景下的舰船图像特征识别研究。利用大数据计算能力,对图像特征结构分布进行特征模型建立;根据特征分布特点,利用大数据算法,确定细节图像区域构成像素点特征。最后根据特征信息,分散检索全局目标图像像素信息,完成识别输出过程。通过与传统图像识别方法的10张图像359 035万个像素点的识别测试表明,提出方法能够在最短的时间内,完成预设细节图像特征点的识别任务,且识别准确率达到98.72%以上。 相似文献
18.
19.
针对浙江沿海水域通航环境复杂、商船和渔船航行矛盾突出等问题,面向该水域提出基于事故特征的船舶通航风险贝叶斯网络模型。运用风险要素相关性分析方法和贝叶斯概率模型,建立浙江沿海船舶通航风险评价模型;结合事故数据和专家的主观评价,实现对浙江沿海水域船舶通航风险的定量化计算。通过误差分析和灵敏性分析验证模型的可用性和可靠性,进一步通过模型中节点变量状态对通航风险的影响分析提取通航风险关键因素。在分区域通航风险研究的基础上,利用贝叶斯方法对某大型水域通航风险进行定量化计算,为进一步研究浙江沿海水域通航风险细粒度特征和安全保障措施提供参考。 相似文献
20.
为保证船用通信网络的安全,设计基于深度数据挖掘的船用通信网络异常行为分类和识别方法。该方法数据处理模块采用全局信息数据融合策略,融合网络的原始采集数据,特征选择模块通过平均不纯度减少特征重要度计算方法,选择有效特征并计算该特征重要度后,形成特征集,将其输入分类识别模块的内外卷积网络深度学习网络模型中,通过模型的学习和训练,获取船用通信网络异常行为分类识别结果。测试结果显示:该方法可有效删除其中的无效特征,保留有效特征结果;可获取不同类别有效特征标签的重要度评分结果;分类识别的平均绝对误差均低于0.18,可完成不同流量变化下异常行为分类识别。 相似文献