公开(公告)号：CN111563072A

公开(公告)日：2020-08-21

申请号：CN202010304262.2

申请日：2020-04-15

Applicant: 交通运输部水运科学研究所

Inventor： 宁文龙 ,  周家海 ,  李定国 ,  唐泽林 ,  王伟 ,  陈轩 ,  陈玲玲 ,  童庆

IPC: G06F16/215 ,  G06F16/23 ,  G06K9/62 ,  G06N3/04 ,  G08G3/00

Abstract: 本发明公开了一种基于AIS信息的船舶实时准确位置获取方法，该方法包含以下步骤：1)划定被检测航段，通过采集到的船舶AIS信息实时数据，解析AIS数据，并整理航段内的所有船舶随时间变化的轨迹数据；2)对采集到的船舶轨迹数据进行清洗，剔除脏数据，得到原始数据集；3)填充原始数据集中每条船舶轨迹点与点间的真实轨迹信息数据，得到含输入和标签对的数据训练集；4)对数据训练集按比例进行抽样分割，将数据训练集划分为模型训练数据集和模型验证数据集；5)使用长短时记忆网络LSTM对船舶模型数据训练集进行船舶实时位置模型训练，并使用模型验证数据集进行模型验证，得到船舶实时位置模型；6)使用船舶实时位置模型，对被测船舶实时准确位置进行获取。

公开(公告)号：CN111561901B

公开(公告)日：2024-07-23

申请号：CN202010304227.0

申请日：2020-04-15

Applicant: 交通运输部水运科学研究所

Inventor： 宁文龙 ,  李定国 ,  王伟 ,  童庆 ,  周家海 ,  皮雳 ,  陈轩 ,  孙建锐

IPC: G01B21/32 ,  G01B17/02

Abstract: 本发明公开了一种基于深度学习的钢结构应变检测故障识别方法，该方法包含以下步骤：1)将45°应变花及超声波测厚仪安装在钢结构板材表面及背面；2)通过应变花采集钢结构板材应变变化数据，依据应变花排列情况进行编号，并组合钢板厚度数据，提取应变检测数据序列；3)采集大量钢结构板材的分类故障及正常数据序列集，通过数据增广扩展为数据训练集和数据验证集；4)使用AlexNet网络作为钢结构应变检测故障识别模型网络对数据集进行训练，得到对应故障识别模型。本发明方法提供了一种通过对钢结构应变检测数据进行深度神经网络提取数据特征，方法所需运算量小，钢结构应变检测故障识别率高。

公开(公告)号：CN111562094A

公开(公告)日：2020-08-21

申请号：CN202010304198.8

申请日：2020-04-15

Applicant: 交通运输部水运科学研究所

Inventor： 周家海 ,  李定国 ,  王伟 ,  宁文龙 ,  陈庆为 ,  肖玉华 ,  朱旺峰 ,  皮雳 ,  陈玲玲

IPC: G01M13/00 ,  G01H1/12 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于深度神经网络的船用桨叶故障识别方法，该方法包含以下步骤：1)将振动传感器组安装在连接船舶螺旋桨的艉轴结构、变速箱和柴油机处；2)通过振动传感器采集数据，依据振动传感器编号进行数据排列，提取振动检测数据序列；3)采集大量船舶螺旋桨桨叶的分类故障及正常数据序列集，通过数据增广扩展为数据训练集和数据验证集；4)使用VGGNet网络作为船用桨叶故障识别模型网络对数据集进行训练，得到对应船用桨叶故障识别模型。本发明方法提供了一种通过对船用螺旋桨连接结构振动检测数据进行深度神经网络提取数据特征，方法所需运算量小，船用桨叶故障识别率高。

公开(公告)号：CN111561901A

公开(公告)日：2020-08-21

申请号：CN202010304227.0

申请日：2020-04-15

Applicant: 交通运输部水运科学研究所

Inventor： 宁文龙 ,  李定国 ,  王伟 ,  童庆 ,  周家海 ,  皮雳 ,  陈轩 ,  孙建锐

IPC: G01B21/32 ,  G01B17/02

Abstract: 本发明公开了一种基于深度学习的钢结构应变检测故障识别方法，该方法包含以下步骤：1)将45°应变花及超声波测厚仪安装在钢结构板材表面及背面；2)通过应变花采集钢结构板材应变变化数据，依据应变花排列情况进行编号，并组合钢板厚度数据，提取应变检测数据序列；3)采集大量钢结构板材的分类故障及正常数据序列集，通过数据增广扩展为数据训练集和数据验证集；4)使用AlexNet网络作为钢结构应变检测故障识别模型网络对数据集进行训练，得到对应故障识别模型。本发明方法提供了一种通过对钢结构应变检测数据进行深度神经网络提取数据特征，方法所需运算量小，钢结构应变检测故障识别率高。

公开(公告)号：CN111562094B

公开(公告)日：2025-03-28

申请号：CN202010304198.8

申请日：2020-04-15

Applicant: 交通运输部水运科学研究所

Inventor： 周家海 ,  李定国 ,  王伟 ,  宁文龙 ,  陈庆为 ,  肖玉华 ,  朱旺峰 ,  皮雳 ,  陈玲玲

IPC: G01M13/00 ,  G01H1/12 ,  G06F18/241 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度神经网络的船用桨叶故障识别方法，该方法包含以下步骤：1)将振动传感器组安装在连接船舶螺旋桨的艉轴结构、变速箱和柴油机处；2)通过振动传感器采集数据，依据振动传感器编号进行数据排列，提取振动检测数据序列；3)采集大量船舶螺旋桨桨叶的分类故障及正常数据序列集，通过数据增广扩展为数据训练集和数据验证集；4)使用VGGNet网络作为船用桨叶故障识别模型网络对数据集进行训练，得到对应船用桨叶故障识别模型。本发明方法提供了一种通过对船用螺旋桨连接结构振动检测数据进行深度神经网络提取数据特征，方法所需运算量小，船用桨叶故障识别率高。