大数据环境下舰船尾迹破碎图像高精度识别技术

针对原有方法在对舰船尾迹破碎图像进行识别的过程中,受破碎图像特征残缺的影响,存在大量难以检测的角点,在图像破碎度为40%～60%时存在特征抽样拟合率较低的问题,提出一种大数据环境下舰船尾迹破碎图像高精度识别技术。在大数据环境下,通过SUSAN角点检测算法这种大数据算法对舰船尾迹破碎图像进行角点检测。构建图像特征检测模型,利用构建模型对舰船尾迹破碎图像角点处实施特征检测,获取舰船尾迹破碎图像特征。通过构建舰船尾迹破碎图像高精度识别模型实现舰船尾迹破碎图像高精度识别。为了证明大数据环境下舰船尾迹破碎图像高精度识别技术实现了特征抽样拟合率的提升,将原有技术作为对比实验技术进行该技术与原有技术的特征抽样拟合率对比实验,实验结果证明该技术实现了特征抽样拟合率的提升,更适用于舰船尾迹破碎图像的识别。     

SVR辅助SINS-DVL的水下机器人组合导航方法

多普勒计程仪(DVL)在水下导航系统应用越来越广泛。当海底环境发生变化时,DVL会发生数据刷新频率不稳定,数据无效等情况。为了提高导航的可靠性,本文提出了一种变训练集的SVR回归方法,对DVL的数据进行预测。根据水下机器人的速度变化率和加速度变化率调节训练集大小。把捷联惯导(SINS)的东向和北向速度作为输入,DVL东向和北向速度作为输出对模型进行训练。根据SINS的数据输出频率,选取合适的预测数据输出频率进行仿真。仿真发现算法有效地提高了SINS/DVL组合导航的精度,并在DVL数据无效时,有效地抑制误差,提高导航系统的稳定性。     

舰船海上数据浮标的水动力分析

由于受到人为等因素的影响,使得我国海洋中的自然灾害发生频率有所增大。因此,加大对海洋环境的监测力度显得尤为必要。舰船海上数据浮标通过搭载相关的仪器设备能够对海洋水文信息进行观测,依托这些信息可以为海洋资源的开发利用和各类灾害的防控提供可靠依据。为了确保海上数据浮标搭载的各种仪器设备能够保持稳定运行,必须确保浮标本身的可靠性。本文从舰船海上数据浮标的作用入手,分析了舰船海上数据浮标的水动力。     

基于远程监控数据的电动客车续驶里程估算方法

分析影响纯电动客车续驶里程的主要因素,并对电池的性能参数、车速与续驶里程进行相关性分析,选择相关度强的SOC和单体电池温度最低值进行二元线性建模及分析,以达到预测续驶里程的目的。     

桥梁应变监测技术及应变数据解耦研究

为了得到温度作用下桥梁主梁的应变变化,基于振弦式应变计所采集的应变原始数据,通过滑动平均的方法进行数据解耦。首先,在上海市吴淞大桥主跨四等分截面安装振弦式应变计,实时监测主梁的应变变化,得到1个月内的原始数据;其次,提取温度升高时段的应变数据,采用二次滑动平均法进行数据解耦;最后,通过回归分析,比较滑动平均前后应变和温度的1阶线性拟合判定系数,证明二次滑动平均法可提取由于车辆荷载导致的桥梁主梁应变变化。     

矩形顶管隧道群施工对后背土体扰动规律的初步研究

为更准确地计算矩形顶管隧道施工所需顶推力,揭示小间距顶管隧道群施工中后背土体在顶推力多次叠加作用扰动后的变化情况。首先,基于现有顶管顶推力相关计算公式推导出适用于矩形顶管的顶推力计算公式。然后,整理分析某顶管隧道群工程施工中后背土体水平位移、土压力实测数据,论证矩形顶管顶推力计算公式的正确性与合理性,得到后背土体受顶推力作用产生的水平位移是以隧道中心处为最大值的弓形分布、土体在顶推力二次作用下会产生更为显著的变化且存在残余应力现象等结论。最后,采用统计方法对顶推压力与后背土体水平位移、土压力之间的数据进行处理,取得后背土在顶推压力作用下产生水平位移与土压力的经验公式。     

如何将数据有效应用在公共自行车企业经营管理中

在科技飞速发展的今天,数据成为人类发展的重要部分。如何认识数据、拥有数据、使用数据、成为越来越多的企业所关注的重要课题。哪些企业拥有数据资源,就能在市场竞争中领先一步;哪些企业可以使用数据分析的结果来提升企业现代化管理进程,就可以有一支独秀的资本。     

船舶物联网平台海量异构数据存储与共享策略研究

海上大型船舶装备了大量的现代化设备,具有较高的智能化、自动化水平,可以进行24 h的海上勘测、船舶信息采集和气象信息采集等功能,研究船舶数据平台的数据存储与处理技术有重要意义。随着计算机技术与物联网技术的发展,船舶物联网平台成为了业内的研究热点。本文深入研究了船舶装备物联网服务平台的组成架构与原理,重点研究了船舶物联网平台海量异构数据存储与共享的策略,对改善海上试验平台的数据分析与处理能力有重要作用。     

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。