一种可升降悬挂式船体测绘设施及工作方式

    公开(公告)号:CN111562583B

    公开(公告)日:2024-11-08

    申请号:CN202010304226.6

    申请日:2020-04-15

    Abstract: 本发明公开了一种水下船体测绘设施及其工作方式,所述的系统包括L型可升降立架、导流罩、升降驱动系统、声呐簇、姿态标定装置、声速标定装置、船舶识别装置、数据处理计算系统。所述的声呐簇部署在L型可升降立架上,可以随立架升降到水下位置进行探测。姿态标定装置和声速标定装置安装在L型可升降立架底端,测量立架姿态变化信息和声速信息并提供相应数据作为计算补偿数据,提高系统测绘精度。本发明可布置在任意水面设施或建筑侧表,测量时不需船舶停靠,实现全自动测绘,同时L型可升降立架不碍航,可适用于航道较窄的水域,同时结构轻巧,为后期的设备维护保养提供便利。

    一种基于深度神经网络的船用桨叶故障识别方法

    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

    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。

    一种基于深度学习的钢结构应变检测故障识别方法

    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

    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。

Patent Agency Ranking