基于PLC技术的海上自动化动力系统研究

传统海上船舶动力系统在动力输出与传送上存在动力损耗过大、动力值计算输出准确性差的问题。针对问题产生根源结合PLC技术,提出基于PLC技术的海上自动化动力系统研究。通过改进传统动力运算硬件,创建PLC动力综合采集平台,实现对海上舰船动力相关参数的综合收集分析处理;其次,引入多动力遗传数据算法对动力参数进行遗传自动逻辑量运算,求得自动化最优动力参数;最后,通过仿真实验证明,提出设计的PLC技术的海上自动化动力系统,具有动力参数计算准确、动力自动化程度高的特点,能够从根本上解决传统海上动力系统存在的问题。     

基于关联规则的船舶故障数据自动分类方法

为了提高船舶故障诊断能力,需要进行故障数据的自动分类设计,提出基于关联规则的船舶故障数据自动分类方法。构建船舶故障数据的数据信息流模型,采用高维特征分组方法进行船舶故障数据的分组重构,采用分段线性检验方法进行船舶故障数据的统计特征分析,提取反映船舶故障类别属性的关联规则向量集,根据特征提取结果进行模糊聚类处理,实现船舶故障信息融合,结合自适应分组检测方法,实现船舶故障数据关联规则的自动分类。仿真结果表明,采用该方法进行船舶故障数据自动分类的自适应性较强,误分率较低,提高了船舶故障的诊断检测能力。     

基于关联规则的船舶故障数据自动分类方法

传统船舶的故障数据自动分类方法,存在故障数据类型定义不准确、分类时间过长等弊端。为有效解决上述问题,设计基于关联规则的新型船舶故障数据自动分类方法。通过船舶故障数据的采集及预处理、数据的进一步挖掘两大步骤,完成关联规则下的船舶故障数据感知。通过BP自动分类神经网络设计、船舶故障数据的归一化处理、HIWO自动分类算法设计三大步骤,完成新型船舶故障数据自动分类方法的搭建。设计对比实验结果表明,新型船舶故障数据自动分类方法,与传统方法相比,可以在提升故障数据类型定义准确性的同时,有效控制分类时间。     

云计算环境下船舶实时远程故障数据自动分类方法

传统的船舶实时远程故障数据自动分类方法中,对于密集数据存在运算时间较长的问题。为此,设计云计算环境下船舶实时远程故障数据自动分类方法。将云终端作为故障数据的中转站,实时获取船舶远程故障数据,计算历史故障数据的相似度,筛选出合适的数据块,经过训练生成基础分类器,利用KL散度计算权重系数,确定分类器的有效权值,以此为依据,构成一个集成分类器,实现船舶实时远程故障数据自动分类。测试结果表明:与传统的分类方法相比,设计的云计算环境下船舶实时远程故障数据自动分类方法面对密集数据,所需运算时间较短。     

船舶物联网远程监控数据分类处理

传统方法在处理船舶远程监控数据分类问题时会倾向于单一处理,导致分类结果过于分散,且处理速度过慢,不利于对船舶远程监控数据的整体分析,为此提出并设计了船舶物联网远程监控数据分类处理方法。利用动态数据的映射反应对多维空间内的远程监控数据进行标记,并确定分类处理的数据范围,引用BP神经网络算法,对远程监控数据进行分类计算,将监控数据执行分类处理逻辑,实现远程监控数据的分类过程。仿真实验结果表明,设计的数据分类方法能够实现远程监控数据的有序、紧密分类,且数据处理速度比传统方法的处理速度高出23.1%,具备极高的有效性。     

嵌入式船舶运行数据库中信息快速查询方法

针对当前嵌入式船舶运行信息数据库信息查询的开销大,查准率不好的问题,提出基于模糊聚类和相关谱特征提取的嵌入式船舶运行数据库中信息快速查询方法。首先进行嵌入式船舶运行信息资源数据的采集和存储结构分析,提取嵌入式船舶运行信息数据信息流特征,对船舶运行数据进行自相关特征分析,提取反映船舶运行状态特征的相关谱特征量,对提取的谱特征量采用模糊C均值聚类方法进行特征识别和分类处理,提高数据库查询的目标指向性,实现数据库信息快速查询。仿真结果表明,采用该方法进行嵌入式船舶运行数据库中信息查询的查准率较高,实时性较好。     

复杂船舶信息数据库的目标数据检索方法研究

在对复杂船舶信息数据库的目标数据检索中受到数据的类间扰动因素的影响,导致检索的查准率不好,提出一种基于模糊关联维特征匹配的复杂船舶信息数据库的目标数据检索方法,构建大型船舶综合信息数据库的分布式数据存储结构模型,提取船舶信息数据流进行特征重组,采用关联维模糊空间聚类方法进行大数据分类处理,根据船舶信息数据分类属性特征进行特征提取和干扰滤波,结合模糊特征匹配方法实现检索目标数据的空间聚焦,并在信息系统终端输出检索数据。仿真结果表明,采用该方法进行船舶信息数据检索的查准率较高,抗干扰能力较强。     

基于机器视觉的大规模船舶航行数据自适应识别方法

传统船舶航行数据识别方法,存在瞬态识别数据规模局限性大,超规模阈值下的数据识别准确率过低的问题。在当前船舶航行数据处理规模下,无法高效准确完成船舶航行数据的处理任务。为了在根源解决上述问题,引入机器视觉技术,提出基于机器视觉的大规模船舶航行数据自适应识别方法。首先基于机器视觉技术,对航行数据的识别标准进行定义,同时完成对相关不符识别量进行修正;接着对全局航行数据对应的轨迹信息进行机器视觉结构处理;最后完成对数据的自适应识别计算。通过与传统方法的多组航行数据模拟测试发现,采用提出识别方法的航行数据识别结果,相较传统识别方法具有识别速度快、准确率高、数据规模自适应性强的特点。     

舰船信息共享网络隐私数据防篡改方法

传统的共享网络隐私数据防篡改方法存在防护结构机制与隐私数据特征匹配度低的问题,从而导致防篡改效果较弱,为了解决这一问题,本文设计了舰船信息共享网络隐私数据防篡改方法。首先,对共享网络中隐私数据存储区域进行分布式认证优化计算,重组隐私区域的认证结构,提升文件数据的安全级别;然后,对认证数据点进行认证特征差异化计算,从根源切断单一权限的修改条件,有效保证数据的安全;最后,通过防篡改安全性增强计算过程有效实现隐私数据防篡改。仿真实验结果表明,该方法能够有效防止共享网络隐私数据被篡改,维护了舰船信息共享网络的安全性。     

船舶噪声数据库中自动快速筛选数据方法

为了有效地提取船舶噪声数据库中数据,提出一种基于DBSCAN算法的船舶噪声数据库中自动快速筛选数据方法。采用DBSCAN方法识别数据库中的数据分布特征并排除异常数据,利用数据值筛选特征,通过数据增益率对特征进行加权,计算船舶噪声数据库中聚类质心的距离来提取出噪声数据。采用扰动支持噪声数据代价函数的方法测量数据特征的分类贡献度,进而建立噪声数据特征指数,对噪声数据特征指数以递归方法进行噪声数据特征排序和优化筛选。实验仿真证明,所提方法能够有效地自动快速筛选数据,筛选出来的数据质量较高。