基于柔度曲率矩阵的曲面板结构损伤识别方法

为了对船体中曲面板结构的损伤部位准确地进行损伤识别分析,提出了一种基于柔度曲率矩阵的曲面板结构损伤识别方法并进行了仿真分析.按照Kirchhoff薄板假定对板结构进行单元划分,以结构的响应重建柔度矩阵,并通过类曲率半径方法对柔度值的变化进行放大进而得到柔度曲率矩阵.算例分析表明,该方法损伤定位准确并且具有较高的灵敏度,避免了使用原未损结构的模态参数,所需损伤结构的模态少甚至只需一阶模态信息就可有效地进行损伤识别分析.     

“海上丝绸之路”关键节点安全影响因素识别

为确保船舶在“海上丝绸之路”顺利通行,选取“海上丝绸之路”的关键海峡（运河）作为重要节点,建立突变模型度量关键节点的安全性,再根据灰色关联分析识别影响“海上丝绸之路”关键节点安全性的重要因素。结果显示：6个关键海峡（运河）中马六甲海峡安全性最高,望加锡海峡安全性最低,其余4个海峡（运河）安全性居中;影响关键节点安全性的关键影响因素为海峡（运河）所在国政局稳定性、法律政策数量及多边合作情况,重要影响因素为军事冲突、组织机构数量、保障规范性、恐怖主义和军事基地数量。研究中选取的所有指标都与关键海峡（运河）的安全性存在相关关系。     

甩挂运输半挂车电子标识技术研究

针对现阶段的道路运输远程监控体系中无法识别半挂车的身份与特征信息的问题,通过对甩挂运输企业、站(场)、整车生产企业进行广泛调研,文中提出了基于RFID无线射频技术的甩挂运输半挂车身份电子标识技术要求,分析了电子标识具体技术参数的限值范围,为规范甩挂运输半挂车身份电子标识的发展提供了技术支撑。     

在用工业管道焊接缺陷的识别和自身高度的测量

在用工业管道定期检验划分安全状况等级时,须确定焊接缺陷性质和自身高度,当采用射线检测和超声检测时,缺陷具有不同的特征和自身高度的测量方法。通过分析射线检测和超声波检测,夹渣、未焊透、未熔合缺陷的识别方法和自身高度的测量,总结出根据缺陷的产生部位、缺陷的性质、缺陷的方向选择无损检测方法,综合运用射线检测技术和超声检测技术。     

隧道爆破信号主分量特征提取与毫秒延期识别研究

为了准确揭示隧道爆破振动信号所包含的反映爆破特征参数的重要信息,通过EMD分解与交叉小波变换组合分析方法对实测爆破信号进行分析,得到各分量与原信号的相关性系数,从而准确判别出信号的主分量。再依据相关性系数对包含主分量在内的相关分量重组并进行Hilbert变换取模值,精确识别出隧道采用的各段别雷管的毫秒延期时间。结果表明： 组合方法确定的主分量及相关分量重组信号能够突出爆破信号的主要特征,对隧道爆破信号的分析效果好。     

适于TBM施工的HSP法实时预报技术设计与实现

为实现TBM施工隧道的实时地质预报,以TBM刀盘滚刀破岩震动作为震源的HSP法地质预报技术为基础,通过分析TBM施工工艺与机身结构特点,对HSP系统硬件和软件进行优化设计,使其小型化、自动化和智能化,并搭载于TBM上进行智能控制。在TBM掘进过程中,首先,通过隧道轮廓位置的检波器连续或高频次地采集地震反射波信号; 然后,经系统软件对数据的自动处理,实时获取掌子面前方地层反射特征参数图谱; 其次,通过智能识别技术完成对不良地质反射界面的有效拾取与判识; 最后,实现不良地质的探测。通过对适于TBM施工的HSP法实时预报技术进行优化设计,实时探查前方地层不良地质(体)位置、规模与性质,为TBM的高效施工起到一定的推助作用。     

S变换在水下目标识别中的应用

研究了基于S变换模时频矩阵相似度的水下目标识别方法。根据测试样本对应的S变换模时频矩阵与标准样本对应的S变换模时频矩阵之间的相似度最大原则对测试样本进行识别。该方法不需要辅助分类器而直接实现目标识别,计算简单快速。仿真实验表明,该方法的识别率较高,且受噪声影响小,适合于水下目标识别。     

基于智能图像视觉的船舱内部监控与识别

为了提高对舰船船舱内部监控管理能力,提出一种基于智能图像视觉的船舱内部监控识别方法。采用计算机视觉特征信息采集方法进行船舱内部图像原始信息采集,对采集的图像进行小波降噪处理,采用Harris角点检测方法进行船舱内部关键部位点的准确标定,结合图像子块连续遍历方法实现船舱内部异常像素特征搜索提取,实现船舱内部的智能视觉监控识别。仿真结果表明,采用该方法进行船舱内部监控,输出视觉图像的成像质量较好,对关键信息点的标定结果准确,对船舱内部异常像素的检索能力较强,具有较好的应用价值。     

神经网络在舰船图像特征提取和分类中的应用

海上遥感图像对于舰船目标定位、海上救援、航运交通管理等有重要的作用,基于海上遥感图像的舰船目标特征提取及目标识别是一项热点研究。卷积神经网络是一种改进的人工智能算法,本文详细介绍了卷积神经网络技术的原理,基于卷积神经网络和滤波器实现了舰船遥感图像的特征提取和目标识别。     

基于领域知识的海上编队线型队形识别

编队队形是达成海上编队战术意图的重要手段,因此识别海上目标的编队队形是判断其作战意图的有效方法之一。本文从系统研究海上编队线型队形的领域特征入手,分析了海上编队线型队形的队列要素及计算方法,进而提出了海上编队线型队形的模板表示方法。在上述基础上,建立了识别队形所需要的坐标变换、队列方位等关键参数计算的数学模型,提出了基于队列方位的队列线聚类算法。最后设计了便于计算机编程实现的详细识别算法步骤,从而构建了基于领域特征的编队队形识别算法。