基于模态曲率法的海洋平台结构损伤识别与定位研究

针对海洋平台结构特点,将海洋平台结构分为若干子结构,基于模态曲率法结合模态应变发展了一种适用于海洋平台结构的损伤识别与定位方法.为了验证该方法的可行性和有效性,以一典型导管架平台为数值算例,建立有限元损伤模型,分别进行了单构件损伤及多构件损伤时的识别效果研究.数值计算结果表明将模态曲率法和应变模态相结合进行海洋平台的损伤识别与定位是切实可行的.     

一种多传感器信息融合的噪声源识别方法研究

水下航行器噪声源识别是一个小样本条件下的模式识别问题.充分利用多个传感器采集的信号是解决小样本问题的有效途径.但是,目前各个传感器在整体评估中所占的权重没有一种合理的评估方法.文章利用直推式置信机(TCM)可以给出分类预测置信的能力,首先提出一种改进的奇异值测量方法,提高计算预测置信的准确性.然后将该置信作为传感器权重的有效表征,提出了一种多传感器信息融合的改进型直推式置信机算法,即TCM-IKNN-M(Transductive Confidence Machine for Improved K-Nearest Neighbors based on Muhi_sensors)算法.舱段模型试验表明,文中提出的算法有效地利用了多个传感器的信息,大大提高了识别的正确率.     

LRIT数据中心审核费计算分析

船舶远程识别与跟踪（LRIT）系统自建立并全功能运行以来,国际移动卫星组织（IMSO）作为LRIT协调人,制订了临时性的数据中心审核费计算公式,但在国际上一个广为接受的永久性计算公式仍未能确定。文中阐述了LRIT计算公式的最新制订进展,并对各种方案进行了分析,提出了下一步的工作建议。     

面部识别技术在安防系统中的应用

本文简要介绍了安防系统的发展趋势,详细阐述了具有面部识别功能的安防系统的组成结构、工作流程,以及系统完成的功能,对系统难点提出了新的解决思路。     

基于舰载雷达小样本的低慢小目标识别方法

本文针对舰载雷达低、慢、小目标探测面临的小样本识别问题,提出一种基于小样本学习的低慢小目标分类识别方法。该方法将低慢小目标雷达回波数据转换到小波变换域,利用多头注意力机制和双向长短记忆人工神经网络相结合的方式,解决了小样本目标分类识别的问题。在低慢小目标雷达回波仿真数据集上,开展模型训练和算法验证,分析任务差异性与识别准确率的关系,实验结果表明该方法对典型低慢小目标识别精度可达90%以上,在雷达目标识别领域具有较好的应用价值。     

射频识别技术在汽车行业中的应用浅析

射频识别技术是20世纪80年代出现,90年代后期进入实用化阶段的一种非接触式的自动识别技术。文章介绍了射频识别技术(RFID)的工作原理,并将RFID与传统的条形码识别技术进行了对比分析,着重对RFID在汽车工业上的运用,作了较详细的阐述,并对RFID在上汽集团应用前景作了初步的探讨。     

黄浦江水上客运安全评价

为确保2010年上海世博会水上交通安全和黄浦江水上客运安全,在分析综合安全评估法(Formal Safety Assessment,FSA)目的、特点以及实施步骤等相关内容的基础上,按照FSA的模式,运用风险矩阵法和德尔菲法识别黄浦江水上客运危险源,并采用模糊数学理论建立黄浦江水上客运安全现状评价模型,从而实现对黄浦江水上客运安全的量化分析和评价,进而有针对性地提出决策建议。提出基于FSA的水上客运安全评价方法,可为世博会水上交通安全风险管理和黄浦江水上客运安全现状的提高提供参考。     

RFID技术在港口煤炭集疏运系统中的应用

为不断提高港口煤炭物流集疏运系统的能力,分析港口煤炭物流集疏运系统的运行现状,提出通过信息化建设,在港口煤炭物流集疏运系统中利用射频识别（RFID）技术,实现货源地、铁路、港口、航运与煤炭用户之间的有效对接,以及煤炭物流信息实时共享的建议。     

基于增强现实的船舶机舱智能巡检技术研究

为了减少船舶机舱巡检过程中的人因失误,提高轮机员的单兵作业能力,以船舶机舱巡检任务为研究对象,提出了一种基于增强现实的船舶机舱智能巡检技术。针对机舱同类仪表识别率低的问题,融合蜣螂优化算法和目标检测算法,得到了一种全新的目标检测优化算法,实现了对机舱仪表的高精度识别和定位。通过构建船舶机舱的虚拟模型,利用任务系统的时序性和交互性,结合导航系统,实现了机舱导航和任务指引功能。试验证明,改进的蜣螂优化识别匹配算法在耗时和准确率方面均优于其他算法。在实际巡检效果方面,增强现实智能巡检规划的路线能够有效避免漏检现象,巡检准确率超过95%,有效提升了轮机员的巡检能力和效率。     

基于BP神经网络的轮胎花纹沟槽识别

针对传统轮胎花纹沟槽识别算法存在数据特征提取困难、数理运算步骤复杂等问题,基于BP神经网络对生成的不同沟槽类型的轮胎胎冠线数据集进行反复训练,得到BP神经网络轮胎花纹沟槽识别模型。将轮胎胎冠线数据集随机划分为训练集、验证集和测试集,通过试验验证BP神经网络识别模型对轮胎花纹沟槽的识别性能,由混淆矩阵得到模型的正确识别率为94.9%。从3、4沟槽轮胎中获取实际胎冠线样本数据测试BP神经网络识别模型的实际识别效果,6条胎冠线上的花纹沟槽数量全部识别正确。基于BP神经网络识别轮胎花纹沟槽数量具有可行性。