基于卷积神经网络的船舶图像增强研究

为了更好的识别船舶图像信息,提出基于卷积神经网络的船舶图像增强方法,利用卷积神经网络技术对船舶图像特征进行采集和建模,并对采集到的数据进行降噪,再根据图像颜色特征进行图像缺陷修复和图像的逆向恢复处理,从而获得高品质的船舶图像。最后通过实验证实,卷积神经网络能够有效改善船舶图像的显示质量,满足传播图像增强的设计目标。     

基于卷积神经网络的船舶自动识别系统

基于船舶自动驾驶存在的问题以及需求,提出了一个基于卷积神经网络的船舶自动识别系统.系统设计使用的生成对抗神经网络算法,基于互信息理论,能够无监督式地学习船舶图像特征.通过实验论证,在分类准确度上取得了显著地提升,表明本系统方法合理有效,具有较高地运用前景.     

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。     

船舶结构用铝—钛—钢复合过渡接头疲劳性能研究

铝－钛－钢爆炸复合板作为新型舰船结构铝合金，钢之间连接过渡接头取代传统的铆接连接具有优越的连接性能和施工工艺。本研究模拟实际应用条件，测定了其焊接前后在固定应力水平下的弯曲疲劳寿命和弯曲疲劳Ｓ－Ｎ曲线，并运用计算机得到Ｓ－Ｎ曲线的回归方程，为复合过渡接头疲劳寿命的预测和最大应力的控制等提供了依据。     

改进卷积神经网络的船舶纹理图形分割方法

船舶从生产到投入使用,在作业中难免会因为焊接节点的设计问题、货物装卸的操作不规范以及诸如线性尺度较大、吃水较多而受风、流等外部环境的影响而对船体结构造成腐蚀,最终导致船体外部出现裂纹,给船舶的航行带来安全隐患。因此加强关于船舶裂纹的排查,是保证船舶安全行驶的关键。本文从改进卷积神经网络入手,以工程船为例,通过对其船舶纹理进行图形分割研究,提升智能检测的精准度,从而为运维检修带来一定的帮助,并为海上作业的安全性检测提供理论支持。     

船舶舷顶角填角焊焊接接头的力学性能研究

本文建立了船体舷顶角全焊透及未焊透两种焊接接头的有限元应力分析的力学模型；对船体舷顶角进行了平面应变有限元应力的弹塑性分析和三维弹塑性应分分析：研究了未焊透裂纹长度，宽度及裂纹形状对末焊透前沿应力集中程度的影响。     

铝镁合金焊接接头疲劳性能研究

本文依据船体结构及其受力特点，提出了四种焊接接头试样，测定了ＬＦ１５、ＬＦ１６两种铝镁合金焊接接头疲劳性能，研究了结构因素及焊接缺陷对疲劳性能的影响，取得了较系统的疲劳性能研究结果，为铝船体的结构设计、疲劳强度估算、焊接工艺制定以及船体施工等提供了可靠的依据。     

卷积神经网络船舶遥感图像目标检测

本文提出卷积神经网络的船舶遥感图像目标检测方法。采用拉普拉斯算子增强处理船舶遥感图像,使得船舶目标特征信息更加清晰;基于Snake模型分割出遥感图像中的船舶目标,通过Gabor滤波器提取船舶遥感图像目标特征向量;基于卷积神经网络搭建船舶遥感图像目标检测架构,统一化处理分支网络置信度,对卷积神经网络进行训练,获取最优权重系数;将遥感图像输入至训练好的卷积神经网络中,即可实现船舶目标的检测。实验数据显示：应用本文方法获得的F1 Score参量与IoU参量数值全部大于给定标准数值,充分证实本文方法具有较好的船舶遥感图像目标检测效果。     

基于BP神经网络的二手船价格评估研究

二手船价格是买卖二手船决策过程中非常关键的因素。为了准确地估算二手船价格,利用BP神经网络的高度非线性运算能力以及通过学习样本数据即可对事物复杂内在规律进行精确计算的特点,将BP神经网络应用于二手船价格的估算。利用从克拉克松获取的2009年到2012年120个灵便型干散货船交易数据,建立了基于船龄、船舶载重吨(DWT)、新造船价格和一年期期租费率的BP神经网络模型,网络输出结果与二手船实际交易价格的相对误差率在10%以内。     

基于MySQL和BP神经网络的船舶焊接专家库软件研发

为提高船舶焊接试验过程中的工艺实施效率,研发一种基于MySQL和反向传播(Back Propagation, BP)神经网络的船舶焊接专家库软件。该软件由专家数据库、报表生成器、热输入值预测机、人机交互界面、通信接口组成,基于MySQL开发焊接专家数据库,基于BP神经网络设计热输入值预测机,具备自动坡口图生成、自动焊接工艺规范(Welding Procedure Specification, WPS)生成、自动专家经验数据存取等自动化功能,具备智能热输入值预测等智能功能。实船焊接试验结果表明,该软件可满足实船焊接试验需求,快速存取专家经验数据,提高焊接试验过程效率。     

基于非线性规划法的舰船破舱位置识别计算

舰船破舱位置的快速识别是及时、准确地进行损管行动的基础,对于恢复舰船生命力具有重要作用。根据当前给定的浮态进行舰船破舱位置的识别计算,以复原力臂的绝对值最小为目标函数,排水量不变为约束条件,破舱进水量及其重心坐标为设计变量,采用非线性规划法求解该优化问题。该方法不依赖于液舱液位测量装置,可实时计算出舰船破舱的位置。通过对某舰船破舱位置识别计算结果分析,说明该方法简单、实用,可为舰船指挥员迅速判断舰船破舱位置提供理论依据。     

基于神经网络的舰船运动模型辨识

通过神经网络对线性水动力系数、弱非线性水动力系数和强非线性水动力系数进行了研究,利用免疫模糊遗传算法对各神经网络辨识器进行优化,以确定舰船运动的待识别系数,并且进行了10°/10°Z形操舵运动、30°回转操舵运动和35°回转操舵运动辨识的仿真。结果表明:利用辨识所得的各种典型操舵运动曲线与利用原参数所得结果符合良好。     

基于改进BP神经网络的船舶操纵性能预报

以某单桨大型船舶在海上的回转性能为例，探讨了应用改进的BP神经网络（Back-pmpagation Neural Network）建立船舶操纵性预报数学模型的方法，并利用matlab语言对其进行了仿真。研究结果表明，改进的BP算法有更快的收敛速度和更好的计算精度。     

基于装配序列分析的船体结构焊接位置仿真算法

为合理计算焊接工时,在普适的船舶结构装配原则基础上,根据最小装配、相邻装配、同分支非相邻装配,不同分支装配的焊接阶段、装配基面朝向判定方法、以及焊接位置简化计算原则,构建船体结构焊缝装配仿真算法,通过由装配基面方向进一步计算得到焊接轴线和焊接体朝向,结合中国船级社相关规范确定焊接位置,在Smart3D?软件三维空间中实...     

二阶灰色神经网络在船舶横摇预报中的应用

为了提高船舶的耐波性和适航性、对船舶横摇进行有效准确预报,提出了将灰色系统理论和神经网络进行有机结合的二阶灰色神经网络预报模型。介绍了二阶灰色预报模型,采用神经网络映射的办法构建灰色神经网络预报模型,并介绍了神经网络学习机制。另外,以某舰船横摇运动时间序列预报为例对模型进行仿真验证,有效改善了二阶灰色模型较大的预报偏差。仿真结果表明,GNNM(2,1)模型能准确预报船舶横摇运动,具有更高的预报精度和更好的数据稳定性。     

驳船的影响概率破舱稳性单因素研究

概率破舱稳性是干货船破舱稳性计算与校核的一项强制性要求,它不同于传统的破舱稳性计算,计算中涉及到大量的破损舱室的组合,目前仍然是在分舱之后才能进行分析计算,若不满足则需要返回重新分舱。在初步设计阶段,如何有效分舱以使船舶分舱设计能满足概率破舱稳性,以减少分舱的盲目性与重复性,从而找到基于概率破舱稳性的分舱指导原则,这将具有重要的理论意义和工程应用价值。以某实际工程驳船为研究对象,设计了大量的分舱方案,并分别对其进行概率破舱稳性计算。根据计算结果对影响分舱指数A的因素进行了定性分析,提出了改进分舱指数A的设计准则。     

半穿甲型舰炮弹药打击舰船舷侧毁伤效果数值仿真

半穿甲型舰炮弹药在命中舰船舷侧后发生爆炸,在爆炸过程中弹丸的侵彻动能和装药产生的爆炸冲击波会对舰船舷侧结构造成毁伤。分析舰船舷侧的结构特性和弹目交会情况,采用数值仿真方法构建仿真模型,分析半穿甲型舰炮弹药在靶前炸、靶中炸、穿靶炸等工况条件下对舰船舷侧的毁伤效果。结合实尺寸舱室模型试验结果对毁伤效果进行验证,预测在实际作战时弹药起爆点位置、末端着速对舰船舷侧毁伤结果的影响。