基于深度自编码网络的舰船辐射噪声分类识别

针对水下被动声呐目标分类识别问题,借签深度学习网络在图像、语音等领域的成功运用,提出一种基于深度自编码网络的舰船辐射噪声分类识别方法。首先使用Welch功率谱估计方法获得舰船辐射噪声的功率谱特征,然后对原始训练样本集结构优化得到新训练样本集,并构建训练深度自编码网络。依据总体正确识别概率和各类目标正确识别概率对网络参数进行优化设置,实现对舰船辐射噪声的分类识别。经过大量海上实录舰船辐射噪声的分类识别实验,验证了该方法的可行性和实用性。对比BP神经网络分类器,具有更高的正确分类识别概率。     

智能船舶远程驾驶控制技术研究现状与趋势

阐述智能船舶及其远程驾驶的发展背景.基于目前大多数无人船艇远程控制存在的问题,在分析智能船舶远程驾驶需求和场景的基础上,提出基于人机共融理念的智能船舶远程驾驶框架.针对不同的远程驾驶模式,提出技术等级和相关的关键技术.通过借鉴交叉领域网络控制系统的发展成果,指出网络时延补偿、网络丢包补偿、安全应急、运动模型应用、运动控...     

并联混合动力汽车发动机动态控制时的转矩估计

探讨了BP网络,并利用BP网络对并联混合动力汽车（PHEV）发动机动态控制时进行转矩估计。以发动机台架性能实验所得数据为基础,使用Matlab中的Neural Network工具,建立不同神经元个数和层数的BP网络对实验数据进行训练,在网络模型的建立过程中,提出了一种新的训练方式,从而得出估计精度和泛化能力都较为理想的模型,并以此模型进行了实际的转矩估计,取得了较满意的效果。     

全无缝桥梁用掺橡胶粉LEM-SHCC路桥连接板拉伸性能及其应用

为了解决全无缝桥梁路桥连接板裂缝宽度与板内力过大等问题,将橡胶粉等体积部分替代细砂掺入应变硬化水泥基复合(SHCC)材料可制备低弹性模量的SHCC材料(LEM-SHCC),用于全无缝桥梁路桥连接板;进行了5种不同体积橡胶粉掺量(0、5%、10%、15%和20%)LEM-SHCC基本材性(密度、抗压强度和弹性模量)及拉伸性能试验,分析了橡胶粉掺量对LEM-SHCC的强度和变形性能的影响,并采用拉、压应变比差评价了橡胶粉掺量对SHCC材料的影响,获得了LEM-SHCC的最优配合比;针对橡胶粉掺量为15%的LEM-SHCC路桥连接板,研究了最不利荷载作用下(温降荷载)其吸纳变形能力、拉伸变形性能及开裂后裂缝分布规律,并与同尺寸SHCC路桥连接板的各项性能进行了比对;进行了LEM-SHCC路桥连接板的敏感参数(橡胶粉掺量、板底摩擦因数和板长等主要影响因素)有限元对比分析。研究结果表明：橡胶粉的掺入降低了SHCC的弹性模量,提升了SHCC的延性,当橡胶粉掺量达15%时,SHCC的弹性模量降低了40%,而延性却提升了近50%,且裂缝宽度有效地控制在60μm以内;LEM-SHCC路桥连接板吸纳纵向变...     

B型图谱桨参数化建模与水动力分析

螺旋桨是水下设备推进系统中的核心零件，图谱桨是螺旋桨中的一种，其下又细分为B型、Ka型、AU型、MAU型等。其中，B型图谱桨的桨叶截面形状为翼型，相对其它桨型效率较高。在对经典的图谱和B型图谱桨参数研究比较之后，基于PropCad对B型图谱桨进行了优化设计，导入SolidWorks生成三维模型实现了参数化建模，模型是盘面比为35%的三叶B型图谱桨。通过ICEM CFD对三维模型进行了网格划分,网格分为流动域、旋转域两部分。在Fluent中利用MRF模型进行数值仿真计算，模型设置为RNG k-epsilon模型，将仿真计算的结果与螺旋桨水下实际应用效果进行了对比。仿真结果和实际效果一致，证明了此建模方法的准确性、可靠性，同时也证明了此螺旋桨实际应用时水动力性能优越。     

智能船舶技术发展与趋势简述

近年来,智能船舶技术已受到全球造船界与航运界的广泛关注。智能船舶以实现船舶及其配套设备、航行环境的智能化、自主化发展为目标,深度融合传统船舶设计与制造技术以及现代信息通讯与人工智能技术。通过从部分设备智能到全船智能系统、从内河到远洋、从单船智能航行到协同智能编队航行、从人机共融到远程自主的逐步发展,实现其以增强驾驶、辅助驾驶、远程驾驶、自主驾驶等为代表的阶段性功能,最终呈现智能航运新业态。     

船舶航速优化综述

从航速优化模型、油耗预测模型、航速优化模型求解方法与船舶能效管理系统方面, 分析了国内外航速优化研究现状, 探讨了航速优化存在的问题, 并针对这些问题提出了建议。研究结果表明: 在航运市场持续萎靡的情况下, 经济航行将被更广泛应用, 针对航速优化的研究仍然具有重要的意义; 在航速优化模型方面, 目前多集中在以碳排放政策、不确定因素的影响、排放控制区政策、船队调度等为单一优化目标建立航速优化模型, 优化目标主要为成本最小化和利润最大化, 未来应将航速与航线、纵倾、船队部署联合优化, 考虑多种不确定因素、多种优化目标建立航速优化模型; 在油耗预测模型方面, 预测模型主要分为白盒模型、黑盒模型和灰盒模型, 白盒模型具有更好的可解释性, 黑盒模型的预测性能更好, 灰盒模型弥补了白盒模型和黑盒模型的缺点, 将成为未来的研究重点, 未来应基于精确的船舶数据和先进的人工智能算法进行数据学习, 提升油耗预测模型预测准确性; 在优化算法方面, 由于航速优化模型的复杂性, 大多采用启发式算法进行优化求解, 这种算法可以减少优化求解时间和提高求解质量, 未来需要探索更加精确高效的求解算法; 在优化策略方面, 采用大数据分析可以识别天气对航行的影响, 动态优化策略可以补偿环境因素引起的扰动, 能够进一步提升船舶能效水平; 在船舶能效管理系统方面, 船舶能效管理系统主要包括航行数据采集、数据传输、数据储存、数据分析与智能决策等功能, 由于其成本高昂, 目前尚未在船舶上大规模运用。      

船舶航行交通事件实时检测技术研究现状与展望

船舶航行交通事件检测依赖基于历史数据的离线检测方法, 检测模型适用性差, 难以满足监管人员的实时监测需求。通过分析船舶异常行为检测、航行事故检测等现有交通事件检测技术, 可以发现: 在数据层面, 监测数据来源单一、环境信息缺失; 在方法层面, 基于统计、风险评估等经典模型的事件监测方法效率高但准确性低, 基于神经网络、图像识别等机器学习的检测方法准确性高但效率低; 多源数据融合、多项技术结合的交通事件检测方法成为实时检测方法的发展趋势。在此基础上, 梳理了实时船舶航行交通事件检测的3项关键技术: (1)海事大数据技术: 高效处理船舶运动数据和航行环境数据, 统一多源异构数据结构标准, 降低数据源单一造成的事件误报率; (2)船舶行为动态建模技术: 利用知识图谱等技术融合船舶航行情境信息, 在不同船舶运动环境下利用深度学习、语义关联、图神经网络等方法构建不同的船舶行为模型, 提高检测准确性; (3)实时分析和可视化技术: 结合平行系统进行虚实系统间信息传递, 定性分析检测结果, 实时显示检测全过程, 提升监管过程中的人机交互效率。然后, 提出了包括数据采集、后台服务和客户端应用3个功能模块的交通事件平行检测系统; 该系统具备实时接收并处理船舶航行数据、分析并预测交通状态、动态检测并预警交通事件和仿真结果展示等功能。从数据融合、交通状态感知和交通虚实映射3个方面, 展望了面向海事监测实务的实时检测技术发展方向。      

基于PDM的船舶异地协同设计技术研究

船舶产品的协同设计的需求包括在异地的设计所和造船厂之间集成各种计算机应用系统,管理各种设计成果,实现信息和知识的共享.基于船舶设计特点,文章提出了一种基于PDM技术的异地协同设计系统及其技术路线和设计方案,结合已实现的原型系统介绍了系统的协同设计工作流程及实现效果.