5个研究背景和意义示例,教你写计算机智能船舶论文

今天分享的是关于智能船舶的5篇计算机毕业论文范文, 如果你的论文涉及到智能船舶等主题,本文能够帮助到你

智能船舶机舱数据远程安全传输技术研究

这是一篇关于智能船舶,机舱数据,数据安全,生成对抗网络的论文, 主要内容为智能船舶在提高船舶安全管理、能耗管理、运营效率等方面具有突出优势,进一步降低了船舶运营中的人员成本。但在船舶数字化转型的过程中,不可避免的伴随着其网络风险的扩大和多样化,很容易受到一系列网络攻击事件的影响。针对船舶机舱数据的攻击会干扰智能船舶的远程运维和远程遥控等业务,进而对船舶的航行安全造成重大威胁和损失。因此,为了保障智能船舶的数据安全,本文基于生成对抗网络与SM4加密算法设计了船舶机舱数据加密技术,并围绕该技术设计了智能船舶机舱数据安全传输系统,对船舶机舱数据的传输提供全生命周期的数据安全保护。最后,在模拟的船岸数据传输场景中对已经实现的智能船舶机舱数据安全传输系统的部分子系统进行仿真运行测试,验证了该系统对智能船舶机舱数据提供数据安全保护的有效性。本文的主要研究内容如下:1.基于SM4加密算法设计船舶机舱数据加密技术。针对船舶机舱存在的数据加密传输方法的缺少和需求,本文提出了一种SM4加密算法的改进方案,作为船舶机舱数据加密技术。针对SM4加密算法面临的差分故障攻击问题,提出了一种基于WGAN-GP模型的S盒生成方法,用于长期替换原始SM4加密算法的S盒;并提出在加密流程中加入“组合变换”,改变了原始SM4加密算法的机制。改进方案整体提高了差分故障攻击获取所需算法中必要参数的难度。实验结果证明基于上述方法生成的S盒具有良好的密码学性能,且设计的船舶机舱数据加密技术可以有效抵抗差分故障攻击。2.设计智能船舶机舱数据安全传输系统。为了解决智能船舶在远程运维和远程遥控场景下,船舶机舱数据面临的数据安全问题,基于上述改进的加密算法,本文设计了一种智能船舶机舱数据安全传输系统,用于在数据传输过程中对机舱数据提供全生命周期的数据安全保护。该系统采用多平台与多技术相结合的设计方式,具有可拓展性。3.实现智能船舶机舱数据安全传输系统的部分子系统并进行仿真验证。基于WPF框架对上述系统中的一个核心子系统进行开发实现,介绍了该子系统中的三个关键技术的具体实现方法。最后,通过云服务器和时序数据库模拟了船岸数据传输环境,并结合某轮机模拟器的机舱数据类作为实船机舱数据对子系统进行调整,用于模拟机舱数据传输业务,对该平台进行仿真运行测试。测试结果表明,本文设计的平台中所使用的机舱数据加密技术在可以抵抗差分故障攻击的基础上加解密效率相比原始SM4加密算法有所提高,且该平台可以实现在智能船舶远程运维和远程场景下的机舱数据传输提供数据安全保护。

基于深度学习的航路环境感知技术研究与应用

这是一篇关于智能船舶,航路环境感知,目标检测,视频分类,多标签分类的论文, 主要内容为水路运输是国民经济的基础,作为水路的重要交通工具,船舶航行安全尤为重要。随着《智能船舶发展行动计划(2019-2021年)》、《中国制造2025》等文件的提出,智能船舶将是未来重要的发展方向之一。自主环境感知是智能船舶的重要功能。目前,船舶航行的环境信息主要通过海事雷达(Marine radar)、电子海图(Electronic Chart Display and Information System,ECDIS)、船舶自动识别系统(Automatic Identification System,AIS)等来获取。伴随计算机运算效率的提升,基于计算机视觉和深度学习的感知系统,可以作为有效的技术方案和手段来获取环境信息,为船舶导航提供服务。因此,本文利用深度学习技术对航路环境感知算法进行设计,并开发航路环境感知系统,以服务于智能船舶导航和海事监管。本文的主要研究内容如下:(1)水上目标检测是航路环境感知的核心。水上目标种类繁多,包括船舶、航标、桥梁以及其他障碍物等。为了保证船舶的安全,一个高效的检测算法是必不可少的。分析目前性能SOTA(State-Of-The-Arts)的目标检测算法,选择了兼顾精度与速度的单阶段(one-stage)目标检测算法YOLOv4作为本文检测算法的基线模型。为了使其更好地适用于水上目标检测,对其进行了改进。首先,利用参数重构技术对目标检测的骨干网络(Backbone)进行优化,在提高模型特征提取能力的同时,加快模型的推理速度。其次,利用注意力机制和跨层连接的思想对特征金字塔结构(Feature Pyramid Networks,FPN)进行改进,提高了模型的多尺度检测能力并进一步减小模型的参数量。最后,利用空洞卷积对原有的空间金字塔池化层(Spatial Pyramid Pooling,SPP)进行改进,弥补了原有的最大池化层信息丢失的缺陷,有效地扩大了模型的感受野。最终,本文提出了水上目标检测算法Ship YOLOv2,并在公开的水上目标检测数据集WSODD(Water Surface Object Detection Dataset)进行了实验。相比于已有的SOTA算法,Ship YOLOv2在保证实时推理速度的同时有着最好的检测精度。(2)航标是众多水上目标中一个特殊的类别,其作为重要的助航标志,在白天可以通过目标检测算法得到对应的助航信息。到了夜间,助航信息的获取主要来自航标灯质,其是一段具有动态信息的视频。因此,本文提出了一个新颖的多标签视频分类算法NMLNet来完成夜间航标灯质的识别。首先,NMLNet采用了双分支结构。输入的视频帧被分成RGB格式图像和V通道(Value)格式图像,作为NMLNet两个分支的输入。RGB分支用于进行航标灯的颜色标签识别,V通道分支用于航标灯的闪烁标签识别。其次,将通道注意力机制融入到轻量的特征提取算法Mobile Netv2中,作为闪烁标签分类的骨干网络(Backbone),用于完成颜色标签的分类任务。对于闪烁标签,利用基于CNN&LSTM的视频分类算法来完成识别。最后,根据航标灯质的分类规则,利用二元相关方法(binary relevance)对多标签识别结果进行融合。通过在自制的夜间航标灯质数据上进行实验,证明了本文提出的NMLNet可以有效地完成夜间航标灯质的识别任务。(3)基于Ship YOLOv2和NMLNet算法,开发了航路环境感知系统,可服务于智能船舶。根据系统功能需求,基于B/S架构利用Flask框架完成系统的后端开发,Vue框架完成系统的前端页面设计,利用My SQL完成系统数据库的构建,并通过Tensor RT技术对深度学习模型进行加速,提高系统的运行效率。论文提出的水上目标检测算法和夜间航标灯质识别算法实现了对水上目标的感知,设计开发的航路环境感知系统可提供基于图像和视频的水上目标检测、视频分类等功能,研究成果可以为智能船舶的航行提供有效的视觉感知服务,具有应用价值。

船—岸基船舶机舱数据监测与传输模拟系统的研究

这是一篇关于智能船舶,故障诊断,模糊神经网络,故障预测,G(1,1)模型,参数修正的论文, 主要内容为近年来,计算机、通信、网络、大数据以及人工智能等技术的更新与发展,加速了船舶智能化的发展,使绿色、安全、高效、无人化的智能船舶实现成为可能。智能船舶主要通过船与岸相互收集并综合处理信息,实现船—岸彼此之间信息交互对流,进而达到船舶安全、经济航行和对环境保护的最终目标。目前我国智能船舶的发展处于初级阶段,智能船舶系统开发需要强大的技术支持,系统控制智能化与无线通讯技术还不足以支撑智能船舶从个体向系统集成化的技术层面发展。本文依据“智能船舶”的理念,针对船、岸数据通信以及船舶状态监控系统,提出一种船—岸基船舶机舱数据监测与传输模拟系统。通过对B/S和C/S架构的分析,开发了基于C/S架构的数据管理平台,以无线网络为通信方式实现了船、岸间的数据、信息交互。此外,还设计了基于B/S架构的岸基船舶动力装置健康预报系统,将Webaccess组态软件的“动态监控”嵌入其中,实现局域网内共享动态监控界面;将改进的灰色G(1,1)模型以及基于模糊神经网络的专家诊断模型应用于系统的故障诊断判别,实现了较高精度的船舶动力设备的健康预报,为“智能船舶”发展提供了一个良好的解决方案。本文针对船舶动力装置故障诊断系统,将基于模糊神经网络的专家诊断模型应用于B/S架构的岸基船舶动力装置健康预报系统的故障诊断判别,并利用BP算法训练实例对该模型进行了精度验证。结果表明,系统稳定可靠,故障诊断准确性高。本文针对船舶动力装置故障预测方法,以提高灰色模型预测精度为目的,通过对一般G(1,1)灰色模型的相关分析,对其构造参数进行修正,构建了改进的基于新陈代谢G(1,1)的动态预测模型。此外,利用部分柴油机热工参数,以此建立预测模型,并对各个模型进行精度对比分析,结果表明,最终改进的新陈代谢G(1,1)预测模型较一般G(1,1)灰色模型具有更高的精确度,满足应用需求。