MLC 2006公约实船照明设计与验证

MLC2006公约对所有商船海员上船工作的最低要求、就业条件、起居舱室、娱乐设施、医疗福利以及社会保障等方面制定了统一标准。梳理了MLC2006公约本身及其志愿性舒适度入级符号对舱室、公共生活区照度的要求,在实船上借助照度分析软件进行照度预报,并与实测值进行比较,为将来的设计提供参考,并详述实船照度验证,总结测量注意事项,为业内人士提供帮助。     

浅议海事测绘通航尺度核定测量

一、通航尺度核定测量的定义和工作内容 通航尺度是航道、锚地、码头泊位、回旋水域、调头区、桥梁等建设的主要标准,通航尺度核定测量包括对这些区域的深度、宽度、挖槽断面形态、边坡系数、航道弯曲半径、水下障碍物情况、水上净空等进行的验收性测量以及定期监测。     

泰和赣江大桥桥梁通航净空尺度及桥跨布置思路构架

文中主要针对泰和赣江大桥桥梁通航净空尺度及桥跨布置思路构架进行了具体的分析.     

基于深度图像的机场道面裂缝自动检测算法

为了实现强噪声、弱光照、低对比度条件下的机场道面细小裂缝检测, 设计了基于深度图像的机场道面裂缝检测算法; 将采集到的深度图像划分成多个网格, 并对每个网格进行扩充, 获得了局部道面区域; 针对每个网格区域, 基于随机抽样一致算法进行局部三次曲面构建和优化估计; 在此基础上, 在全局尺度下融合全部网格区域的曲面模型, 生成整个图像采集区域道面的全局曲面模型; 利用全局曲面模型与原始深度图像之间的差值图像, 采用自适应阈值方法分割出候选裂缝像素, 并利用裂缝的像素总数、长度以及长宽比等多种形态学约束筛选候选裂缝像素, 去除错误的候选裂缝像素, 从而获得了最终的裂缝检测结果; 在机场道面深度图像数据集上进行了试验, 以人工标注结果作为真实值, 以准确率、召回率以及F值作为量化评估指标, 将提出的算法分别与4种有代表性的传统算法进行了对比。试验结果表明: 传统算法能够取得的最高准确率、召回率以及F值分别为77.05%、41.02%和50.02%, 提出的算法在准确率、召回率和F值3个指标上均有明显优势, 其均值分别为91.20%、97.99%和94.12%;提出的算法能够在分辨率为1 984像素×2 000像素的深度图像上检测出最小宽度为3 mm、最小长度为10 cm的裂缝, 实现了在复杂机场道面场景中识别细小裂缝的目标。      

海轮“T”形靠泊的论证与实践

海轮“T”形靠泊是一项有难度的引航作业,尤其是在狭窄、受潮汐影响明显的长江专用航道内。根据海轮“T”形靠泊经验,结合水文气象特点和通航环境等对“T”形靠泊进行可行性论证,包括确定操作方案,合理配置拖轮和选择最佳的时机实施靠泊作业。最后总结并提出了操纵要领和注意事项,供驾引人员参考。     

基于多尺度排列熵和长短时记忆神经网络的航空发动机剩余寿命预测

针对航空发动机性能退化失效的变点和多状态参数的时间序列预测, 构建了基于多尺度排列熵算法和长短时记忆神经网络的剩余寿命预测模型; 使用多尺度排列熵算法对时间序列进行变点分析, 求解出性能退化过程中的突变点, 得到了有故障征兆的性能退化起始点; 构建了包含多变量的长短时记忆神经网络模型, 将多个状态参数代入到模型中得到对应的剩余寿命; 将变点后的航空发动机多状态参数和剩余寿命作为样本, 代入到长短时记忆神经网络模型中进行多步和多变量的时间序列预测; 通过综合航空发动机状态参数变点分析方法和时间序列预测模型, 得到最终的剩余寿命预测结果。研究结果表明: 多尺度排列熵算法能够及时监控各个状态参数的变化, 当发现状态参数异常时, 排列熵的值会发生跳变, 从而有助于及时发现故障征兆; 长短时记忆神经网络模型通过门控单元对长时间序列数据进行信息筛选, 充分保留了有效信息用于时间序列预测; 多变量长短时记忆神经网络能够对多状态参数进行同步分析, 并且将状态参数直接与剩余寿命相对应, 提高了模型效率; 通过多尺度排列熵算法和长短时记忆神经网络模型的结合, 能够考虑到航空发动机的多退化模式, 得到更符合实际退化过程的剩余寿命预测结果; 经过算例分析, 提出方法的剩余寿命预测的均方根误差为5.3, 与长短时记忆神经网络、反向传播神经网络和支持向量机相比, 误差分别降低了63%、72%和78%。      

废气清洗系统在2500 TEU集装箱船上的应用及布置简介

主要介绍了涉及硫排放的相关法规、废气清洗系统的类型以及系统原理,着重介绍了该系统在2 500 TEU集装箱船上的应用,并对在实船布置中遇到的一些问题进行了分析,希望为类似应用提供参考和借鉴。