首页期刊导航|舰船科学技术
期刊信息/Journal information
舰船科学技术
舰船科学技术

张培元

月刊

1672-7649

JCKXJS@shipol.com.cn

010-64831773-810

100192

北京市朝阳区双泉堡甲2号

舰船科学技术/Journal Ship Science and Technology北大核心CSTPCD
查看更多>>本杂志创刊于1962年，是中国舰船科技领域唯一的综合性学术期刊。其宗旨是促进中国舰船领域的学术与技术交流，推动舰船科学技术的发展，为舰船科技人员提供学术讨论与技术交流的园地。本刊的专业性、学术性、技术性和导向性强。主要刊登中国舰船领域和相关行业的高新技术和实用技术方面的论文。选题范围包括舰船理论研究、舰船高新技术和实用技术、舰船系统工程以及与舰船相关的内容。作者为参加我国舰船研制工作、实践经验丰富、直接从事产品设计、课题研究和情报研究工作的专家及业务骨干，从事海军装备工作的科研人员，相关院所的学科带头人以及大专院校的教授、博士和硕士研究生等。本刊的读者为船舶及相关行业的各级领导、专家、科研人员、大专院校师生，以及对船舶科技感兴趣的人员。
正式出版
收录年代

    深度学习技术在航迹控制系统中的应用

    于雷
    174-177页
    查看更多>>摘要：研究深度学习技术在航迹控制系统中的应用,实现航迹智能、精确控制,以适应复杂多变环境和任务需求.利用LOS算法确定船舶航行期望航向角、航迹误差,在融合船舶模型采集的船舶状态信息后,得到航迹跟踪控制的状态变量,将其输入到基于MDP模型的航迹控制器中,将最高长期累积回报作为目标,利用卷积神经网络对控制器训练,学习给定状态到执行动作之间的映射关系,以获得使船舶按照预定航迹行驶的最优舵角动作值,实现航迹精准跟踪控制.实验结果表明,该系统所用控制器经过150回合训练,即可实现航迹数据规律的精准捕捉,具有突出学习能力;干扰工况下,该系统也可使船舶沿期望航迹航行,航迹控制效果显著.

    深度学习航迹控制LOS算法MDP模型长期累积回报卷积神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    具有多频极点特征的高频雷达目标识别算法研究

    张新朝
    178-181页
    查看更多>>摘要：本文给出不同电尺寸下雷达散射截面积的幅值变化曲线;分析目标散射特性的计算方法,并给出雷达散射截面积随频率变化的曲线;探究多频极点的目标识别方法,并且通过最小描述长度法确定目标极点数,同时通过Prony法对目标极点进行求解;最后对高频雷达目标识别进行仿真,给出正确识别率和拒判率随信噪比的变化曲线.

    多频极点高频雷达目标识别

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    RBF神经网络在船舶模拟电路故障诊断中的应用

    霍艳飞
    182-185页
    查看更多>>摘要：针对船舶模拟电路元件复杂交互,故障信号在大量的正常信号中难以凸显,故障特征提取识别难度较大的问题,提出基于RBF神经网络的船舶模拟电路故障诊断方法.由基于小波包的船舶模拟电路故障特征提取方法,以小波分解重构的方式,捕捉电路频带能量变化特征;使用基于状态转移算法优化RBF神经网络的故障诊断模型,由状态转移算法优化RBF神经网络参数,构建用于诊断电路故障的RBF神经网络模型后,学习所提取故障特征与类型之间关系,诊断新输入的船舶模拟电路输出信号故障类型.实验测试结果显示,此方法在有效捕捉船舶模拟电路故障频带能量变化特征后,对多种船舶模拟电路故障的诊断结果均未出现明显错误.

    RBF神经网络船舶模拟电路故障诊断状态转移算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多源信息融合的船舶电气设备状态识别方法

    魏东辉李昊泽
    186-189页
    查看更多>>摘要：为可靠掌握船舶电气设备状态,保证设备的运行安全,提出多源信息融合的船舶电气设备状态识别方法.采用时间序列模型检测并修正船舶电气设备多源历史数据中的连续异常数据和独立异常数据;基于联合卡尔曼滤波算法融合修正后的电气设备多源历史数据,依据融合后的多源数据训练谱聚类和深度神经网络,构建船舶电气设备状态识别网络模型,结合电气设备的实时运行数据,识别船舶电气设备状态.测试结果显示,该方法能够确定数据中的连续异常数据和独立异常数据,并且完成所有异常数据的修正,保证数据的完整性;离散度结果均在0.016以下;能够完成电气设备正常状态、异常状态以及紧急状态的识别,最小均方根误差值均在0.0044以下,识别效果良好.

    多源信息融合船舶电气设备状态识别异常数据修正时间序列模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    投稿提示

    封2页
      原文链接:
    • NETL
    • NSTL
    • 万方数据