各种间隙比下海底管线绕流二维数值模拟与实验研究

通过数值模拟方法与物理模型实验,对不同间隙比情况下的海底管线绕流特性进行研究。数值模拟采用有限差分法对标准k-ε湍流方程和控制方程进行离散,利用GMRES算法求解离散方程,模拟绕流流场。物理模型实验中采用超声测速仪ADV系统测取不同断面的流速分布情况,分别分析不同间隙比情况下的漩涡运动特性。同时分析各垂直断面不同间隙比时尾流流速变化情况,数值模拟结果与实验结果吻合较好,本文成果为进一步研究海底管线的防护措施打下基础。     

一种基于水天线观测的舰船姿态确定算法

利用鱼眼相机对水天线成像实现舰船姿态解算,为海上天文导航提供水平基准。引入两个欧拉角作为姿态参数,提出一种基于高度角约束的水天线拟合算法,推导了详细的公式。采用实测水天线数据对该算法与基于半视场角约束的水天线拟合算法比较分析,结果表明该算法可有效解算舰船姿态,此外,其对参数初值要求更低,且在参数解算内符合精度和鲁棒性上均有所提升。     

带偏航角串列式两风机复杂尾流场数值模拟

在多风机风电场中,通过主动调节上游风机的偏航角度,抑制上游风机尾流对下游风机的影响,减少风力机机组之间的尾流相互干扰,以达到提高整个风电场效率的目的。采用基于开源平台Open FOAM自主开发的FOWT-UALM-SJTU求解器中风电场求解模块ALMWindFarmFoam,将致动线模型与CFD方法相结合,利用大涡模拟(LES)计算研究当上游风机处于不同偏航角度时,两风机之间的复杂尾流干扰效应。对比分析偏航角度改变时,上下游风机气动功率的输出特性,尾流速度变化以及风机的尾涡结构。数值模拟结果表明:在上下游风机沿流向方向距离保持不变的情况下,随着上游风机偏航角度的变化,上下游风机的尾流干扰现象以及下游风机的入流条件会发生明显改变,并会对下游风机的气动功率输出以及两风机风电场的整体流场产生显著影响。     

黄海、渤海和日本海沉船考古(三)

1275年2月,忽必烈派遣使臣前赴日本,却不想使臣刚到日本,就被镰仓幕府杀死了一屮国自古就有“两国交战不斩来使”之说,忽必烈得知使臣已被处死.龙颜大怒.立即发兵征讨日本。日本与中国隔海相望,忽必烈集结了史无前例的大批舰船和数十万士兵和水手.准备讨伐日本国儿年来,忽必烈曾两次派遣规模巨大的舰队远征日本.但都失败了两场台风阻挡了大军去路.数十艘舰船粉身碎骨.沉入深海。     

一次台风尾流暴十的多普勒雷达资料特征分析

利用多普勒雷达加密资料对发生的闽南的一次台风尾流暴雨进行中尺度分析。结果表明,这次暴雨过程由两阶段暴雨组成：第一阶段暴雨是由海上形成的中尺度气旋造成的;第二阶段暴雨是由切变线上的强辐合及切变线上形成的边界层中尺度气旋造成的。暴雨雨带的形成主要与“逆风区”、气流辐合、边界急流、切变、地形有关。     

舰船卫星探测实验中利用AIS获取现场同步数据的可行性分析

在SAR与AIS联合探测探测舰船目标实验中,通过对2010-11-05T06：51渤海海峡Radarsat-2影像的和与之时空匹配的AIS数据比较,发现2种手段探测到的静止的舰船目标能够精确的匹配,但是运动的舰船目标存在一定的偏差.分析了偏差产生的原因,其中距离向偏差是由时间误差引起的;方位向偏差主要是由多普勒频移造成的;这与运动舰船目标的航速、航向及SAR与AIS的探测时间误差有关.在此基础上建立了数学模型,分析上述参数对偏差的影响,并对偏差加以修正,从而实现了SAR与AIS探测结果的匹配.     

基于深度学习的光学遥感影像舰船检测算法对比分析

舰船目标检测是进行海洋环境监管,保障海上权益的重要手段。基于深度学习的目标检测算法能在复杂环境下保持良好性能,为测试不同深度学习目标检测算法在舰船检测中的效果,本文构建了一个包含3893张图像的数据集,涵盖了复杂背景下不同类型的舰船,基于此数据集分别采用Faster RCNN、SSD、RetinaNet、YOLOv3、YOLOv4算法进行实验,结果表明,YOLOv4 、YOLOv3、RetinaNet、Faster RCNN平均精度均在83%以上,其中YOLOv4最高达到91.77%,Faster RCNN误检较多,而SSD平均精度最低,只有79.23%,总的舰船检测数目偏少。将5种模型训练结果在高分二号影像上进行测试,得到较好的检测效果,对舰船检测未来理论研究的开展具有一定的指导意义。     

Dense RFB和LSTM遥感图像舰船目标检测

针对当前遥感图像舰船目标检测精度不佳问题,本文构建舰船目标数据集STAR,提出基于Dense RFB和LSTM多尺度舰船目标检测算法。该算法首先在SSD网络基础上设计了浅层特征增强模块,基于人眼视点图采用Dense RFB特征复用和膨胀卷积增大感受野的尺度和种类,增强浅层网络对细节特征的提取能力;其次设计了深层多尺度特征金字塔融合模块,采用FPN和LSTM思想,基于反卷积和残差网络对深层不同尺度特征进行融合,增强网络结构非线性和特征层的表征能力;最后加入聚焦分类损失函数进行联合训练,有效避免了正负样本失衡问题。在遥感图像舰船数据集上实验,本文所提舰船目标检测算法精度均值达到81.98%,检测速度达到29.6帧/s。此外,遥感图像中成像模糊、被遮挡、部分被裁剪等舰船目标的检测效果也优于原有经典算法,实验结果表明该算法对遥感图像舰船目标检测的泛化能力较强,有效地提高了遥感图像舰船目标检测的精度。     

基于引力场增强的SAR图像舰船检测方法研究

船只检测是实现船只航行安全的重要措施之一,利用SAR图像可实现船只检测。然而,传统的一些方法一般容易受到SAR图像斑噪的影响,在检测结果中产生大量的虚警。为解决这一问题,本文提出了一种基于引力场增强的舰船检测方法。该方法利用像素与其邻域内像素的相互作用可对目标像素增强的效应,有效地抑制了斑噪像素和背景像素的强度,凸显了目标。由于增强后的像素已经不满足对海面区域的均质性假设,因此直接使用恒虚警检测算法对图像进行全局检测并不能够得到很好的效果,据此本文引入了一个基于均质区域自适应分割的改进的K-CFAR检测算法,将图像分割为不同大小的一系列均质区域,并分别对各个均质区域使用一个改进的K-CFAR检测器对船只目标进行检测。最后,使用Radarsat-1数据和Envisat ASAR数据对本文算法进行了验证。实验表明,本文提出的方法能够有效地凸显弱目标,增加检测准确性,降低检测的虚警概率。