对转桨水动力性能实时预报方法

为了实现对转桨水动力性能实时预报，基于BP神经网络构建对转桨水动力性能预报模型。首先，采用低阶速度势边界元法建立对转桨水动力性能预报模型，通过调整来流速度和前后桨转速开展对转桨水动力性能多工况计算，从而获得构建神经网络所需的样本空间。建立适用于对转桨水动力性能预报的神经网络架构，通过训练使其具备良好的泛化能力。以某组对转桨为研究对象开展水动力性能实时预报方法研究，结果表明，采用BP神经网络预报模型可获得与边界元法精度相当的预报结果，但该模型与边界元法相比计算所耗时间可以忽略不计，可有效实现对转桨水动力性能实时、快速预报。     

电客车维修组织管理智能化平台的开发

基于电客车日常普查、整改等项目多、台账多的现象,着手研究搭建电客车现场生产维修组织管理智能化平台,平台仅需输入各专项工作的相关信息及限定条件,系统即可智能生成各班组每日派工单以及自动跟进各项工作的进展等。可实现相关工作不遗漏、不超时,相关信息可共享、可存档,以及事后可追溯等功能,解决和弥补了传统电客车维修组织管理中存在的诸多"顽症"和不足。同时,此平台投入使用后,电客车维修组织管理真正实现了智能化、信息化和无纸化,规范了车间生产管理,提高了车间的科学化管理水平。     

基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。     

基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制

针对USV运动航向控制问题,利用基于Lyapunov稳定性理论的滑模控制方法设计USV航向控制律.考虑到USV运动系统具有不确定性,利用具有万能逼近性能的模糊系统对USV运动模型中不确定项及外界干扰项进行模糊逼近.为了进一步提高模糊系统的逼近性能,采用具有学习能力快的RBF神经网络对模糊系统进行在线学习,优化模糊规则.仿真结果表明基于RBF网络优化的模糊控制该算法能够实现USV航向连续稳定跟踪.     

基于嵌入式系统的舰船图像拼接技术

常规舰船图像拼接技术无法实现多环境的图像拼接,为此设计基于嵌入式系统的舰船图像拼接技术,对采集的舰船图像进行降噪处理后,利用均值法划分特征领域,通过特征领域构建尺度空间,利用尺度空间法则对图像特征进行配准处理,通过嵌入式系统中的换算函数对图像进行连接强化,实现舰船图像技术拼接。将设计的技术与常规3种图像拼接技术进行对比,在不同实验环境下,本文方法图像拼接能力明显好于3种传统方法。     

公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。     

“天鲲号”超大型自航绞吸船辅钢桩门装置设计

针对自航绞吸船在艏部设置辅钢桩定位系统存在的影响航速等问题，“天鲲”号超大型自航绞吸挖泥船提出了在艏部设置钢桩门的解决方案。该解决方案不仅可以保持完整的艏部线型，减小航行阻力，而且还可以减小辅钢桩甲板作业空间。本文介绍了“天鲲”号辅钢桩门装置的设计方案，以及辅桩钢桩门结构设计，最后提出了辅钢桩门开闭油缸等关键设备的选型计算方法及选型结果。本文可为超大型自航绞吸式挖泥船的辅钢桩门装置的设计分析提供参考和设计思路。