人工检验作业指导书——车辆唯一性检查

车辆唯一性检查是对机动车的号牌号码、车辆类型、品牌/型号、颜色、发动机号码、车辆识别代号(或整车出厂编号)及主要特征和技术参数进行核查,以确认送检机动车的唯一性。车辆唯一性认定是打击走私、盗抢、非法拼(组)装机动车等违法犯罪行为的第一道防线和有效手段,机动车安全技术检验必须予以重视。本作业指导书从检验项目与评价指标、检验方法等几个方面做了重点阐述。     

西门子准移动闭塞信号系统车次号跟踪浅析

结合南京地铁1号线采用的西门子准移动闭塞信号系统,通过文字和图表对准移动闭塞信号系统中车次号跟踪的原理进行了分析说明。     

神经网络在目标识别中的应用

神经网络技术作为现代智能信息处理技术的主要方法之一,模拟人的神经元的生理结构模型,可自身完善和发展,在各领域都有其广泛的用途。本文对神经网络在目标识别中的应用进行了介绍。并指出目标识别在某种程度上也是一种函数逼近,并用matlab实现了BP网络的函数逼近。     

环境激励下自升式海洋平台损伤诊断

为探究适用于海洋平台结构的有效损伤诊断方法,针对某自升式平台的比例模型开展环境激励下损伤诊断试验研究。分别采用频域法中的增强频域分解法和时域法中的随机子空间法处理测试数据,提取前三阶的固有频率、振型和阻尼比等模态参数,并结合频率和振型识别结果计算节点柔度矩阵。通过分析平台模型模态参数和节点柔度矩阵的变化率,识别预先设置的结构损伤。试验结果表明,两种模态识别方法均能有效识别环境激励下的平台模型模态参数,其中利用固有频率变化率能够有效判断结构是否产生损伤,利用振型和柔度矩阵的变化率能够实现损伤的准确定位。     

基于视频处理技术的船舶移动位置跟踪研究

为解决常规船舶移动位置跟踪方法存在跟踪精度较低的不足。提出了基于视频处理技术的船舶移动位置跟踪研究。基于视频处理技术的引入,依托船舶对象位置的确定及运动轨迹的识别,实现了提出的基于视频处理技术的船舶移动位置跟踪研究。仿真实验结果表明,在复杂海域,提出的船舶移动位置跟踪研究方法,较常规船舶移动位置跟踪方法,跟踪精度提升34.12%。     

一种多源信息融合的声呐综合目标识别方法

针对声呐在搜潜过程中目标识别正确率提升的问题,分析声呐目标特征及其获取手段,研究声呐目标特征提取、分析和识别方法,提出一种多信息源融合的声呐目标综合识别方法。综合运用声呐探测回波特征信息、频谱信息、音频信息、目标运动要素信息、雷达信息、AIS信息等信息进行联合识别,深层次挖掘目标特征信息,通过图谱特性、频域特征、听音识别、运动要素等多维识别,将孤立的、碎片的数据转化成信息优势,形成标准的声呐目标综合识别使用流程,从而提高目标识别正确率。     

水上通信网络海量多维数据弱关联识别方法

随着网络通信技术的发展,水上通信数据呈现出多元化与复杂化,多维数据交互并行,造成海量数据中部分多维数据出现关联程度差,无法及时被调度交互,致使网络冗余数据量增加,影响网络数据交互识别效率。对此提出水上通信网络海量多维数据弱关联识别方法。首先,通过引入多维聚类算法对网络中的数据进行聚类中心量的计算;然后,根据得到的聚类规则,引入弱关联挖掘算法,对海量数据进行多维度关联计算;接着,通过引入的弱关联定位算法对挖掘出来的数据进行识别定位计算,实现海量数据中弱关联多维数据的精准识别;最后,通过仿真对比实验对提出方法进行验证,证明提出方法具有较强的识别能力,且识别准确性高、稳定性好、可行性强。     

基于二维码识别的舰船仓库管理系统整体架构分析

传统的仓库管理系统是利用一维码实现对仓库的管理,该系统数据承载能力较差,系统响应时间受到限制。为此设计基于二维码识别的舰船仓库管理系统。通过引用RFID模块对物资信息进行采集,将采集到的信息进行编码等操作,生成信息容量较大的二维码符号,利用二维码识别技术获取数据信息并根据需求进行处理,实现舰船仓库的管理。测试结果表明:在数据量异常的情况下,与传统的基于一维码的仓库管理系统相比,基于二维码识别的舰船仓库管理系统数据承载能力较强,系统响应时间较短。     

舰船云计算系统服务器故障的识别模型

舰船云计算系统服务器故障的种类多,故障与特征之间是一种非常复杂的映射关系,传统舰船云计算系统服务器故障识别模型难以获得理想的识别结果。为了克服当前舰船云计算系统服务器故障识别模型存在的不足,设计一种基于数据挖掘的舰船云计算系统服务器故障识别模型。首先采集舰船云计算系统服务器故障识别数据,然后采用数据挖掘技术对舰船云计算系统服务器故障识别数据进行分析和建模,建立舰船云计算系统服务器故障识别的分类器,最后进行了舰船云计算系统服务器故障识别仿真对比实验。本文模型的舰船云计算系统服务器故障识别率高达95%,而且舰船云计算系统服务器故障的误识率要小于当前其他舰船云计算系统服务器故障识别模型,结果验证了本文模型的优越性。     

大型船舶电力网络异常输电线路自动识别分析

传统电力网络异常输电线路自动识别方法容错能力差,为此提出大型船舶电力网络异常输电线路自动识别方法研究。建立电力网络输电线路模拟模型对其异常输电线路情况进行模拟,通过模拟采用传感器对异常输电线路信号进行采集,对采集的信号进行特征量提取并将其组合成异常输电线路特征向量,以上述得到的异常输电线路特征向量为依据,采用模糊聚类方法对异常输电线路进行自动识别,实现了大型船舶电力网络异常输电线路的自动识别。通过实验得到,提出的电力网络异常输电线路自动识别方法的容错率比传统方法高出35%,说明提出的电力网络异常输电线路自动识别方法具备极高的容错能力。