水下多目标跟踪的网络层次决策方法

水下多目标跟踪逻辑与决策是水下航行器多目标跟踪中需解决的技术难点．目前用于水下多目标跟踪决策的方法都假设各个决策因素相互独立,而实际上水下多目标跟踪决策的因素之间存在着相互影响．本文根据这一特点,建立了水下多目标跟踪决策的指标集和相应的ANP决策模型,提出了基于ANP的水下多目标跟踪逻辑与决策方法．该方法将水下多目标跟踪决策的指标集纳入网络层次结构模型,并通过模型解算得到优化的多目标跟踪决策,具有决策结果比现有方法更加合理、稳健的特点．仿真结果表明该方法是在多目标跟踪决策因素之间存在相互影响情况下解决水下多目标跟踪逻辑与决策问题的有效方法．     

基于进化规划算法的舰船辐射噪声分类

神经网络分类器在舰船辐射噪声分类中得到了广泛的应用.针对神经网络分类器的设计困难,提出一种基于进化规划算法的设计方法.在该方法中,进化算法的适应度函数不是取为神经网络分类器对训练样本的识别率,而是对训练样本的可分性和聚合度同时考虑,这样能够在保证识别精度的前提下,使网络分类器具有良好的泛化能力,而且该方法不仅能够对待识别的样本进行离线学习,也能够在线学习.使用该分类器对舰船辐射噪声进行分类识别试验,结果表明该方法设计的分类器具有良好的性能.     

无线传感器网络安全路由协议SNEP的分析与仿真实现

以提供可靠保密通信为目标的安全路由协议的分析是无线传感器网络安全基本研究领域之一．阐述了针对无线传感器网络的攻击手段所采取的措施,研究了安全路由协议,重点研究了其中的传感网络加密协议（Sensor Network Encryption Protocol,SNEP）,并进行了仿真实现,最后针对无线传感网络的攻击方式对SNEP的安全性进行了分析．结果证明SNEP协议具有数据机密性、数据认证、防御重放攻击等安全服务．     

小样本情况下的船舶溢油事故风险评价研究

船舶溢油风险评价是一项复杂的多因素问题,是船舶溢油应急管理的关键环节.作为智能搜索算法的代表理论,BP神经网络被认为是进行不确定风险评价的较好方法之一,然而船舶溢油事故属于小样本事件,统计数据往往难以满足BP神经网络要求的样本容量.针对这一困境,首先提出一种利用B样条最小二乘理论的数据拟合法,显著增加样本数.其次,根据船舶溢油特点建立了基于BP神经网络的船舶溢油风险评价模型.最后以上海港近年发生的10起溢油事故为实例,检验了模型的可行性.     

网络计划技术在船舶修造中的应用

文章介绍网络计划技术方法,并将其应用于船舶修造的生产管理,可以克服横道图的缺点,实现利用计算机在船舶修造生产中的现代化管理。     

舰船环形区域配电结构及可靠性分析

舰船电网形式的选择直接关系到电力系统供电的可靠性,其重要性不亚于电站。本文首先对舰船电网形式进行了分析研究,然后利用基于可靠性框图的网络分析法,对几种典型的船舶电网进行了可靠性计算,通过对四种船舶电网的对比分析,得到环形区域配电的可靠性水平高于辐射网结构和电源环形网结构,是舰船电网结构发展的方向。     

重箱堆场地下管网施工

重箱堆场作为集装箱码头后方的存储腹地,对集装箱的储运起着十分重要的作用。文章表明,在重箱堆场施工过程中,对地下管网施工,如何选择有效的施工方法,安排控制好相关工序的衔接,是保证重箱堆场工程有条不紊进行,确保施工进度与质量的重中之重。     

舰船电力系统自适应电流保护网络拓扑分析

舰船电力系统自适应电流保护是根据电网的运行方式、网络结构和故障类型等来实时改变保护定值或保护性能,使保护最优化。网络拓扑结构的变化可以通过检测开关、断路器等的开断和闭合情况以及线路电流、电压的变化来确定,它是进行保护分析的基础。本文简单介绍了舰船电力系统保护研究的现状,阐述了引入舰船电力系统自适应电流保护的重要性,并主要论述了如何通过节支关联矩阵来对网络结构变化进行跟踪。     

RBF神经网络在柴油机燃油系统故障诊断中的应用研究

本文主要介绍了径向基（RBF）神经网络在柴油机燃油系统故障诊断中的应用,并且首次将神经网络和虚拟仪器技术相结合,成功用于柴油机故障诊断中。比较了RBF和误差反传（BP）神经网络的学习速度和诊断精度。研究表明,将RBF神经网络和虚拟仪器相结合进行柴油机故障诊断具有良好的诊断效果和精度,有很好的工程应用前景。     

交通模型的价值

在既有规划编制导则中,已经明确交通模型和交通需求分析是综合交通体系规划、轨道交通线网规划的重要工作内容。交通模型的价值并非仅仅体现在预测结果和精度上,更在于编制过程中对交通特征和供需关系的分析,对战略方案、系统方案的指导、解释、论证的作用上。但在现实规划编制中,模型的地位和价值在丧失,日益成为项目成果中的摆设品,难以支撑交通需求深入分析,并与战略构思、方案制定相脱节。与此同时,规划实践、大数据、交通模型的发展趋势,亟须重新审视模型的价值,提升模型精细化的定量分析水平。最后,从机制保障、应用推广、功能拓展、科研攻关等方面,提出促进模型价值提升的相关建议。