改革开放四十载,公交奋进新时代

党的十一届三中全会作出改革开放的历史性决策,新中国从此推开了一扇眺望世界、变革求新的大门。中国公交行业的巨变大幕随之拉开,而湛江公交在改革开放四十年的历史长河中也不断矢志开拓,奋力谱写新时代、新篇章。     

美国智能交通政策发展变迁及启示

本文分析了运输政策存在的理论依据,认为其支付的组织成本较低是其发挥作用的主要原因,并且对美国智能交通组织和政策的制度变迁过程进行了梳理,总结了美国制定运输政策的经验,对我国发展智能交通体系提出几点启示。     

面向复杂环境的LNG码头合理布局规模仿真案例分析

LNG船舶通过限制性航道进出港时须采取一定的管控措施,具有显著的排他性,布局LNG码头时须确定合理的码头规模,以保障港区各类船舶通航效率。基于多智能体复杂系统的混合模拟仿真建模方法,以宁波舟山港六横港区南侧岸线新布局LNG码头研究为例,建立不同的仿真情境,通过设定的指标进行评价分析,研判在一定通航管控措施条件下六横港区南侧LNG码头合理布局规模,为港口码头布局和岸线合理利用提供决策依据。     

基于智能图像视觉的船舱内部监控与识别

为了提高对舰船船舱内部监控管理能力,提出一种基于智能图像视觉的船舱内部监控识别方法。采用计算机视觉特征信息采集方法进行船舱内部图像原始信息采集,对采集的图像进行小波降噪处理,采用Harris角点检测方法进行船舱内部关键部位点的准确标定,结合图像子块连续遍历方法实现船舱内部异常像素特征搜索提取,实现船舱内部的智能视觉监控识别。仿真结果表明,采用该方法进行船舱内部监控,输出视觉图像的成像质量较好,对关键信息点的标定结果准确,对船舱内部异常像素的检索能力较强,具有较好的应用价值。     

基于DPCA和Kalman滤波的SAS运动误差估计

SAS系统的运动不稳定性是限制其发展的一个主要因素。等效相位中心(DPCA)自聚焦算法是基于原始回波数据的运动补偿方法。由于DPCA自聚焦算法在估计过程中是以前一个脉冲对应的阵列位置为基准,因此,随着脉冲次数的增加,估计残差将会逐渐积累,特别是当某次脉冲对应的估计残差较大时,DPCA自聚焦算法的估计精度就会受到严重的影响。本文将Kalman滤波算法和DPCA自聚焦算法融和,以最小均方误差为最佳准则,采用随机过程的矢量模型和递归算法,获得信号和噪声的最佳分离,提高了对SAS运动误差的估计精度。     

船体零部件标准化设计思路

为了提高造船效率、降低造船成本、提高造船质量,造船行业需要引入先进的智能制造理念。船舶制造作为典型的离散型制造行业,其传统的船舶设计、制造模式在一定程度上限制了智能制造技术的大范围推广应用,从船体零部件标准化设计角度,研究如何利用标准化设计手段来扩大船厂智能制造应用范围和场景。形成船体零部件标准化、批量化设计原则和标准,达到降低船舶智能制造技术难度,最终实现船舶制造向连续型生产模式转变的目的。     

智能视频监控中舰船假目标图像检测算法

传统舰船假目标图像检测算法存在检测精准度低的缺陷,为此提出智能视频监控中舰船假目标图像检测算法研究。将智能视频监控中采集的图像采用灰度化处理得到灰度图像,利用直方图均衡化处理灰度图像,提升图像的质量。采用滤波处理方法将得到的图像进行去噪,完成图像的预处理,为图像检测做准备。采用小波变换方法对上述得到的图像进行特征提取,将得到的图像特征输入到图像检测模型中,与真目标图像特征进行逐一比较,输出假目标图像,实现了对舰船假目标图像的检测。实验结果表明,提出的舰船假目标图像检测算法检测精准度比传统算法高出21.8%,说明提出的舰船假目标图像检测算法具备极高的有效性。     

船舶无线网络通信过程差错数据智能检测方法

现有的异常数据检测方法无法适应船舶无线网络通信环境,存在漏检率高的问题,为此提出通信网络差错数据智能检测方法。根据舰船无线网络通信的特点,选取通信数据差错特征。利用数据采集设备,获取船舶无线网络通信过程数据。通过计算数据集的离散度与设置置信区间2个步骤,实现对通信过程差错数据的识别。以识别结果为基础,分别从数据长度、格式和内容3个角度,实现对通信差错数据的智能检测。为了验证设计的智能检测方法的检错能力设计性能对比实验,结果表明,与传统差错数据检测方法相比,设计的智能检测方法的漏检率降低了30.1%,且通过该方法的检测与控制提高了无线网络通信的稳定性。     

《AFS公约》生效后对我国的影响与对策

2008年9月17日生效的《2001年国际控制船舶有害防污底系统公约》（简称AFS公约）是继MARPOL73/78公约之后国际海洋环境保护的又一部重要法规,将对促进海洋环境保护起到重要的作用,同时对航运业也将产生一定的负面影响。本文将对该公约的发展情况作一些介绍,同时分析该公约生效后对我国所产生的影响以及如何积极应对。     

多参量状态下舰船网络异常故障智能诊断方法分析

为了解决船舶网络数据交互压力成倍增长,网络故障特点已由单纯的单要素故障转变为多因素故障的问题。提出多参量状态下舰船网络异常故障智能诊断方法分析。对网络环境的全局变量进行收集,获取多参量状态,根据获取的多参量状态数据,建立多参量网络健康评估模型,定义对参量下故障识别的学习状态,确定网络故障点,通过数据提取算法完成对故障点的提取,完成故障的智能诊断。通过实验数据表明:相同时间量与故障量下,采用设计方法的故障诊断效果,要比传统诊断方法多诊断出故障21处,提升效果明显。