基于图像分割的船舶吃水深度检测方法

针对传统的船舶吃水深度检测方法精准度低的情况,提出基于图像分割的船舶吃水深度检测方法。以得到精准的舰船吃水值为出发点,采集舰船吃水图像,并进行动态模板匹配,减少舰船晃动对吃水深度检测的影响,在此基础上,对船舶水尺图像字符进行校正,计算吃水线位置,得到舰船吃水深度,以此实现船舶吃水深度检测。实验对比结果表明,此次设计的基于图像分割的船舶吃水深度检测方法比传统的吃水深度检测精准度高,具有一定的实际应用意义。     

基于熵值法的船舶涂装工艺多目标评价模型

为提升船舶涂装工艺管理水平,解决传统涂装工艺评价对人工经验依赖性强的问题,基于多目标理论构建多目标评价模型,综合考虑干膜厚度、经济成本及涂装效率,以涂层质量、涂料用量和涂装工时为评价标准建立目标函数。采用熵值法确定各目标函数权重系数,可以更客观地反应各目标函数对评价结果的影响。结果表明,该方法对涂层质量的评价与人工检验结果一致,此外,该多目标函数综合考虑船舶涂装经济性与时效性,评价结果更加科学合理,该研究成果可为船舶涂装工艺的预制定与涂装工艺参数的优化提供参照。     

智能视频监控中舰船假目标图像检测算法

传统舰船假目标图像检测算法存在检测精准度低的缺陷,为此提出智能视频监控中舰船假目标图像检测算法研究。将智能视频监控中采集的图像采用灰度化处理得到灰度图像,利用直方图均衡化处理灰度图像,提升图像的质量。采用滤波处理方法将得到的图像进行去噪,完成图像的预处理,为图像检测做准备。采用小波变换方法对上述得到的图像进行特征提取,将得到的图像特征输入到图像检测模型中,与真目标图像特征进行逐一比较,输出假目标图像,实现了对舰船假目标图像的检测。实验结果表明,提出的舰船假目标图像检测算法检测精准度比传统算法高出21.8%,说明提出的舰船假目标图像检测算法具备极高的有效性。     

多任务约束条件下基于强化学习的水面无人艇路径规划算法

本文提出一种多任务约束条件下基于强化学习的水面无人艇路径规划算法。利用灰色预测进行区域建议,提升神经网络检测连续视频帧中水面目标的速度和准确率,进而提高了路径规划环境建模的准确性。基于Q_learning算法进行在线训练,完成多任务约束条件下的无人艇路径规划。针对Q_learning算法在多任务约束条件下收敛较慢的问题,提出了一种基于任务分解奖赏函数的Q_learning算法。通过仿真试验,验证了在多任务约束条件下,采用强化学习进行路径规划的可行性,并通过实物试验,验证了该算法能够满足实际要求。     

多极化SAR图像目标检测研究

目前,SAR图像检测多是单一极化的方式,从而使得检测效率低下。因此本文采用多极化的方式进行目标检测,在检测算法中,本文将多种极化检测器相融合,通过检测结果的多次迭代,得到最后的目标检测结果。从对比实验结果可看出,在相同的虚警率下,本文算法的检测结果最好,并且随着虚警率的提高,虚警点数没有增多。     

分布式云平台在舰船目标检测中的应用研究

在现代海上军事领域,船舶目标跟踪监测系统一直是其重要的研究方向,其监测跟踪的精度、准确度及效率是衡量系统的3个最重要的性能指标。传统的舰船目标跟踪监测系统是基于单处理中心,监测跟踪算法的处理精度及效率已经越来越不能满足现代海上军事系统的性能要求。本文研究基于云计算的分布式平台,分析海上目标跟踪监测中的噪声滤波,结合帧间差分法及背景差分法,提出的基于分布式云平台的舰船目标监测算法,提高了算法效率。     

基于序贯Kriging模型的潜器型线优化设计

潜器型线优化设计是一个多目标优化问题,在型线设计过程中,阻力性能与包络体积的要求是相互冲突的。为了解决计算流体力学软件如Fluent在进行潜器的外形优化设计时效率低下问题,采用Kriging模型代替仿真模型进行潜器外形设计的策略,其基本思想是：选取设计变量和样本点,利用ICEM软件建立参数化的水动力分析模型,用Fluent软件计算得到样本点的阻力响应值,建立反映设计变量与响应之间关系的Kriging模型,将阻力和体积作为潜器外形优化的两个目标,利用多目标遗传算法求出Pareto最优解。由于采样策略对Kriging模型精度影响很大,本文提出了一种新的序贯采样方法命名为加权累积误差方法,来选取样本点以提高Kriging模型精度。结果表明提出的序贯Kriging建模技术能极大提高潜器型线优化设计效率,同时保证设计精度。     

潜水器多学科设计中的多目标协同优化方法

针对潜水器设计中涉及多个学科的耦合以及数据信息量大、数据关系复杂的问题,文章介绍了一种新的多目标协同优化算法.该方法将Pareto遗传算法(PGA)引入协同优化框架,二者的有机结合充分发挥各自的优势,该方法利用协同方法的分解协调机制将复杂系统的设计问题分解为一个系统级优化问题和几个学科级优化问题.采用PGA作为系统级优化器,不仅可以得到能够反映多目标优化问题实质的、客观的Pareto解集,而且,由于PGA是无需梯度信息的直接搜索算法,从而从根本上消除了协同优化由系统层一致性约束条件引起的收敛困难问题.在PGA与协同优化框架结合的过程中,采用目标函数的归一化处理、分级罚函数法、浮点数编码、群体分级和Paveto解集过滤器等技术提高算法的计算效率和可靠性,并通过一个数学算例和一个载人潜水器的例子证明了多目标协同优化算法的有效性.