基于声呐图像处理的船用水下目标识别技术研究

水下目标自动识别技术不论在军事领域还是商业领域都具有广泛的应用,具体包括水下军事目标的监测、渔业资源勘测、海底地形勘探等。声呐信号处理是船舶水下目标探测的关键环节,可以分为声呐系统回声信号处理和声呐图像处理2种,本文主要研究的是声呐图像处理类型。本文充分利用基于小波变换的图像滤波技术、图像分割技术、特征提取技术等,改善了船用水下目标识别技术的工作效率和工作精度。     

船体小组立特征提取的机器视觉方法与实现

为了实现无先验信息、无人工决策干预的船体小组立智能制造,采用机器视觉技术来实现小组立表面特征提取与定位。根据船体小组立智能生产线自动焊接定位的需求,设计对小组立工件激光扫描点云进行识别与提取的机器视觉方法,从降低复杂度和运算时间的角度对算法进行了优化,并开发了相应软件。通过不同小组立工件特征提取与定位实验,验证了本文算法在无先验信息、无人工干预、工件随机摆放条件下的可靠性,表明本文所介绍的机器视觉方法能够适应船体构件种类多、非标准件比例高、装配位置随机的特点,为船体智能制造实现提供支持。     

海上风电机组转速振荡状态识别技术

文章介绍了风电机组转速振荡状态,持续在转速振荡状态下运行,可能会导致机组触发故障停机,严重的甚至导致机组零部件损伤,威胁到风电机组的运行安全性;为提高尤其是海上风电机组的安全可靠性,提出一种在风电机组PLC可实现的转速振荡状态识别技术。先通过对应方法寻找局部极值点,分别线性插值出转速包络线,求取转速包络差值平均值,该过程稳定可靠、易实现;通过二次包络求取风场机组发电机转速的实际包络差值,再根据一定时间段内包络差值超过包络差值条件的次数,从而来判定当前状态是否处于转速振荡状态,并通过在风场机组测试的方式,验证了风电机组转速振荡状态识别技术功能的有效性,并开始应用于海上风电。     

数据驱动的船舶异常行为识别方法

为对不同环境影响因素下的船舶异常行为进行有效识别,提出一种综合考虑船舶位置和船舶航行状态的多角度船舶异常行为识别方法。将船舶航行状态分为停留、直行和转向等3类,对网格化水域内的船舶航行状态进行统计,获得船舶正常航行状态的区域分布情况;利用核密度估计算法对船舶位置特征进行提取,获得正常航行位置的区域分布;利用正常船舶航行状态和船舶位置分布情况对船舶异常行为进行识别。选取曹妃甸水域的船舶轨迹数据,用以验证异常行为识别模型的检验效果。试验结果表明：船舶位置异常识别取决于阈值的设定,宽松的阈值识别的异常位置包含船舶较少的航线轨迹,严格的阈值识别的异常位置反映船舶的危险行为;在船舶航行状态异常识别中,该方法可以对航向大幅度波动和航速剧烈变化的船舶异常航行行为状态进行有效的识别。     

弹性动力学反问题研究概况

弹性动力学反问题是力学领域的一个重要研究方向。本文讨论了弹性动力学反问题的分类和求解方法;评述了弹性动力学反问题在无损探伤中的研究现状和最新进展;指出了地球物理中的反问题存在的普遍性;并对弹性动力学反问题普遍存在的难点或者需进一步研究的热点问题进行了概括。     

梁裂纹位置识别的模态能量法

阐述了梁结构裂纹位置识别的模态能量法,利用结构固有频率的改变对悬臂梁裂纹位置进行了识别,将有限元分析获得的模态应变能分布曲线与不同裂纹位置引起的固有频率改变曲线及应变模态振型进行了对比分析,讨论了不同的单元划分和不同模态阶数对裂纹位置识别的影响。     

城市轨道交通AI技术在安全监测中的应用研究

城轨在城市公共交通中占比逐渐变大,其安全问题已不容忽视。文章从技术角度分析城轨安全监测问题,研究AI技术在城轨安全监测中的应用,立足突破传统技术限制,构建更可靠安全的智能城市公共交通系统。     

集装箱RFID技术标准回顾和展望

<正>1集装箱RFID技术标准回顾集装箱射频识别(Radio Frequency Identification,RFID)技术是通过近距离通信实现箱号识别、箱门启闭监控、运输信息传输以及供应链可视化管理的技术。早在1991年国际标准化组织集装箱技术委员会(ISO/TC104)就开始制定关于集装箱自动识别的标准,并于1995年进行修订;我国亦于1999年制定GB/T17894—1999《集装箱自动识别标准》。     

物体入水溅落信号特性分析与识别方法

文章从分析与溅落信号类似的爆炸信号特性、溅落信号的多路径特性、海洋信道的影响入手,在分析物体入水溅落信号特性及海试实测数据特征的基础上,针对海试实测数据探讨物体入水溅落信号识别方法。     

基于数据挖掘的船用通信网络异常行为分类和识别研究方法

为保证船用通信网络的安全,设计基于深度数据挖掘的船用通信网络异常行为分类和识别方法。该方法数据处理模块采用全局信息数据融合策略,融合网络的原始采集数据,特征选择模块通过平均不纯度减少特征重要度计算方法,选择有效特征并计算该特征重要度后,形成特征集,将其输入分类识别模块的内外卷积网络深度学习网络模型中,通过模型的学习和训练,获取船用通信网络异常行为分类识别结果。测试结果显示：该方法可有效删除其中的无效特征,保留有效特征结果;可获取不同类别有效特征标签的重要度评分结果;分类识别的平均绝对误差均低于0.18,可完成不同流量变化下异常行为分类识别。