摘要：随着先进的传感、计算机、数字化、信息化等技术在船舶上的广泛应用,使船舶电力系统运行更加高效和智能化,但也增加了船舶电网的复杂性和开放性,使其存在许多潜在的虚假数据注入攻击(false data injection attack, FDIA),严重威胁船舶电网安全。为解决船舶电力系统易遭遇FDIA的问题,设计一种基于噪声动态估计卡尔曼滤波的检测残差法,运用上述方法检测FDIA。先建立船舶电网的三相电压状态空间模型,分析船舶电网系统遭受FDIA模型;进一步引入噪声在线估计,指数加权和动态滤波异常判据对基本无迹卡尔曼滤波器进行改进,并运用基于改进型卡尔曼滤波的检测残差法来检测FDIA的存在。通过Matlab对比实验得出,提出的方法具备良好的检测能力和优越的检测效果。

摘要：工业4.0时代,智能船舶是海上智能交通的重点发展对象。文章从智能船舶整体发展趋势出发,分析其在数字化、绿色化和商业化的具体发展方向,并探讨了智能船舶在人机平衡、法律规范、信息安全和行业协作等相关领域面临的挑战与应对措施。智能船舶无论在节能减排,还是在商业运营等方面,均具有巨大的发展潜力。随着人工智能技术和信息安全的迅猛发展,船舶行业数字化的持续深入,智能船舶法律法规的不断完善,智能船舶将会迎来质的发展。

摘要：为实现船舶设备维护方式的智能化升级,用视情维修代替传统的定期巡检,提出一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化的Elman神经网络融合自回归差分移动平均模型(Auto-Regressive Integrated Moving Average,ARIMA)模型的组合预测模型,用于对设备状态参数进行预测。根据序列特征拟合ARIMA模型,利用改进的PSO算法优化Elman神经网络的权值和阈值,基于改进的PSO-Elman模型的残差预测值修正ARIMA模型预测结果。采用某船设备实际数据对该组合预测模型进行训练和验证,将其预测结果与其他模型的预测结果相对比,结果表明,该组合预测模型具有较高的预测精度和稳定性。