基于机器学习的大规模船舶图像检索机制

船舶图像具有大规模、多样性等变化特点,传统船舶图像检索机制难以获得高精度检索结果。为了获得理想的船舶图像检索结果,设计了基于机器学习的大规模船舶图像检索机制。首先分析当前船舶图像检索研究进展,阐述船舶图像检索基本流程,然后采集不同类型的船舶图像检索特征,选择最优的船舶图像检索特征作为机器学习算法的输入、船舶图像类别作为输出,最后通过机器学习算法的训练建立船舶图像检索的分类器,并与其它船舶图像检索机制进行了对照测试。测试结果表明,本文机制可以满足大规模船舶图像检索要求,船舶图像检索正确率要高于对比船舶图像检索机制,可以更快找到用户需要的船舶图像,获得了令人满意的船舶图像检索结果。     

基于改进Apriori算法的船舶通信入侵检测方法分析

非法入侵行为危害着船舶通信系统的安全,针对当前船舶通信入侵检测错误率高的缺陷,提出了基于改进Apriori算法的船舶通信入侵检测方法。首先对国内外当前的船舶通信入侵检测方法进行分析,指出了各种方法存在的局限性,然后采用Apriori算法建立船舶通信入侵检测关联规则,实现船舶通信入侵检测数据进行挖掘,并对Apriori算法存在的不足进行相应的改进,最后进行了船舶通信入侵检测仿真实验,本文方法简化了船舶通信入侵检测过程,加快了船舶通信入侵检测速度,提高了船舶通信入侵检测正确率,为船舶通信系统安全管理人员决策提供了有价值的参考依据,能够保证船舶通信系统的安全。     

基于粒子群优化算法的船舶电力系统脆性分析

为了提高船舶电力系统稳定性,提出基于粒子群优化算法的船舶电力系统脆性分析方法,构建船舶电力系统的稳定性控制约束参量模型,以电机模型参数为控制对象,通过船舶电力系统电机的转速信息和电磁转矩信息进行船舶电力系统脆性特征分析,采用PI控制算法进行船舶电力系统的输出稳定性控制,建立船舶电力系统的反馈动态补偿稳定性控制模型,结合粒子群优化算法进行船舶电力系统稳定性控制的参量自适应调节,实现船舶电力系统脆性预测和稳定性控制。仿真结果表明,采用该方法进行船舶电力系统脆性分析的准确性较好,控制稳定性较强,提高了船舶电力系统的输出鲁棒性。     

基于IWO算法的轴系—基座—壳体系统声辐射优化研究

针对轴系-基座-壳体结构复杂,对于激振力引起的结构表面声辐射尚未形成一套有效的计算和优化方法,文章尝试通过功率流有限元和声学边界元方法,对系统声优化问题进行了研究。在直线校中状态下,用相应单元模拟系统中减振器、隔振器和吸振器,建立轴系-基座-壳体系统有限元模型,利用有限元转子动力学,计算系统某特定工况下频率响应。在此基础上采用IWO算法,以各减振单元参数为设计变量,以传递路径的总功率流为目标函数进行优化,最后利用声学边界元方法对优化结果进行对比分析。结果表明,将流经路径总功率流替代场点声压为目标函数,不仅能将问题简化大大减少计算量,还能为系统减振降噪提供有效的优化计算方法,具有重要工程应用价值。     

圆柱壳体振动主动控制中作动器的优化配置

结构振动的主动控制不仅取决于控制器中控制律的设计,还取决于作动器在结构中的作用位置,作动器的合理布置能有效抑制结构振动低频范围内的响应。文章以圆柱壳体为研究对象,基于离散系统可控可观性准则,提出了基于粒子群算法优化作动器作用位置的设计方法,并通过实验加以验证。实验结果表明,粒子群算法可应用于圆柱壳体中作动器作用位置优化设计的问题,在振动主动控制实验中能取得良好的控制效果。     

云环境下舰船周期性任务容错调度算法研究

舰船周期性任务的容错调度对保证船舶安全航行,避免发生碰撞事故具有重要作用,因此针对舰船周期性任务容错调度问题进行研究,在求解环节对传统容错调度算法进行改进优化,以期提高可靠性和实时性。任务容错调度算法设计需要经历2个阶段:第一阶段,构建舰船周期性任务容错调度模型;第二阶段,将遗传算法与蚁群算法相结合,完成模型2次求解,先使用遗传算法,得到初步容错调度可行方案,后使用蚁群算法,完成模型精确求解,有效实现舰船周期性任务的容错调度。结果表明:与单一遗传算法与蚁群算法相比,本算法可靠性降低幅度低(1.89%),说明可靠性更好;100个任务的完成所需时间最少,仅花费11.5 s,证明其实时性更佳。     

舰船局域网络大规模入侵实时取证方法研究

传统检测取证方法存在大规模入侵检测数据误差大的问题。提出舰船局域网络大规模入侵实时取证方法,依托信号滤波技术,创建卡尔曼信号滤波单元,对网络波束内部干扰源进行滤波处理,利用Hybrid入侵特征提取算法,对滤波后信号进行提取运算。实现对局域网内的入侵数据信号干扰滤波与入侵信号提取。通过对比实验证明:提出的舰船局域网络大规模入侵实时取证方法,能够有效滤除局域网入侵干扰信号波,快速筛选、锁定、提取入侵数据信号,实现实时提取入侵信号证据的效果。     

基于视觉显著性的船舶结构缺陷检测研究

针对船舶结构缺陷图像中背景结构复杂,缺陷不易检测的难题,提出基于视觉显著性的缺陷检测算法。该算法采用自适应全变分模型替代FT算法的高斯滤波器并融入H分量来构建改进型FT算法,以增强缺陷图像背景的平滑和缺陷局部颜色对比度的表达能力;利用SMD算法捕捉图像结构信息及分解图像特征矩阵,凸显船舶缺陷与背景的差异性;通过自适应融合算法将改进型FT算法和SMD算法生成的显著图融合为综合显著图。对船舶缺陷进行对比实验,结果表明,提出的算法能够有效检测出船舶缺陷区域,提高缺陷检测精确率。     

基于改进蚁群算法的装配序列规划研究

针对复杂装配产品的装配序列规划问题,构建了包含零部件装配方向、重量、尺寸、装配关系数以及装配连接方法的装配序列评价体系函数.提出一种改进的蚁群算法,建立了算法寻优的数学模型和以零部件为对象的启发式函数,将启发式函数值作为引导蚂蚁进行零部件选择的信息素,并在蚂蚁逐步寻优过程中加入候选零部件筛选规则、装配方向规则和装配阻碍规则等计算规则,辅助蚂蚁摒弃劣质解选择最优解,直到获得产品的整条装配序列.最后以船舶某机型柴油机气缸盖模型为例,验证了改进蚁群算法在求解复杂产品装配序列规划问题的可行性和有效性.     

基于DSRC的车辆防追尾预警算法CSCD

为弥补传统防追尾预警算法在兼顾虚警率与及时性方面的不足,提出一种新的基于前方车辆的防追尾预警算法。利用专用短程通信技术(DSRC)实现车车之间的信息交互;通过安全车距预警模型计算临界安全车距,自车车载单元(OBU)利用自适应广播算法将安全情况信息发送给前车OBU;通过运用移动节点轨迹的生成工具(Vanet Mobi Sim)和面向对象的网络仿真器-2(NS2)进行联合仿真分析,以及主动安全系统开发工具Pre Scan与Matlab/Simulink进行联合仿真分析。结果表明:自适应广播算法的可行性和有效性得到验证;预警算法较好地解决了传统预警算法在虚警率和报警及时性方面的矛盾,这对发展与完善汽车防追尾预警系统具有重要意义。