广域网环境中舰船通信网络信息安全传输方法

为满足舰船在广域网环境的安全通信需求,提出广域网环境中舰船通信网络信息安全传输方法。基于云计算技术构建具备信息调度的舰船通信网络信息安全传输模型,并针对舰船通信广域网环境存在的来自不同方向的通信干扰源、信号衰减和噪声干扰,结合噪声消除算法进行舰船通信网络信息传输抗干扰设计,降低外界干扰影响;针对舰船通信广域网环境中实时信息在传输过程中面临的攻击、窃听、截取等多种安全威胁,采用双混沌互反馈加密方法完成舰船通信网络传输信息加密,保障信息在广域网环境下安全传输。实验结果表明,该方法可显著提升舰船通信速率,在不同干扰类型下均表现出良好的抗干扰性能;加密后信息可成功掩盖原始数据分布特征,保障传输信息安全性。

基于云计算的舰船通信网络动态负载均衡控制方法

针对舰船通信网络通信环境复杂、用户需求不确定、影响通信均衡性等问题、提出基于云计算的舰船通信网络动态负载均衡控制方法。利用Ryu控制器获取监控舰船通信网络状态,获取网络负载。创建云计算平台虚拟机,实现执行舰船通信网络动态负载均衡任务调度任务。选取最高迁移概率的物理机结果作为云计算平台虚拟机迁移结果,通过虚拟机的迁移与关闭操作,更新虚拟机的综合权值,实现舰船通信网络动态负载均衡控制。实验结果表明,该方法可实现舰船通信网络的动态负载均衡控制,负载均衡度高于0.7,可有效提升舰船通信网络的资源利用率。

某型舰船设备大负载复合材料支承冲击强度试验方法研究

舰船设备支承件的冲击特性研究受到各国海军的重视,然而超过常规冲击机能力范围的冲击载荷等要求,使得开展大负载支承件冲击强度试验成为难题。以某型动力设备的大负载复合材料支承为对象,采用水下非接触爆炸的方式,以标准浮动冲击平台冲击环境为输入参数设计其冲击强度试验方法:在低速冲击条件下,通过保证冲击载荷、降低试验负载质量、提高系统安装频率的途径来设计试验装置,依据冲击谱和冲击载荷计算对应的试验冲击因子来设计强度试验工况,并得出了实际试验与设计参数之间因试验系统多个结合面对冲击载荷传递影响的折减系数。试验结果表明,复合材料支承承受的冲击载荷与要求值之间的偏差在5%以内,为今后开展类似试验提供了参考。

融合声场和电场的舰船轴频特征提取方法研究

轴频声场和轴频电场均与舰船螺旋桨转动密切相关,本文提出将这2种物理场进行融合提取舰船的轴频特征。首先,分别利用DEMON谱分析和功率谱分析方法提取轴频声场和轴频电场的线谱,之后将所提取的线谱进行融合和净化,最后利用最大公约数法提取轴频特征。为验证所提方法的有效性,利用多艘船舶的实测声场和电场数据进行验证。结果表明,同一艘船舶轴频声场和轴频电场的线谱具有一定频率对应关系,将声场和电场的轴频相关线谱进行融合可有效弥补单一物理场存在线谱丢失的情况;融合声场和电场后,舰船轴频估计的准确性和稳定性优于单一物理场。

舰船避撞过程中船舵不稳定性分析

为解决舰船避撞过程中舵角控制实时性不足问题,研究舰船避撞过程中船舵不稳定性分析方法,确保舰船在复杂多变的海况中,可以更好地适应波浪、洋流等环境因素,保持舰船航行的稳定性。通过构建舰船避撞过程中的线性模型,得到舰船避撞过程中的输入舵角;以舰船线性模型为基础,得到舰船避撞过程中包含时变延迟的舰船线性模型,并结合李雅普诺夫稳定性判定理论,获取包含时变延迟的舰船线性模型,输入舵角作用下是不稳定的,完成舰船避撞过程中船舵不稳定性分析。实验证明,该方法可有效实现舰船避撞过程中船舵不稳定性分析;应用该方法后,可有效提升舰船避撞过程航迹的平滑性与稳定性,加强避撞效果。

基于局部显著特征聚焦学习的SAR舰船智能检测

合成孔径雷达(Synthetic Aperture Radar,SAR)图像的船舶目标检测,因其广泛的应用前景而备受关注。近年来,基于深度学习的SAR图像船舶目标检测在多种场景中表现出较好性能。然而,由于SAR独特的成像机制,舰船目标通常与背景环境具有相似的散射特性使得实际的船舶目标难以辨识,且船舶目标尺度较小,导致准确检测船舶目标具有挑战性。为了缓解这一问题,本文提出了一种基于局部显著特征聚焦学习的SAR舰船检测方法。首先,设计了双重注意力模块,通过对通道级和空间级的特征进行双重注意力加权,以充分地探索船舰目标的关键语义特征,从而提升模型的深度提取能力。随后,为了进一步提升模型对船舶目标特征的表征能力,设计了平衡特征金字塔网络模块,通过对舰船目标的多尺度特征进行缩放、增强和聚合处理,以实现多尺度特征间的语义和空间信息均衡分布。最后,在SAR舰船检测数据集(SAR Ship Detection Dataset,SSDD)上进行了广泛的实验分析,实验结果一致性地证明了所提方法在提升SAR图像舰船目标检测准确性方面的有效性。

舰船动力设备抗冲击评估方法综述

舰船动力设备的抗冲击能力是舰船安全稳定运行的重要保障,而合理的评估方法可以较为方便地获得动力设备的抗冲击特性预测结果。首先,将冲击过程分为低/高速碰撞冲击过程和非接触爆炸冲击过程,基于主从系统关系,阐述舰船设备非一体化与一体化抗冲击方法,总结舰船动力设备的抗冲击研究进展,提出舰船动力设备抗冲击领域的重点研究技术。然后,结合舰船设备一体化方法(分为等效静力法、动态设计分析法及时域分析法)的特点,总结得出:等效静力法仅适用于低频影响的结构简单动力设备;动态设计分析法忽略了邻近设备、隔振系统及船体结构对冲击输入载荷的影响;时域分析法仅适用于爆炸冲击等特定场景或冲击信号输入;而舰船设备一体化考虑了船体结构–基座–隔振系统–动力设备形成的多自由度系统,其计算结果更贴近于实船工况,但建模和计算成本较高。最后,展望了舰船动力设备抗冲击的重要发展方向,包括评估方法的准确选取、抗冲击试验台的合理改进、冲击响应信号提取分析、动力设备多场耦合作用分析、动力设备物理模型简化研究、内部流动介质等效替代研究、数据挖掘和深度学习方法融合等。

军用舰船系统组成研究及技术发展趋势展望

以军用舰船的定义作为切入点,概要介绍舰船的分类及分类依据,并对潜艇,以及航空母舰、驱逐舰、护卫舰等水面舰船的系统组成及技术发展进行详细阐述。重点对舰船总体设计技术,以及水面舰船的技术发展趋势进行展望。军用舰船作为集高新技术于一体的重要武备力量,将为未来的海防事业作出不可磨灭的贡献。

舰船综合电力系统研究进展与应用建议

该文概述舰船综合电力系统(integrated power system,IPS)的原理、组成、分类、特点与技术难点,介绍国内外工程研制情况,综述集成设计、大容量直流源及其并联组网控制、大容量直驱式电力推进、直流大电流开断保护、电力电子静止电源、高密度储能、智能化能量管理等7项共性技术及我国技术研究突破情况。针对IPS在民用新能源船舶、电动及混动飞机、轨道交通、海上能源高效利用等推广应用实际需求,给出系统推荐方案,并提出各应用场景下还需重点研究的内容,旨在为IPS在多领域推广应用提供参考。

宽带复合双基地雷达舰船目标长度估计方法

舰船目标长度特征对舰船目标识别具有重要作用,该文提出一种基于宽带复合双基地雷达联合观测的舰船目标长度估计方法。该方法综合利用单/双基地雷达高分辨距离像(HRRPs)长度,结合双基地雷达-舰船之间的空间关系求解,实现了单次测量估计舰船目标的实际长度,并分析了各种误差因素和几何构型条件下的估计误差。典型场景动态仿真证明了所提方法的有效性,结果表明在高分辨距离像长度误差小于5%条件下,舰船目标长度估计误差小于5%,为舰船目标特征提取与识别提供了新思路。

基于极化SAR梯度和复Wishart分类器的舰船检测

舰船检测是极化SAR系统的重要应用之一。现有的舰船检测方法容易受到旁瓣泄露的干扰,使得舰船目标的形态难以提取,导致检测结果不符合真实情况。此外,在舰船过于密集、尺度不一致的情况下,相邻舰船由于旁瓣的影响有时会被认为是单个目标,从而造成漏检。针对这些问题,该文提出一种基于极化SAR梯度和复Wishart分类器的舰船检测方法。首先,将似然比检验(LRT)梯度引入对数比值梯度框架,使其适用于极化SAR数据;基于LRT梯度图进行恒虚警(CFAR)检测,提取舰船的边缘信息,消除伪影的同时抑制强旁瓣对舰船精细轮廓提取的影响。其次,利用复Wishart迭代分类器对舰船强散射部分进行检测,可排除大部分的杂波干扰且保持舰船形态细节。最后,将二者信息融合,从而可以保持舰船形态细节的同时克服旁瓣和伪信号的虚警。该文在3幅来自ALOS-2卫星的极化SAR图像上进行了对比实验,实验表明与其他方法相比,该文所提算法具有更少的虚警和漏检,且能够有效克服旁瓣泄露,保持舰船形态细节。

水下爆炸载荷下舰船板架边界撕裂损伤相似准数研究

为研究舰船板架在水下爆炸冲击波载荷作用下的变形及破损,结合现有试验数据,采用仿真和数据拟合的方法,展开了均布载荷下板架边界撕裂损伤的相似准数研究。首先,结合理论和数据分析得出,板架边界撕裂时的初始响应速度与破坏模式密切相关,且可清晰描述板架的不同毁伤模式;进一步通过仿真得出断裂应变、板厚、长宽比是影响板架边界撕裂的重要参量;最后,基于量纲理论建立了用于判定板架边界撕裂毁伤的拟合函数,并根据战场舰船损伤实例验证了该函数的有效性。研究结果表明,基于初始响应速度和考虑断裂应变等参量的无量纲数构建板架边界撕裂毁伤判据的方法是可行的,为舰船板架的毁伤相似研究提供了参考。

基于云计算的舰船通信网络入侵检测方法研究

为在面临大规模网络攻击或突发攻击时,提高入侵检测的实时性,提出基于云计算的舰船通信网络入侵检测方法。通过云计算的MapReduce编程模型,设计MapReduce并行化的遗传量子粒子群优化算法,在舰船通信网络数据内,提取网络入侵特征;利用MapReduce并行化熵聚类算法,确定径向基函数神经网络的基函数中心;确定基函数中心后,在MapReduce编程模型的Map函数内,输入网络入侵特征样本,训练神经网络,优化神经网络权值,通过Reduce函数输出训练结束指示,完成神经网络训练;在完成训练的MapReduce并行化径向基函数神经网络内,输入特征样本,输出舰船通信网络入侵检测结果。实验证明,该方法可有效提取舰船通信网络入侵特征;在不同网络攻击类型下,该方法均可精准完成舰船通信网络入侵检测。

基于模糊神经网络的舰船雷达图像弱小目标检测

舰船雷达图像信息的维度较高,导致弱小目标的关键特征难以被精准提取,降低了弱小目标检测的可靠性,因此提出一种基于模糊神经网络的舰船雷达图像弱小目标检测方法。该方法对舰船雷达图像进行背景校正,利用图像灰度值加性模型从图像中提取弱小目标。最后将提取的弱小目标输入到模糊神经网络中,输出的结果即为舰船雷达图像弱小目标检测结果。通过实验证明,在不同高斯噪声环境中,该方法能够准确地检测出雷达图像中的弱小目标,并具有较快的检测速度。

基于计算机视觉的舰船模型三维重建方法

为保证舰船模型三维重建的完整性以及细节程度,提出基于计算机视觉的舰船模型三维重建方法。基于双目立体视觉计算全局舰船目标点云坐标,生成舰船全局的三维点云数据;多视角点云配准方法对该数据进行配准后,输入多尺度特征递归卷积的稠密点云重建网络模型中,通过该模型生成舰船模型三维深度图,在此基础上,利用运动结构法完成舰船深度图中的三维曲线重建,对舰船模型进行颜色渲染,输出舰船模型三维重建结果。测试结果显示,该方法能够完成不同图像之间对应点的可靠匹配,确定各点的坐标位置;三维重建后模型的空间偏差均在0.015以下;能够较好地完成舰船结构的重建,重建后舰船模型的完整性较好,清晰呈现舰船的结构细节。

基于5G技术的舰船电力调度自动化系统研究

考虑舰船电力系统线路复杂、设备多样,调度数据冗杂且规模巨大,在此情况下为实现舰船电力系统快速、有效自动化调度,设计基于5G技术的舰船电力调度自动化系统。系统使用由RTU远动终端设备采集电力系统的线路、设备运行信息后,由5G通信网关发送至调度器;调度器结合目前电力系统运行信息,使用基于线性求解器的电力系统自动化调度模型,构建以快速实现断电负载故障合理恢复为调度目标的目标函数,由线性求解器自动化求解满足目标函数条件的电力系统开关动作方案,以故障重构的方式实现舰船电力调度自动化管理。实验中该系统调度下,舰船电力系统失电负荷为0 kW,5G通信网络的整体效用值不受调度数据业务数据包数量的约束,高达0.9,能够稳定、高效地支持大规模调度数据的传输。

多域特征引导的无监督SAR图像舰船检测方法

如何在合成孔径雷达(SAR)图像标注样本有限的条件下,提升舰船检测性能一直是SAR图像处理中的热点问题。本文提出一种多域特征引导的无监督域适应方法,将知识从有标注的源域(光学图像)转移到未标注的目标域(SAR图像),降低对标记SAR图像数据依赖。同时,设计了频域转换模块、注意力区域增强模块和自适应权重模块来缩小光学、SAR图像域之间的域差距,提高源域与目标域特征对齐效率,增强网络在挑战性样本下的特征迁移能力。在公开发布的数据集上进行了大量实验。结果表明:所提的模块较基础模型AP50提升10%,总体性能优于其他先进的方法。

舰船管路布置PG-MACO优化方法

针对舰船管路设计效率低下的问题提出一种管路布置优化方法.综合考虑安全性、经济性、协调性和可操作性等工程背景建立优化数学模型,改进蚁群算法在处理混合管路布置工况下的缺陷,提出优化可行解搜索的空间状态转移策略,提升信息素启发效果并加速算法收敛的信息素扩散机制,面向混合管路布置工况设计多蚁群协同进化机制.基于二次开发技术实现本方法在第三方设计软件上的应用,采用核级一回路管道布置工程案例进行验证.结果表明信息素高斯扩散多蚁群优化(PG-MACO)算法的性能和布置效果优于传统蚁群算法,寻路效率提升58.38%,收敛代数缩短43.24%,布置结果中管路长度缩短33.88%,管路折弯次数减少41.67%,验证了本方法的有效性和工程实用性.

基于综合贡献率的舰船装备体系寿命评估

为了更科学地预测装备寿命,提升装备的作战效益,从装备对体系的“综合贡献率”视角出发,探究了舰船装备“体系寿命”的评估方法。首先,基于作战环理论和非线性结构方程模型,引入二次交互项,构建舰船装备体系作战能力的指标体系,建立了体系作战效能的评估模型;然后,运用阈值法建立了舰船装备体系的复杂网络模型,基于拓扑特征统计值,构建了舰船装备体系网络结构特征的指标体系,将层次分析法与熵权法相结合来计算指标权重;最后,提出了舰船装备体系综合贡献率、体系寿命的定义和数学模型,并以航母编队体系对抗为算例,通过实验仿真数据,验证了模型和方法的可行性和有效性。

改进FCOS的SAR图像舰船检测算法

针对SAR图像中舰船检测的目标尺度变化大及背景复杂等影响因素,提出一种基于FCOS的一阶段舰船目标检测算法。采用基于拆分注意力和分组卷积的ResNeSt网络作为主干网络进行提取特征,同时在特征金字塔基础上增加聚合路径和注意力机制,提升特征融合能力,实现对网络结构的优化。结果表明,改进方法相对于基线网络平均精度提升了2.15%,精准率提升了2.4%,召回率提升了3.59%。该研究在处理SAR图像中舰船检测任务时具有较好的性能。