安全防护环境下舰船监控网络病毒检测系统

针对舰船监控网络病毒检测系统检测结果精度较低的问题,设计安全防护环境下舰船监控网络病毒检测系统。在此次设计中沿用原有舰船监控网络病毒检测系统硬件,着重进行系统软件设计。通过构建软件框架进行软件设计,设定病毒规则库并对网络数据进行捕获;将捕获后的数据通过滤波进行预处理;采用聚类的方式进行数据挖掘并构建病毒特征库;将网络中的数据与病毒特征库进行匹配,完成网络病毒的检测。至此,安全防护环境下舰船监控网病毒检测系统设计完成。构建对比试验,对比检测范围体现检测精度。与原有系统相比,此系统检测范围更加完成。由此可见,此系统检测精度更高,检测更有效。     

舰船网络安全评估的仿真模拟实验研究

安全评估可以帮助管理员了解舰船网络安全变化趋势,为了解决当前舰船网络安全评估结果与实际舰船网络安全值不相符的缺陷,设计了基于层次分析方法的舰船网络安全评估模型。首先采集多源的舰船网络安全评估数据,并将其中的异常数据进行剔除,然后采用层次分析根据一定的准则,确定舰船网络安全评估数据的权值,最后引入神经网络建立舰船网络安全评估模型,采用Python语言编程实现舰船网络安全评估仿真实验,结果表明,本文模型能够避免当前舰船网络安全评估过程中存在的缺陷,科学、合理确定不同舰船网络安全评估数据权值,客观、准确地对舰船网络安全等级进行评估,评估建模时间也得到相应的减少,可以实时实现舰船网络安全等级评估,具有十分广泛的应用前景。     

BP神经网络的舰船辐射噪声识别

当前舰船辐射噪声识别方法存在识别率低,对环境鲁棒性差等缺陷,为了对复杂环境下的舰船辐射噪声识别进行准确识别,提出了BP神经网络的舰船辐射噪声识别方法。首先采集舰船辐射噪声,并提取舰船辐射噪声识别有效特征参数,然后采用BP神经网络建立舰船辐射噪声识别模型,从而实现对舰船辐射噪声信号的分类和识别,最后进行舰船辐射噪声识别的仿真测试。结果表明,相对于已有的舰船辐射噪声识别方法,BP神经网络提高了舰船辐射噪声识别率,可以对各种舰船辐射噪声信号进行准确分类。     

舰船编队网络多覆盖冗余节点自动调度方法

利用基于差分算法和基于能量预测2种传统方法对舰船编队网络多覆盖冗余节点进行调度,覆盖漏洞较多,导致调度效果较差。针对上述问题,提出一种新的舰船编队网络多覆盖冗余节点自动调度方法。该方法主要分为2步:明确舰船编队网络拓扑结构,为下一步调度多覆盖冗余节点做准备;根据得到的网络拓扑结构明确舰船编队网络传感器节点分布,计算各节点之间的覆盖率,以此判断该节点是否为多覆盖冗余节点,并对多覆盖冗余节点进行休眠处理,即完成自动调度。结果表明:与基于差分算法和基于能量预测2种传统方法相比,本方法的覆盖漏洞个数分别减少3个和5个,证明调度效果更优。     

全景视觉舰船图像局部特征点检测

针对传统的舰船图像局部特征点检测技术在检测特征点时,因重复抓取造成检测结果中噪点比例过高,影响有效信息读取的问题,因此设计全景视觉舰船图像局部特征点检测技术。在对舰船图像预处理后,计算稳定度和匹配度2个舰船图像局部特征点的检测参数。将计算得到的检测参数作为高斯金字塔的参数,使用高斯尺度空间法检测舰船图像特征点,完成全景视觉舰船局部特征点检测技术的设计。设计与传统的舰船图像局部特征点检测技术的对比实验,结果表明全景视觉舰船局部特征点检测技术能够有效减少特征点检测后的噪点数,检测效果更佳。     

全舰（船）统一姿态基准系统中甲板变形分析

为了研究舰船甲板的变形,此文对甲板结构进行了简化,建立了甲板受力的数学模型。分别在舰船处于中垂和中拱两种状态下,对舰船甲板受横向载荷、总纵弯矩及两者共同作用下的变形进行了计算。     

PDM在舰船产品设计中的应用

介绍产品数据管理技术(PDM)的主要功能及目前在PDM开发中广泛使用的商用软件Windchill系统的特点：针对舰船产品研制的特点及现状，介绍了舰船设计PDM的需求、体系结构，开发流程及PDM技术在舰船产品设计中的应用情况。     

大型舱室水幕防火分隔系统研究

对大跨度、高空间的水幕防火分隔系统进行了一系列足尺试验,获得试验空间内温度、烟气流动、氧浓度等的变化规律,分析不同水幕厚度和喷水量对火焰、烟气蔓延的阻碍作用,确定了水幕防火分隔技术在舰船上应用的有关设计方法,可供舰船消防设计参考.