大数据技术在舰船导航模式识别中的应用

针对现有导航模式识别方法无法获得精确且完整的导航轨迹信息,致使识别准确率无法满足舰船的安全性需求,故提出大数据技术在舰船导航模式识别中的应用。将舰船雷达与AIS目标点迹表示为因素集合,并构造综合因素关联隶属度函数,通过双门限关联算法对舰船导航点迹关联性进行判定,应用大数据技术融合处理关联的雷达与AIS目标轨迹信息,以此为基础,通过附加动量法改进BP神经网络算法,将融合后导航轨迹信息输入至改进BP神经网络算法中,输出即为导航模式识别结果。实验数据显示,与应用文献[4]方法相比较,应用大数据技术的导航轨迹方差较小,为导航模式识别提供更精确的数据支撑。     

多源信息融合的舰船通信网络可靠性分析

随着通信网络技术不断优化,船舶通信网络得到快速的发展,链路容量越来越高,通信网络可靠性研究逐渐成为人们关注的热点问题。当前,多使用舰船通信网络可靠性分析方法完成此部分研究过程,但此方法的数据分析能力较差,造成数据融合度不高的问题。因此,设计基于多源信息融合的舰船通信网络可靠性分析方法。根据多源信息融合层级使用Bayes估计法完成数据处理部分,实现通信网络数据融合分析。根据以上分析结果,使用完全状态枚举法,构建通信网络可靠性分析算法。将以上设计部分融入目前使用方法中,基于多源信息融合的舰船通信网络可靠性分析方法设计完成。根据实验结果可知,此方法的数据融合能力更为优秀,可靠性分析能力优于当前使用方法,可使用此方法弥补当前使用方法的不足,提升通信网络可靠性分析能力。     

Research and design of ship-shore integrated engine room intelligent operation and maintenance system based on data brain北大核心CSCD

[目的]为提升舰船机舱运维的智能化水平,针对机舱设备种类多、数量大、耦合关系复杂等特点,梳理机舱运维智能化应用的技术路线,开发船岸一体化机舱智能运维系统。[方法]首先,分析国内外机舱智能运维技术的发展趋势,融合利用健康管理、大数据挖掘、数字孪生、数据轻量化传输等技术优势;然后,设计符合舰船机舱特点的一体化智能运维系统。[结果]提出了一种基于数据大脑赋能的机舱智能运维系统功能框架、平台设计、运行体系、运行流程及关键技术应用。[结论]研究成果可为舰船机舱智能运维系统设计及应用实践提供参考。     

基于并行深度卷积神经网络的舰船通信异常数据检测研究

为了提高通信异常数据检测效果,设计基于并行深度卷积神经网络算法的大规模舰船通信异常数据检测方法。采集大规模舰船通信数据,采用小波变换对数据实施降噪处理,将降噪后数据输入并行深度卷积神经网络中,经过模型训练提取特征,利用Softmax分类函数得出舰船通信异常数据特征,输出舰船通信异常数据检测结果。实验结果表明：该方法可有效实现大规模舰船通信异常数据检测,其加速比最高,并行效果最优;具有较强的大规模舰船通信数据集检测能力,提高大规模舰船通信异常数据检测效果。     

基于深度哈希网络的舰船图像检索研究

在目前的图像检索中,通常缺乏对汉明空间距离的确定,而直接进行特征提取,导致图像检索中受图像质量影响较大。因此提出深度哈希网络的舰船图像检索研究,首先建立深度哈希网络模型,利用球哈希编码得出汉明空间的距离度量。然后根据获取的汉明距离使用Bushlet进行多层分解,得出图像复特征。最后根据特征进行Brute-Force特征匹配,完成图像检索工作。为了验证设计的图像检索方法的可行性,设计实验,建立舰船图像库,并使用设计方法以及文献[1-3]进行图像检索,判断优劣性,实验结果显示设计方法检索质量受图像质量影响较小,检索性能更好,具有可行性。     

粒子群算法优化神经网络的舰船直流电机故障分类

针对舰船直流电机故障的误分率高、结果不可靠等难题,以进一步提高舰船直流电机故障分类正确率,提出了粒子群算法优化神经网络的舰船直流电机故障分类方法。首先采用小波变换对舰船直流电机故障信息进行多尺度分解,提取信号能量值作为舰船直流电机故障分类特征,然后将舰船直流电机故障的特征作为神经网络的输入向量,采用粒子群算法和神经网络对特征向量进行训练,建立舰船直流电机故障分类器,最后的舰船直流电机故障分类测试结果表明,本文方法可以准确实现舰船直流电机故障分类,有助于舰船直流电机故障的定位,而且舰船直流电机故障误分率要小于其他方法,舰船直流电机故障分类结果更加可信。     

基于云平台的海量舰船图像查询研究

针对海量舰船图像查询速度实时性高的要求,设计了基于云平台的海量舰船图像查询算法。首先分析当前舰船图像查询的现状,指出了当前各种舰船图像查询算法存在的缺陷,然后提取舰船图像查询特征,并采用支持向量机建立舰船图像查询模型,最后结合舰船图像的大规模、海量特点,引入云平台并行实现海量舰船图像查询,并与其他舰船图像查询算法进行了仿真对比实验,本文方法可以快速实现海量舰船图像查询,舰船图像查询速度和查询正确率均显著高于对比算法,为海量舰船图像查询提供了一种新的研究工具。     

水下爆炸气泡对舰船冲击环境的影响

[目的]为了优化舰船冲击环境预报载荷体系及研究气泡脉动压力对舰船冲击环境的影响,[方法]基于ABAQUS有限元分析软件,采用声固耦合方法模拟某舰水下非接触爆炸特性,通过与现有文献实验数据的对比验证该方法的有效性。在此基础上,针对水下爆炸气泡脉动压力进行冲击环境特性的研究。[结果]结果表明:气泡脉动压力对舰船低频响应有放大作用,垂向冲击谱值的影响要大于其他2个方向;上层甲板受气泡脉动的影响仍然较大,验证了甲板低频响应的衰减规律;对水下爆炸实验和冲击环境进行预报时,计算时间选取为1.5倍气泡一次脉动周期才可得到较准确的冲击环境数据,以此来验证海军标的准确性。[结论]研究结果有利于优化舰船冲击环境预报流程中各参数的选取,并可用于指导舰船冲击环境的预报。     

舰船信息系统多来源数据有效识别方法研究

在舰船信息系统中汇总了大量的多源数据,由于多源化的数据识别程度不同,造成传统多源数据识别方法识别速率较低,为此提出舰船信息系统多来源数据有效识别方法研究。使用线性特征计算对多来源数据进行快速特征提取,去除冗余数据减少识别数据量,以数据合成规则为基础,对提取特征进行快速融合,将融合特征数据以几何形式进行高速识别,完成舰船信息系统多来源数据有效识别。实验数据表明,设计的多来源数据有效识别方法比传统识别方法的TGK识别速率高0.15%,并具备极高的有效性。     

舰船能耗预测的云数据挖掘

能耗是舰船工作过程一个重要评价指标,针对当前舰船能耗预测方法存在预测错误率高、建模速度慢等不足,提出一种舰船能耗预测的云数据挖掘技术。首先分析国内外对舰船能耗的预测方法,找到各种舰船能耗预测方法的缺陷和不足,然后收集舰船能耗预测的数据,将云平台作为舰船能耗预测的建模环境,采用数据挖掘建立舰船能耗预测模型,最后进行舰船能耗预测效果的测试实验。云数据挖掘技术的舰船能耗预测精度超过了95%,可以描述舰船能耗预测的变化特点,对于大规模舰船能耗数据,本文方法的预测时间明显短于当前其他舰船能耗预测方法,具有十分明显的优势。     

基于神经网络的舰船电机轴承异常检测研究

针对当前舰船电机轴承异常检测正确率低、检测自动化程度低、检测过程十分耗时等难题,为了提高舰船电机轴承异常检测效果,设计了基于神经网络的舰船电机轴承异常检测方法。首先提取舰船电机轴承状态信号,采用小波包分析去除舰船电机轴承状态信号中的噪声,然后采用Hilbert变换提取电机轴承异常状态的特征,将特征作为神经网络的输入,电机轴承异常作为神经网络的输出,建立舰船电机轴承异常检测模型,最后进行舰船电机轴承异常检测的仿真实验,本文方法的舰船电机轴承异常检测正确率超过95%,能够很好检测到舰船电机轴承异常现象,而舰船电机轴承异常检测时间要少于当前其他舰船电机轴承异常检测方法,能够满足舰船电机轴承异常检测的实际要求。     

基于TRIZ理论的舰船防护舱壁结构型式生成研究

[目的]冲击波与弹片毁伤元是舰船防护舱壁结构设计主要考虑的因素,为研究舰船防护舱壁结构概念型式的有效生成方法,[方法]采用系统化的创新问题解决理论(TRIZ)中的冲突分析方法,获得了舰船防护舱壁结构设计中的技术冲突表征,通过该理论给出的技术冲突解决原理,结合冲击动力学专业知识进行分析,[结果]构建了8个防护舱壁结构概念型式,均可实现对冲击波与弹片2种毁伤元的同时防御,在此基础上探讨了舰船防护舱壁结构概念型式生成可采用的一般性原理。[结论]研究成果可为舰船防护舱壁结构研究与设计提供参考。     

舰船监控图像拼接与识别研究

针对当前舰船监控图像拼接与识别存在的弊端,如拼接错误率高、识别正确率低等,为了提高舰船监控图像拼接与识别效果,设计了一种神经网络的舰船监控图像拼接与识别方法。首先提取舰船监控图像拼接的特征,并根据拼接关键点方向直方图建立舰船监控图像拼接模型,然后引入神经网络构建舰船监控图像识别的分类器,最后进行了舰船监控图像拼接和分类仿真模拟测试实验。相对于其它舰船监控图像拼接方法,本文方法的舰船监控图像拼接正确率得到了提升,同时本文方法的舰船监控图像识别正确率超过了90%,使得舰船监控图像的误识率大幅度减少,具有一定的实际应用价值。     

RBF神经网络的舰船图像滤波融合

普通舰船图像滤波融合模型,不能兼顾滤波精度计算性与滤波容错性。为解决此问题,设计基于RBF神经网络的舰船图像滤波融合仿真模型。通过网络结构设计与网络学习方法设计,完成RBF神经网络的搭建;改进原有仿真模型算法、舰船图像多滤波融合形式,完成仿真模型的搭建。模拟应用环境设计对比实验结果表明,基于RBF神经网络的舰船图像滤波融合仿真模型,既提升滤波精度计算性与滤波容错性,也做到2种性能的兼顾。     

基于无序信息融合技术的舰船组合导航系统研究

多源信息融合技术在舰船组合导航系统中有广泛的应用。多传感器信息融合中存在的通信延迟不可避免,这样就会使得采集到的信息达到融合中心是无序的。本文主要研究船舶不同起始时间下的无序信息融合的组合导航技术,以此进行船舶的导航。最后进行仿真实验,实验结果表明算法精度高、鲁棒性强。     

关联反馈和多特征的舰船图像检索系统

传统舰船图像检索系统受到检索特征图块精度与反馈精度的影响,在检索准确性方面存在较大误差,导致系统整体检索任务完成率降低。通过对检索过程的数据分析,提出关联反馈和多特征的舰船图像检索系统。系统采用JFGS图云信息关联硬件+关联反馈算法+多特征图块特征检索算法的立体式设计方案。通过硬件设计完成对算法所需数据变量信息的创建与获取;通过算法设计实现软件层面的图像信息反馈阈值优化与图块特征检索精度提升,从而提出系统对图像检索的准确度。通过对比实验对设计系统检索结果进行验证,根据数据得出有效性结论。     

物联网环境下舰船装备多源监测数据存储系统

现有的舰船装备多源监测数据存储系统,存在着存储资源利用率较低的问题。为此提出并设计了物联网环境下舰船装备多源监测数据存储系统。舰船装备多源监测数据存储系统硬件设计主要包括主控芯片选型、存储器设计以及缓存服务器设计;软件设计包括数据读取模块、数据写入模块以及存储节点管理模块。通过系统硬件与软件的设计,实现了物联网环境下舰船装备多源监测数据存储系统的运行。实验结果显示,相较于现有的舰船装备多源监测数据存储系统,设计的舰船装备多源监测数据存储系统极大地提升了存储资源利用率,充分说明设计的舰船装备多源监测数据存储系统具备更好的存储性能。     

舰船网络安全评估的仿真模拟实验研究

安全评估可以帮助管理员了解舰船网络安全变化趋势,为了解决当前舰船网络安全评估结果与实际舰船网络安全值不相符的缺陷,设计了基于层次分析方法的舰船网络安全评估模型。首先采集多源的舰船网络安全评估数据,并将其中的异常数据进行剔除,然后采用层次分析根据一定的准则,确定舰船网络安全评估数据的权值,最后引入神经网络建立舰船网络安全评估模型,采用Python语言编程实现舰船网络安全评估仿真实验,结果表明,本文模型能够避免当前舰船网络安全评估过程中存在的缺陷,科学、合理确定不同舰船网络安全评估数据权值,客观、准确地对舰船网络安全等级进行评估,评估建模时间也得到相应的减少,可以实时实现舰船网络安全等级评估,具有十分广泛的应用前景。     

舰船移动网络信息安全大数据集成模型

移动网络是保障舰船作战能力发挥的关键,舰船任务量的剧增,使得移动网络信息呈"井喷式"增长,给安全大数据的获取与应用带来了较大的阻碍,由此,提出舰船移动网络信息安全大数据集成模型。基于正则表达式原理,半自动化地抽取并转换安全大数据,搭建数据关联关系并行发现框架,计算数据之间的相似度,确定BP神经网络算法的最佳权值,执行BP神经网络算法分类并融合安全大数据,从而实现舰船移动网络信息安全大数据的集成。实验数据显示:数据集成平均耗时趋于1 s,并低于最小限值,具备较好的实时性。     

基于云计算的船舶大规模数据融合技术

现有的船舶数据融合技术存在较大的网络时延,因此研究一种云计算船舶大规模数据融合技术。建立数据融合结构模型,根据数据融合的程度划分3个层次,分析每个层次对应的传感器节点之间的关联性,采用动态组簇法平衡簇首能量,保证数据的传输效率,设计云计算融合算法,给各个监测值赋予合适的权值,完成云计算船舶大规模数据融合技术研究。对比实验结果表明,本文设计技术的网络时延比现有技术平均减少2.66 s。