复杂海域船舶自适应障碍规避算法研究

目前,船舶的航行海域越来越广阔,各种航道的环境也复杂多变,这对船舶的航行造成了很大的安全隐患。为了最大限度防止船舶之间发生碰撞,人们开发出了各种避碰设备。本文在船舶基本运动模型的基础上,采取模糊神经网络规避算法,并结合PID控制理论,对避碰策略展开研究,详细分析船舶的多种避碰运动模式。仿真结果表明,此算法的性能达到实际应用的基本要求,值得深入研究。     

一种基于实时预测算法的船舶姿态控制器设计

在船舶研发和改进过程中,研究减摇设备是重要课题之一。传统减摇设备的滞后性导致其不能有效避免波浪引起的船舶侧翻等灾害,故本文设计一种基于实时预测算法的船舶姿态控制器。将不规则波分解为大量规则波叠加建立波面模型,分析波倾角并建立船舶的传递模型。基于卡尔曼滤波算法设计船舶的横摇预测系统,再以减摇鳍为核心设计姿态控制器,最后进行模拟仿真。结果表明,预测系统预测结果准确,预测值误差较小,姿态控制器减摇效果良好,浪向角120°下横摇角被控制在5°以内。     

新五维超混沌系统反同步研究

以新五维超混沌系统为对象，基于Lyapunov稳定性理论，采用非线性控制法、主动控制法及全局控制法，分别设计了控制器，实现了新五维超混沌系统的反同步。通过数值仿真，对三种方法的反同步效果进行了验证和对比分析，结果显示主动控制法优于其它两种方法。     

低照度三维船舶图像的重建方法研究

随着现代化的发展,船舶行业图像数据应用量日益增加,对三维船舶图像重建技术的要求也越来越高。但现阶段低照度三维船舶图像重建过程中仍存在分辨率低、介质分布不适应等问题。为有效解决上述问题,在深入分析现阶段三维图像重建方法的基础上提出结合ECT技术的新型低照度三维船舶图像的重建方法,从而达到高效、准确实现三维船舶图像重建技术的目标。为验证系统的准确性和实用性,进行相关仿真实验,根据图像需求采用电极对检测模式,通过传感器将三维船舶重建图像进行次对和检测,实验结果表明,基于ECT技术的三维船舶重建系统方法可以更加准确真实的对图像进行重建,相对比传统的图像重建方法,该系统灵敏度和精准度得到有效的改善和提高,证实了该方法的可行性。     

模糊增强的Canny算法在船舶红外图像分割中的应用

航运业快速发展,水上交通密度和船舶速度不断提高,对船舶运营和管理提出了更严格的要求。红外成像系统具有探测能力强、灵敏度高、隐蔽性好等优势,被广泛应用于船舶航行安全、船舶避碰、船舶管理等领域。本文研究船舶红外图像分割算法,提出基于模糊增强的Canny算法的船舶红外图像边缘提取算法。     

VTS中雷达信息与AIS信息融合的探讨

文章对VTS中雷达信息与AIS信息的来源、种类与特点进行了比较,论证了两者信息融合的可行性与必要性,同时给出了信息的融合模型与方法,也提出信息融合需要进一步解决的问题.     

优品评介

Honor荣耀V9荣耀201 7年开年旗舰荣耀V9,是荣耀史上品质和性能突破的极速之作,拥有麒麟960＋6GB内存、5.7英寸2K高清护眼屏、第三代双摄技术、4000mAh大电池容量等顶级配置,及基于人工智能算法的EMUI 5.1。荣耀V9采用突破性的大技术,系统解决手机卡顿问题,不仅解决瞬时卡顿问题,实现秒杀、秒抢、秒拍,还保证持久流畅,实现500天不卡顿。ECOVACS科沃斯扫地机器人DN78这款进驻亚马逊美国站不足一年的科沃斯机器人凭借傲人的销售业绩打了一场精彩的品牌战役。与中国家庭“先扫后拖”的清洁习惯不同,美国市场用户在打扫时的痛点是以宠物毛发处理以及地毯清洁居多,科沃斯明确将无缠绕扫地机器人“DEEBOT N78”作为美国市场的主打产品,产品一经上市便在“黑五”活动中一炮而红,在世界的舞台上大放异彩。     

基于小波和粒子群算法的HEV行驶状况辨识方法研究

针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。