基于CP340通讯模块的船舶机舱监控系统设计与应用

本文描述了基于西门子通讯模块CP-340的PLC与MANB&M柴油主机通讯的船舶自动监控系统设计与应用。通过西门子可编程控制器S7-300及CP-340通讯模块,并基于RS-422现场总线协议对船舶柴油机的滑油压、油温、淡水压力、燃气温度等模拟量和水位、油舱高位等开关报警量进行监控,并显示在机舱控制台的各仪表和显示器上,实现了船舶机舱的自动监控。经在大中型船舶机舱中的实际应用表明,该监控系统功能完善、性能优良、可靠性高,完全能够满足船舶航行的要求标准。     

基于离散小波变换和混沌加密的图像水印算法

文中提出了一种基于离散小波变换和混沌加密的数字水印新算法,采用二维混沌变换对水印图像加密;对载体图像进行多分辨离散小波变换,应用小波系数判断载体图像的纹理复创杂程度后,依据人眼的视觉系统（HVS）特性,将水印信号嵌入到图像的低频部分,对图像的不同分解层分别选取不同的纹理阈值和水印嵌入强度,将数字水印嵌入到相同分辨层的原始图像中,提高了水印算法的鲁棒性.在检测和提取水印时,通过水印相似度（NC）和峰值信噪比（PNSR）评价水印质量,实验结果表明提出的算法可以抵抗剪裁、JPEG压缩、滤波等几何攻击,算法简单,计算复杂度小,兼顾了水印的不可见性和鲁棒性.     

具有固定延迟平滑的交互多模型概率数据互联算法

为了提高杂波环境下跟踪机动目标的跟踪精度．文中将交互多模型概率数据互联（IMMPDA）和固定延迟平滑（LS）思想相结合．提出了一种具有固定延迟平滑的IMMPDA（IMM-LS-PDA）算法。通过引入延迟．增广了目标的状态向量,使得目标的固定延迟平滑状态估计更加准确。仿真结果表明。在杂波环境下对机动目标进行跟踪．单纯的IMMPDA算法的跟踪误差很大,并且在转弯机动处,误差出现峰值．算法的平稳性较差;而在进行固定延迟平滑后,算法的跟踪精度有了明显的提高。     

基于混沌神经网络的二维局部均值估计自适应滤波

为了提高自适应滤波的精度和收敛速度,提出了一种基于混沌神经网络的二维均值估计(LME)自适应滤波算法,在传统的二维LME自适应滤波方案中引入了混沌神经网络控制机制,用混沌神经网络自适应滤波器代替LME中的LMS自适应滤波算法,应用混沌神经网络估计局部期望输出进行滤波.仿真结果表明,该局部均值估计滤波器当输入信号为均值不为0且变化较大时,输出信号仍能较好地实现对输入信号的跟踪,获得了原始信号的主要特性,从均方误差曲面来看,算法具有较快的收敛速度和较高的滤波精度.     

ADO和LabSQL在数据库操作方面的应用

本文介绍了在Labview中应用ADO控件和第三方控件LabSQL对数据库操作的方案,解决了Labview中的数据库操作的问题.详细介绍了Access数据库的创建,数值的添加和查询显示,并将该技术成功应用于某设备的监控程序中.     

基于混沌理论的微弱信号检测方法

分析了间歇混沌模型———Duffing振子的混沌特性,利用Duffing振子的非平衡相变对微小信号具有敏感性及对白噪声和与参考信号频差较大的周期干扰信号具有免疫力的性质,采用混沌振子阵列实现对噪声背景下微弱信号的检测;并采用梅尔尼科夫方法作为混沌判据,该方法的优点在于可以直接进行解析计算。仿真实验表明:该检测方法简单、有效,检测的精度比较高。     

一种具有对称结构的神经网络的构造方法研究

文章提出了一种神经网络构造方法一改进的OBD（Optimal Brain Damage）算法，力求使网络的结构（网络权值矩阵）具有三角对称性，定义了衡量网络对称性的三角对称度。一方面，该算法可以提高网络的收敛速度，另一方面．由于网络的对称性，可以有效地提高网络的硬件和软件可实现性。将该算法应用于系统辨识，结果表明在本文提出的算法的训练下．网络结构近似为三角对称，同时不影响网络的学习能力。     

基于综合相似接近度的航迹关联算法

文中以分布式多目标跟踪系统的航迹关联问题为研究对象,在综合考虑两模糊集问的三种接近程度度量（即海明距离、模糊贴近度、灰色关联度）的基础上,采用综合相似接近度算法,并将它应用于航迹关联问题。最后给出了两传感器环境下的仿真结果,并与最近邻法、加权法进行了比较,显示了该算法在关联正确率上有所提高。     

改进YOLOv5的红外船舶目标检测算法

针对传统算法依赖于对红外船舶目标与环境背景的精确分离和信息提取,难以满足复杂背景和噪声等干扰环境下的船舶目标检测需求,提出一种基于改进YOLOv5的红外船舶目标检测算法。在YOLOv5网络中添加Reasoning层,以一种新的提取图像区域间语义关系来预测边界框和类概率的体系结构,提高模型的检测精度,同时对YOLOv5目标检测网络的损失函数进行改进,从而达到进一步提高模型准确率的目的。验证结果表明,改进后的YOLOv5算法训练出来的模型,检测精确率和速度与实验列出的几种目标检测算法相比均有明显提升,其中平均精度均值(mAP)可达94.65%。该模型经过验证,既能满足检测的实时性要求,又能保证高精度。     

船舶电站故障诊断中的数据融合算法

将数据融合技术应用于船舶电站故障诊断系统中,在数据处理的检测层、特征层及决策层上分别提出不同的数据融合算法:在检测层提出自适应加权数据融合算法,在特征层提出基于灰色优势分析的数据融合算法,在决策层提出基于D-S证据理论的数据融合算法。这些算法解决了传统故障诊断中存在的大量采集数据如何有效处理的问题。所提出的算法针对船舶电站故障诊断的特殊性,有较强的适应性,提高了实际诊断的准确性和可靠性。