海事管理机构加强目标管理的必要性分析和建议

加强目标管理有利于海事机构进一步提升管理效能,满足海事队伍“四化”建设需要。在分析海事机构加强目标管理的必要性基础上,提出了设定目标的注意事项和目标管理中的常见问题,建议海事机构持续完善目标管理制度、逐步提高目标管理意识、不断强化目标管理引导作用,可为海事机构提升海事管理水平和管理效能提供参考。     

基于深度神经网络的船舶图像识别检索研究

对船舶图像进行快速准确识别在军民领域都有广泛应用,随着船舶种类的增多、图像质量的提高,传统的卷积神经网络进行船舶图像识别需耗费大量时间。本文对深度神经网络的原理进行分析,并在此基础上研究基于深度神经网络的船舶图像识别流程,对船舶图像预处理技术进行研究,建立船舶图像训练集和测试集,对YOLOV2、卷积神经网络和本文算法的平均识别时间和识别准确率进行分析,最后研究3种算法的训练次数对识别准确率的影响。本文研究的深度神经网络船舶图像识别算法,在平均识别时间以及识别准确率上具有一定优势。     

双缓动平台时延下的纯方位定位测角误差分析

水下双缓动平台协同探测可实现对水声目标纯方位定位和跟踪。针对双探测平台接收目标信号因传播时延导致探测时间未配准、方位测量偏差的问题,根据缓动平台的实际应用场景,建立目标运动模型和二维探测空间几何分布,构建一种基于不同时延条件的方位测量误差分析模型,并详细分析得出目标和双平台不同分布场景下的最大测角误差结果,该模型物理意义明确、直观简单,仿真和实测实验结果验证测角误差模型的准确性,并得出双平台探测时延下目标方位测角的误差分布规律。     

基于遗传算法优化支持向量机的船舰目标识别分类

为了实现有效的海上监管和响应,提高舰船监管效率,降低人力成本,提出基于遗传算法优化支持向量机的舰船目标识别分类方法。以HU矩为舰船目标的特征描述子,在舰船目标图像内,提取具备旋转、尺度与平移不变性的舰船目标特征矩;利用遗传算法,优化支持向量机的惩罚因子与核参数;在参数优化后的支持向量机内,输入舰船目标特征矩样本,输出舰船目标识别分类结果。实验证明,该方法可有效提取舰船目标特征矩;经过参数优化后的支持向量机,可有效降低计算复杂度,加快检测目标识别分类效率,具备较优的舰船目标识别分类性能。该方法均可精准识别分类舰船目标。     

基于改进反步滑模控制算法的拖轮自主靠泊控制

[目的]针对拖轮的自主靠泊控制问题,研究基于虚拟船领导的目标跟踪控制策略在拖轮自主靠泊中的应用。[方法]首先,将拖轮的自主靠泊过程转变为虚拟拖轮和实际拖轮的目标跟踪控制过程;然后,设计靠泊系统的运动学模型,考虑靠泊场景中的特殊环境干扰,使用反步法和滑模控制法（SMC）设计全回转尾推进拖轮的自主靠泊控制器,提供了3种不同的滑模面设计并使用李雅普诺夫函数进行稳定性验证;最后,采用仿真实验的方式,通过靠泊轨迹、速度误差和距离误差来对控制的效果进行验证。[结果]仿真实验结果表明,设计的拖轮自主靠泊控制策略以及控制器在拖轮自主靠泊场景中具有较好的效果,面对系统的不确定干扰有较好的表现。[结论]该控制策略以及靠泊控制器的适用性以及鲁棒性较好,以全新的角度实现了拖轮自主靠泊控制,为后续拖轮的靠泊控制研究提供了新的方向。     

基于线谱特征提取的被动声纳目标识技术研究

该文针对被动声纳目标识别,着重研究了线谱特征提取方法,提出了一种自适应遗传BP算法,并用该算法训练神经网络目标分类器。经对上海上实录三类目标噪声分类识别实验结果表明,所设计的被动声纳目标识别系统具有很好的分类效果。     

利用时差与到达角双站对机动目标无源定位算法研究

该文提出了一种基于两站到达时间差和一个到达角的无源定位方法。以到达角消除时差定位的多值模糊,用最小二乘估计和卡尔曼滤波算法,实现对海上机动目标的无源定位和跟踪。经计算机仿真后得到了满意的效果。     

现代集装箱港口发展趋势

20世纪末,全球集装箱运输市场发生了令人瞩目的变化,集装箱船舶大型化进入了超巴拿马型阶段,班轮公司的大型化、联盟化进入了强强联合的阶段.这一发展虽然增加了港口投资的风险,但也给港口发展带来众多的机遇.为了规避风险,充分利用机遇,集装箱港口的发展中出现了竞争目标多样化、投资经营全球化与竞争主体城市化的趋向.     

基于Hough变换的被动声纳航迹起始

航迹起始是航迹处理中的首要问题.研究用批处理技术中的Hough变换方法来创建航迹起始,把航迹上的观测点变换为参数空间的对应曲线,充分利用一段时间内的目标观测数据,通过Hough变换排除大量的杂波点,在低信噪比下也能从背景噪声中提取目标的航迹特征,在参数选择理想的情况下,起始精度较高,仿真试验证明了有效性.