大数据环境下舰船尾迹破碎图像高精度识别技术

针对原有方法在对舰船尾迹破碎图像进行识别的过程中,受破碎图像特征残缺的影响,存在大量难以检测的角点,在图像破碎度为40%～60%时存在特征抽样拟合率较低的问题,提出一种大数据环境下舰船尾迹破碎图像高精度识别技术。在大数据环境下,通过SUSAN角点检测算法这种大数据算法对舰船尾迹破碎图像进行角点检测。构建图像特征检测模型,利用构建模型对舰船尾迹破碎图像角点处实施特征检测,获取舰船尾迹破碎图像特征。通过构建舰船尾迹破碎图像高精度识别模型实现舰船尾迹破碎图像高精度识别。为了证明大数据环境下舰船尾迹破碎图像高精度识别技术实现了特征抽样拟合率的提升,将原有技术作为对比实验技术进行该技术与原有技术的特征抽样拟合率对比实验,实验结果证明该技术实现了特征抽样拟合率的提升,更适用于舰船尾迹破碎图像的识别。     

船用脉冲多普勒雷达旁瓣杂波分析

脉冲多普勒雷达在工作中受杂波信号的干扰会对检测运动造成负面影响。在多普勒雷达运动时,外部的各种干扰信号会造成多普勒频移产生杂波,杂波为主瓣杂波、旁瓣杂波和高度杂波。为提高脉冲多普勒雷达性能,可以通过测算船舶多普勒雷达的杂波功率,对远处的运动目标进行准确的探测。本文以旁瓣杂波为研究对象,分析了脉冲多普勒雷达系统的构成与特点,论述脉冲多普勒雷达旁瓣杂波分析的模型构建、模型改进与仿真分析。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

基于支座反力的桥梁动态称重方法

为了解决传统基于应变的桥梁动态称重(BWIM)方法存在的精度不高和车轴探测传感器存在的可适用桥型有限、复杂工况下可靠度低的问题,提出了一种基于支座反力识别移动车辆行驶速度、轴距、轴重和总重的桥梁动态称重新方法。首先介绍了车桥耦合振动系统的建立和求解过程以及基于桥梁支座反力的车轴识别理论,建立了试验室车桥振动缩尺模型,并通过模型试验对提出方法的有效性和精度进行了验证。然后基于数值模拟,研究了路面不平整度、车辆行驶速度、噪声水平等重要因素对该方法识别精度的影响。最后,将此方法与既有基于桥梁弯曲应变的桥梁动态称重方法进行了对比。研究结果表明:该方法能够准确识别车辆的行驶速度、轴距、轴重和总重信息,模型试验和数值模拟结果均显示车辆行驶速度、轴距、轴重的识别误差能控制在5%以内,车辆总重误差能控制在2%以内;该方法的识别精度优于传统基于弯曲应变的动态称重方法,且车速越高时,该方法精度优势越明显;该方法在路面不平整、噪声等因素的干扰下仍然具有良好的稳定性。     

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。     

基于图像分割与目标提取的舰船遥感影像分析技术

舰船遥感影像分析技术在舰船目标识别、海上航运交通管理、资源探测和军事侦察等领域发挥着重要的作用,是一种快速、高效和准确的海上舰船信息获取方法。遥感技术的理论基础是电磁波原理,该技术利用遥感卫星等设备采集和分析远距离物体辐射和反射的电磁波信号,从而进行地面物体的探测和识别。由于遥感技术存在巨大的优势,因此,基于遥感技术的舰船遥感影像分析和目标提取有重要意义,决定了海上目标识别和海上监察的水平。本文针对舰船的高分辨率遥感影像,详细的介绍了图像分割原理和目标提取原理,在此基础上研究了一种全新的舰船遥感图像分析技术。     

全球首艘85000m^3超大型乙烷乙烯运输船海试凯旋

12月24日,大船集团海工公司为JHW公司建造的全球首艘85000 m^3超大型乙烷乙烯运输船历时5天,圆满完成航海试验任务,凯旋归来。该船的成功试航,标志着大船集团突破了大型乙烷乙烯气体运输船的关键设计和建造技术难关,成功实现转型,赢得了液化气体船建造领域业内的高度认可。     

航道治理建设规划环境影响识别及指标体系建立

针对航道治理建设规划环境影响识别及指标体系建立问题,对长江干线"十三五"航道治理建设规划环境影响评价成果进行分析研究,采用系统分析、生态因子识别、生态影响判别等方法,得出规划要素与资源、环境要素之间的关系,并结合环境目标提出评价指标体系,可为航道规划环境影响评价提供参考和借鉴。