基于神经网络集成的声学故障识别

提出一种基于神经网络集成的水下航行器声学故障识别方法。该方法把经单独训练的具有一定差异度的单个RBF神经网络加以集成,可提高分类器的泛化性能。实验证明该模型的有效性。     

基于Hu不变矩的船舶焊缝缺陷图像特征提取

介绍基于Hu不变矩的船舶焊缝缺陷图像特征提取方法,实验表明所提取的Hu不变矩满足缩放、平移和旋转上的几何不变性,同时具有较高的抗噪能力。对于复杂的焊缝缺陷图像,不变矩特征能有效的表征图像的特征信息,在一定程度上可以作为缺陷识别的重要依据。     

基于EMD-样本熵的轴流压气机喘振分析

轴流压气机作为燃气轮机安全运行的重要设备装置,它的稳定性直接影响燃气轮机的输出效率。因此如何快速准确判断并及时规避轴流压气机的喘振工况是燃气轮机优化设计的重点。本文提出一种基于轴流压气机已有传感器处理提取特征值后对喘振工况进行判断的新方法。首先对压气机的一维传感信号进行EMD分解升维后进行数据降维至数据本质维数上,再利用样本熵处理后提取特征信号从而对喘振工况进行判定。基于三级轴流压气机喘振进行喘振的诱导试验,实现压气机的喘振工况并且利用EMD-样本熵的方法对压气机的级间压力、出口压力进行分析对比。试验结果表明,此方法提取的特征值可以有效区分出压气机正常与喘振的工况,验证了方法的可行性,为轴流轴流机的故障预测提供基础。     

基于BP神经网络的横向受荷桩承载力预测

为研究横向受荷桩的承载性状,基于BP神经网络对其承载力进行预测。选取桩径、桩入土深度、荷载的偏心距、土的不排水抗剪强度作为神经网络的输入,得出黏土中横向受荷桩承载力的BP神经网络预测模型,发现训练BP神经网络时,桩承载力的拟合值与实测值的相对误差平均值为4.54%;检验BP神经网络时,桩承载力的预测值与实测值的相对误差平均值为5.39%。结果表明,建立的基于BP神经网络的黏土中横向受荷桩承载力预测模型是可行的。     

在船舶航行条件下热带气旋强度变化预报的相似离度方案

该文提出了在船舶航行条件下利用相似离度作西北太平洋热带气旋６—７２ｈ强度变化预报的方法，并进行了独立样本预报检验和实船试验，基于相似离度利用“形”和“值”两个方面全面去比较实时样本和历史样本之间的相似程度的优．点，采取了一系列相似离度应用技术，从三万多条历史样本曲线库中寻找最相似的样本曲线的未来变压进行强度变化预报，有利于提高预报准确率，减小预报误差，独立样本的预报检验和实船试验表明，该方法具有简便、迅速等特点，还具有较高的预报精度；是现行船舶航行条件下或岸上气象台站及作热带气旋强度变化预报的一种切实可行的途径。     

基于零样本学习的集装箱箱号识别系统研究

针对传统集装箱号识别方法对于新出现的没有标签的集装箱无法进行准确识别问题,介绍一种用于集装箱号自动识别的基于语义自编码器的零样本学习方法。该方法可实现对陌生集装箱号的准确识别;给出一种基于该方法的箱号识别系统及其智能视觉识别系统、后端集中管控系统、web前端系统组成,可为集装箱号识别解决方案提供参考。     

Bayes小样本统计理论在舰艇导航装备维修中的应用

舰艇导航装备属于高精度、高可靠性、高成本的精密设备。为了解决大型导航设备在小样本条件下的维修性评估问题,研究了Bayes小样本统计理论在导航装备维修中的应用。根据导航装备维修时间的小样本数据,进行了数据的K-S检验,建立了导航装备的维修时间分布模型,运用Bootstrap方法对确立的模型进行参数辨识,确定了导航装备的平均修复时间、中位修复时间、最大修复时间等参数,结果表明Bootstrap方法的有效性和准确性。     

基于神经网络的港口潮汐预报

分析调和分析法潮汐预报的局限性和神经网络技术用于潮汐预报的可行性,设计潮汐预报的神经网络模型,用验潮站二十多年的潮汐记录作为样本进行网络学习和预报,验证神经网络用于潮汐预报和提高预报精度的可行性.     

光纤传感技术

本文介绍了光纤传感技术的基本概况，具体来说探讨了光纤传感技术应用于定性或定量地识别化学样本方面的情况及其工作原理。我们将列举我们所提到的已经被应用的许多技术参考情况。我们所列举的情况不可能完全详尽，但是能够反映现在已经在做的工作。     

SG（2,3）上的布朗运动

研究了分形集ＳＧ（２，３）上随机游动转移概率及首中时的性质，结合分枝过程理论的造了ＳＧ（２，３）上的布朗运动，并研究了这种过程半群的对称的性质以样本轨道的性质，证明了其样本轨道以概率１具有指数ｌｏｇ３／ｌｏｇ（９０／１７）的Ｈｏｄｅｒ连续性。此外，对过程的首中时也进行了讨论，并得到首中时的分布函数及矩的估计。