淤泥质海底航道边坡失稳程度评估与预测

淤泥质海底航道边坡稳定性对于航道安全运行至关重要。由于航道边坡失稳滑塌具有不确定性,无法对其失稳程度进行预测评估,严重影响过往船只安全和航道管理维护。基于工程试验模拟的方式获取航道边坡失稳滑塌全周期声纹图像,通过分析声纹图像能量变化将其失稳过程划分为:非常稳定、稳定、不稳定、极不稳定、滑塌5个阶段。基于Gabor变换提取各阶段声纹图像特征,利用离散余弦变换进行特征降维,将降维后的声纹图像特征输入Fisher函数中构建失稳程度评估预测模型。结果表明:将待评估声纹图像样本特征输入到预测模型中,识别正确率达到90%。因此,基于Gabor特征构建Fisher模型进行淤泥质海底航道边坡失稳程度评估预测是可行的,对研究航道边坡稳定性具有重要意义。     

淤泥质海底航道边坡失稳滑塌预测预警系统研究*

淤泥质海底航道边坡失稳滑塌的监测一直缺乏有效的方法。为了预测预警淤泥质海底航道边坡失稳滑塌，采用灰度共生矩阵提取的4个特征值作为识别特征，并利用距离相似性进行声纹特征匹配，设计完成一个用于航道边坡失稳滑塌检测的声纹识别系统。将待检测航道边坡浅地层剖面图像输入系统后，可快速定位显示出航道边坡失稳滑塌预测预警位置。实测结果表明该系统具有较高的识别率，有助于航道管理和工程技术人员检测航道边坡稳定性。     

基于源数估计的船舶振源盲识别研究

针对船舶等复杂设备的多传感器监测与诊断过程中振动源识别,提出一种基于源数估计的船舶振源盲识别方法。该方法首先采用盖尔圆理论确定系统振动源数目,运用信号盲源分离算法提取相对独立的主要源信号,进而运用所提出的谱相关系数分析方法确定所提取信号来自哪个设备。仿真分析与实际的某船舶的模型振动实验均证实该方法的有效性。