一种基于卷积神经网络的船体损伤检测方法

    公开(公告)号:CN117636315A

    公开(公告)日:2024-03-01

    申请号:CN202311737600.1

    申请日:2023-12-15

    Inventor: 刘勇

    Abstract: 本发明提供了一种基于卷积神经网络的船体损伤检测方法,涉及船体检测技术领域,包括如下步骤:S1、拍摄各类船体损伤部位,得到船体损伤图像;S2、将所有船体损伤图像整合成船体损伤部位图像数据库;S3、通过船体损伤部位图像数据库和SSD算法的改进型卷积神经网络建立训练模块;S4、基于船体损伤部位图像数据库和训练模块,建立测试模块;S5、采用测试模块对待检测图像进行检测,输出检测结果。本发明方法简单可行,大大提高了船体损伤的检测效率。本发明能够有效精确的对船体损伤进行甄别和分类。本发明利用改进后的SSD网络模型和算法对船体损伤的检测精确度更高。

    一种具有船舶避碰功能的航向自动舵控制系统

    公开(公告)号:CN111186549B

    公开(公告)日:2021-08-17

    申请号:CN202010043125.8

    申请日:2020-01-15

    Abstract: 本发明提供一种具有船舶避碰功能的航向自动舵控制系统,其特征在于,包括:通过船载设备获取船舶的当前状态信息,计算最近会遇距离DCPA和到达最近会遇点时间TCPA的动态信息,结合本船和他船的航向及速度信息建立碰撞风险模型用于评估碰撞风险度的碰撞风险评估模块,用于船舶避碰操作的航向变化量且基于国际海上避碰规则COLREGS的避碰算法模块以及船舶自动驾驶航向控制模块。本发明所提供的航向自动舵设计可以在航向控制的基础上,实现两船间的自动避碰,减轻了船舶驾驶员的操舵负担。本发明将最近会遇距离(DCPA)和达到最近会遇点时间(TCPA)与船舶的速度、航向等信息相结合,动态评估船舶的碰撞风险,提高了船舶对碰撞风险的评估准确度。

    一种锚链张力致水尺计重误差的修正方法

    公开(公告)号:CN111806648A

    公开(公告)日:2020-10-23

    申请号:CN202010675337.8

    申请日:2020-07-14

    Abstract: 本发明公开了一种锚链张力致水尺计重误差的修正方法,具体包括如下步骤:计算锚泊船所受风压力的横向分力和纵向分力;分别计算锚泊船所受水流力的船首横向分力、船尾横向分力和纵向分力;基于风压力和水流力分析装(卸)货前后锚泊船所受风流外力的合力大小;根据锚泊船所受风流外力获取船舶抛出锚链的悬链长度,通过悬链长度计算抛出锚链的出链角度;根据装(卸)货前后锚泊船所受风流外力的合力、船舶抛出锚链的悬链长度和抛出锚链的出链角度等信息分别计算装(卸)货前后锚链张力的垂直分力,进而求出锚链张力致水尺计重误差的修正值。

    一种具有时效性与稳定性的补给船同步控制算法

    公开(公告)号:CN111665719A

    公开(公告)日:2020-09-15

    申请号:CN202010530817.5

    申请日:2020-06-11

    Abstract: 本发明提供一种具有时效性与稳定性的补给船同步控制算法,包括终端代价函数模块,补给船模型预测控制模块,神经动态优化模块。所述终端代价函数模块利用终端代价函数,保证了补给船控制系统的闭环稳定性;所述模型预测控制模块将补给船的同步控制问题转化为一个跟随领航者的跟踪控制问题,并基于模型预测控制(Model Predictive Control,MPC)算法设计补给船控制算法,提高补给船在执行补给任务时的抗干扰能力,保证进行补给任务时两船速度能够同步,提高补给效率;所述神经动态优化模块利用递归神经网络具有的并行计算架构解决了传统的模型预测控制算法中计算量大、计算速度慢的问题,可以使补给船能够更好地应对补给时的突发情况。

    基于神经网络优化的综合船舶路径跟踪与舵减摇控制方法

    公开(公告)号:CN111506080A

    公开(公告)日:2020-08-07

    申请号:CN202010406883.1

    申请日:2020-05-14

    Abstract: 本发明提供基于神经网络优化的综合船舶路径跟踪与舵减摇控制方法,包括:舵减摇模型预测控制(Model Predictive Control,MPC)模块,终端代价函数模块,神经动态优化模块。所述模型预测控制模块通过视线制导(Line of Sight,LOS)方法将船舶路径跟踪的输出转化为跟踪误差以及艏向角误差,降低控制输出的维度,并基于模型预测控制算法设计控制器,提高了舵减摇算法的鲁棒性;所述终端代价函数模块利用终端代价函数,保证了控制系统的闭环稳定性;所述神经动态优化模块利用递归神经网络具有的并行计算架构解决了传统的模型预测控制算法中计算量大、计算速度慢的问题,可以使船舶能够更好地应对多变的外界环境。

    适用于海洋平台大型往复式压缩机组减振隔振系统的快速设计分析方法

    公开(公告)号:CN105715512A

    公开(公告)日:2016-06-29

    申请号:CN201610006108.0

    申请日:2016-01-05

    CPC classification number: F04B39/0027

    Abstract: 本发明公开了一种适用于海洋平台大型往复式压缩机组减振隔振系统设计分析方法,包括如下步骤:步骤1,分析大型往复式压缩机组电机及压缩机的不平衡力,得出压缩机组激振力频率,再依据减振隔振系统要求的传递比,确定隔振器的刚度特性;步骤2,分析大型往复式压缩机组橇座的结构型式及压缩机组各主要设备质量分布,确定减振隔振器的布置形式和压缩机组减振隔振系统的设计状态;步骤3,结合步骤1确定的减振隔振器刚度特性及步骤2确定的减振隔振器的布置形式,开展大型往复式压缩机组减振隔振系统的模态特性分析、减振隔振系统的谐响应分析、减振隔振系统的减振隔振性能分析,得到各分析结果,并确定分析结果与压缩机组减振隔振系统设计的吻合性。

    一种基于深度学习识别自我承认技术债务方法

    公开(公告)号:CN113377422B

    公开(公告)日:2024-04-05

    申请号:CN202110642380.9

    申请日:2021-06-09

    Abstract: 本发明公开了一种基于深度学习识别自我承认技术债务方法,包括:构建文本的图形结构,基于图形的单词交互,将词嵌入向量作为门控图神经网络中图的节点特征的隐藏状态,将节点接收到的信息通过更新门确定有多少前一时刻和当前时刻的信息需要传递到下一时刻,节点接收到的信息通过重置门确定有多少前一时刻和当前的时刻的信息需要被舍弃,最终将获得重置门输出的信息和更新门输出的信息、以及自身节点的信息三者进行合并;使用Focal loss函数使损失值最小化,获得准确的预测结果;使用神经网络模型对预测结果进行预测,得到精确度、召回率以及精确度和召回率的调和平均值F1。

    一种基于深度学习的图自信学习软件漏洞检测方法

    公开(公告)号:CN113378178A

    公开(公告)日:2021-09-10

    申请号:CN202110687688.5

    申请日:2021-06-21

    Abstract: 本发明公开了一种基于深度学习的图自信学习软件漏洞检测方法,包括:对源代码进行构图:将唯一的单词表示为顶点,将单词之间的协同表示为边来构造代码的图,获取每个图的连接的边的初始特征以及每个节点的初始特征值;构建深度置信网络模型,将转化为图结构的数据集输入至该模型中,找出数据集中是噪音的样本,把噪音样本从数据集中删除;使用门控图神经网络聚集和传递代码图中相邻代码节点的信息,学习代码节点的特征并进行图级预测从而对软件代码漏洞进行检测。该方法通过深度学习的图自信学习软件漏洞检测方法来训练识别软件漏洞模型,在检测软件漏洞方面取得了良好的效果,提高了在软件性能问题。

Patent Agency Ranking