舰船装备维修信息大容量记录器设计

在进行有源和无源电子标签比较的基础上,对有源大容量记录器的技术设计、结构设计进行讨论;分析保存于记录器中的维修信息数据格式,剖析记录器控制软件流程;并对影响大容量电子标签推广使用的电源设计、安全性设计进行分析.     

卫星海洋观测信息在海域监视侦察中的应用

面向综合电子信息系统信息获取功能领域,针对远离陆地大范围海域信息获取问题,重点探讨了卫星海洋观测信息在海域监视侦察中的应用.首先,简要论述了红外图像、高光谱图像、激光雷达图像以及微波图像等典型卫星海洋观测信息的信息源特点及相应卫星平台和传感器情况.在此基础上,探讨了基于卫星海洋观测信息的目标检测、目标识别与目标定位等典...     

发送SSA时船舶识别指南——转发马来西亚航运通告NPM43／2010

马来西亚海事主管机关近期向港口当局／委员会,船东、航运代理、船长,船上海员以及其它航运机构下发航运通告NPM43／2010,提供了发送SSA时船舶识别指南．现予转发,望遵照执行。1、SOLAS公约第XI-2／6条以及相关的性能标准规定．启动船舶保安警报系统（SSAS）时,应同时开始向主管当局指定的负责人（指定的接收人）发送船到岸的保安警报．来识别船舶、船舶的位置、所处该位置时的日期和时间,并表明船舶的保安正在受到威胁或已危及安全。     

基于D-S证据理论的海战场目标战术意图识别技术研究

目标战术意图识别技术是海战场态势评估领域的一个核心内容,也是威胁估计的基础。根据舰艇指挥决策中的海战场态势评估的需要,提取目标战术意图识别所需要素,然后运用高维空间相似度计算模型,度量目标状态对其意图的支撑程度,最后结合D-C证据理论对目标战术意图进行序贯识别,通过实例验证,取得了较好的效果。该方法能够为解决海战场目标战术意图识别提供新的途径。     

随船器材保障可视化系统建设的研究

利用射频识别、二维条码、虚拟现实等技术进行随船器材保障可视化系统建设研究.该系统覆盖仓储、收发、定位等环节,可直观、准确、及时地获取数据,达到随船器材库存动态可视、消耗实时掌握、收发全程可控的目的.     

斜拉桥锤击法模态参数识别不确定性的试验研究

为分析锤击法模态参数识别的不确定性,对一座模型斜拉桥进行了分区锤击法模态试验,采用变时基技术测试了主梁竖向和扭转、主梁横向、主塔面内和主塔面外模态。首先,采用特征系统实现算法(ERA)进行模态参数识别,ERA法的稳定图能够有效区分密集模态,识别出全桥21阶模态参数。其次,采用峰值法(PP)、正交多项式法(RP)、最小二乘复频域法(LSCF)、最小二乘复指数法(LSCE)分别进行模态参数识别,对比了各方法模态参数识别结果,统计了其不确定性,结果表明,频率的识别结果变异性小,阻尼和振型有较大的变异性。最后,采用MONTE CARLO法对实测频响函数添加噪声,RP法进行模态参数识别,结果表明,测点位于振型振幅较大位置时,模态参数识别结果的不确定性小,模态参数识别方法的不确定性比噪声的不确定性更大。     

基于改进掩码-区域卷积神经网络的混凝土病害实例分割

为对混凝土病害图像进行更精确的实例分割,提出改进掩码-区域卷积神经网络(Mask Region Convolution Neural Network, Mask-RCNN)。该网络采用轻量级的可移动网络(MobileNetV2)代替原始Mask-RCNN中卷积层过大的主干网络——残差网络(ResNet101),加入路径聚合网络(PANet),以提高Mask-RCNN提取浅层特征信息的能力。为验证改进Mask-RCNN的识别精度及其在实际工程中的可行性,首先构建多类混凝土病害图像数据集,利用K-means聚类算法确定最适合该数据集的先验边界框的长宽比,然后对比改进Mask-RCNN与原始Mask-RCNN、其它主流深度学习网络对混凝土五类病害(裂缝、露筋、剥落、白皙和空洞)的识别结果;最后利用无人机采集到的钢筋混凝土桥梁病害图像作为测试集进行测试。结果表明：改进Mask-RCNN在提高计算速度的同时能更准确地定位病害,减少了误检和漏检,识别精度高于原始Mask-RCNN及其它深度学习网络;改进Mask-RCNN可以识别无人机拍摄的未经训练的新的混凝土病害图像,识别精度满足实际工程需求。     

基于LSTM-FCN神经网络的船舶电力系统故障识别方法

船舶电力系统拓扑结构日趋复杂,故障种类繁多且不易区分。为确保继电保护动作的正确性,本文基于船舶电力系统故障录波数据,利用全卷积网络(Fully Convolutional Network, FCN)在局部特征提取上的优势,以及长短期记忆网络(Long Short-Term Memory, LSTM)在时序特征提取上的优势,提出了一种基于改进LSTM-FCN网络的故障诊断模型,并应用于船舶电力系统故障识别。依托PSCAD/EMTDC仿真软件对典型船舶电力系统各种故障进行仿真,通过小波变换对采样信号进行预处理。实验结果表明：本文所提出的故障诊断模型能够很好地对船舶电力系统故障进行分类识别。     

基于卷积神经网络的波浪砰击载荷识别方法

为准确识别波浪砰击载荷,保障海洋平台作业的安全性,基于卷积神经网络（CNN）模型,建立立柱-甲板简化模型的砰击载荷识别方法,根据结构测点应变响应数据对砰击载荷进行识别。通过分析半潜式平台立柱-甲板处砰击载荷分布的特点,进行有限元数值计算,生成训练数据集和测试数据集,同时考虑数据噪声的影响。结果表明：CNN砰击载荷识别模型具有很高的识别精度和良好的抗噪声能力,在无噪声和有噪声情况下,整体精度分别为99.6%和91.9%;相比传统的反向传播神经网络（BPNN）模型,CNN模型的识别精度更高。     

基于神经网络算法的DMI设备目标识别与状态检测

针对现场对检修作业图像资料自动化审计的需求,以DMI设备状态检测为例,在AMIS智能检修作业系统基础上,设计了DMI设备目标识别与状态检测子系统,包含DMI设备目标识别模块和RBC连接状态检测模块。其中,DMI设备目标识别模块采用Fatster RCNN深度神经网络,利用AMIS智能检修作业系统采集的大量列控车载设备检修图像作为训练测试数据集,将DMI设备图像从背景图像中提取出来;RBC连接状态检测模块采用深度神经网络对DMI上显示的RBC连接状态进行检测。该系统可以实时、准确、自动分析DMI设备状态,为全面分析列控车载设备日常检修作业图像打下基础。