基于RetinaNet的SAR图像舰船目标检测

在合成孔径雷达图像舰船目标检测中,由于背景复杂多变,传统的基于人工特征的目标检测方法效果较差.基于深度学习中的单阶段目标检测算法RetinaNet,结合合成孔径雷达图像本身特征信息较少的特点,采用了多特征层融合的思想,改进了网络特征提取能力,提出了相适应的损失函数的计算方法.采用SAR图像舰船目标检测数据集(SSDD)对网络进行训练,并通过样本增强和迁移学习的方法提升算法的鲁棒性和收敛速度.通过实验与其他基于深度学习的目标检测算法所得结果进行比较,结果表明本算法具有更高的检测精度.     

基于PHOW的舰船图像实时分类检测方法

针对传统舰船分类检测方法实时性差、容易受到物理噪声干扰等问题,采用基于塔式关键词直方图和支持向量机的检测方法对不同类别水面舰船图像进行实时分类检测。通过对不同类别的舰船图像进行分类实验,进一步综合确定适合的塔式关键词描述子参数及支持向量机核函数参数,实验结果表明,舰船分类检测准确率较已有检测方法有所提高。基于塔式关键词直方图和支持向量机的检测方法能够实现可靠、实时的舰船图像分类检测。     

基于模糊AHP的舰船动力装置需求指标权重计算方法

针对舰船动力装置概念设计QFD瀑布式分解过程中求取需求指标权重时所需要解决的模糊性问题,将三角模糊层次分析法应用到需求指标的求取中,研究三角模糊判断矩阵的判定标度、需求指标综合判定矩阵的求取、模糊一致性矩阵的构造方法及权重求解方法等需求指标权重求解过程中的相关问题,并以CODAD型动力装置传动装置需求指标权重求解为例进行研究.本文方法可为动力装置概念设计QFD瀑布式分解过程中的需求指标权重的求解提供科学指导.     

水面舰船动力定位系统ESO输入饱和控制

为解决现实服役海洋环境下,模型参数未知的水面舰船动力定位系统的控制问题,考虑执行器输入有界、舰船运动状态信号难测量等工程因素的限制,提出一种动力定位的状态观测饱和控制算法。首先,对非线性扩张状态观测器(extended state observer, ESO)在含有未知饱和控制输入结构下的状态观测能力进行分析,在原有假设条件的基础上制定一条附加假设条件,并分析该观测系统的合理性。接下来,将非线性ESO的特例(即线性ESO)应用于对舰船运动状态变量的实时观测,设计自适应律对模型的阻尼项和执行器不确定增益进行在线估计,进而得到各个执行器可变螺距形式的控制输入,引入动态辅助系统处理执行器的输入饱和限制。仿真结果表明:相比于传统的动力定位系统控制策略,所提出的控制策略在保证高定位精度和合理收敛速度要求的同时,更符合工程实际。     

基于改进型YOLOv3的SAR图像舰船目标检测

传统合成孔径雷达(synthetic aperture radar, SAR)图像目标检测的方法依赖于人工设计特征且易受复杂背景干扰, 泛化能力较差。深度学习的方法可以自动提取特征且具有良好的抗干扰特性, 对于未来雷达智能感知具有重要意义。不同于其他只能对固定区域进行检测的常规卷积神经网络, 本文提出一种改进型YOLOv3的SAR图像舰船目标检测方法, 该方法基于舰船尺寸与形状自适应采样的可变形卷积、ResNet50变体特征提取器和ShuffleNetv2轻量化思想等设计YOLOv3模型。通过SSDD数据集验证, 在检测效果方面, 相较于原YOLOv3模型, 平均精度从93.21%提高至96.94%, 检测概率从95.51%提高至97.75%;在模型大小方面, 轻量化设计模型仅为原YOLOv3模型的八分之一, 可实现嵌入式的使用。     

三体船斜航流场与操纵性位置导数面元法分析

以三体船操纵运动水动力预报为背景,采用势流理论有升力三维面元计算方法,计算分析了不计兴波斜航下三体船的操纵运动水动力导数．计算得到了三体船不同侧体位置布局下斜航运动时的船体表面压力分布、横向力以及转首力矩等数据．根据计算结果,分析三体船侧体位置布局对主体附近流场和受力的影响情况,以及侧体布局对三体船操纵性水动力、操纵运动特性的影响．研究结果表明片体布局对三体船流场分布、横向力和转首力矩有重要影响．     

美国富豪打造未来隐形战舰

据外媒报道,美国富翁格雷戈里·桑克福名下的企业朱丽叶舰船系统公司,投资1500万美元,耗时十年研发出了颇具未来风格的高速隐形＂幽灵＂战舰,其最高时速已达到50节,让美国海军大部分舰船都自惭形愧。＂幽灵＂舰首次应用＂超空泡＂推进系统,极大地缩小了船身与海水的接触面,这样在惊涛骇浪中它也能保持航行稳定。另外,它仅凭船上燃料,就能在不发出任何雷达信号的安静状态中潜伏战区30天。