群智能优化算法的船舶信息管理任务批量流水调度研究

针对传统的船舶信息管理任务调度模型的调度平均等待时间长的问题,研究群智能优化算法的船舶信息管理任务批量流水调度模型。根据群智能优化算法理论,将调度过程中的船舶看作粒子,根据实际调度需求设定调度模型的参数。为缩短船舶调度平均等待时间,规划船舶调度的目标函数以及约束条件。计算粒子适应度,将粒子与任务分配一一映射,根据船舶可信度计算得到局部粒子最优解,更新粒子位置直至出现最优调度解,完成船舶信息管理任务批量流水调度模型的构建。通过与传统调度模型的对比仿真实验,验证构建的基于群智能优化算法的船舶调度模型能够缩短传统调度模型2/3的平均调度等待时间,提高了调度效率。     

船舶交通流组合预测方法研究

船舶交通流预测的研究能为港口设计及船舶通航安全管理提供基础性数据.基于港口特征、船舶行为和船舶交通流的历史数据,建立了一种改进的船舶交通流变权组合预测模型,较好地解决了现有船舶交通流预测算法中存在的预测精度不高、依赖于经验的不足.以天津港主航道连续9年的历史观测数据为例进行验证,结果表明,改进的组合预测模型能够减小单一模型预测中存在的不确定性,从而提高了整个预测系统的精度及其稳定性.     

基于组合预测模型的世界海运周转量预测分析

世界海运周转量是衡量未来航运市场运力需求的直接体现,在确定航运市场和船舶市场的发展趋势方面具有关键作用。针对世界海运周转量受到众多复杂因素影响的现实,基于传统的单个预测方法,分别采用时间序列、灰色系统、神经网络方法对世界海运周转量进行预测,然后再对单个预测方法进行加权组合,建立组合预测模型进行海运周转量的预测,预测结果表明:组合预测模型能够得到更加可靠的结果。     

最优加权组合模型在水上交通事故预测中的应用

依据水上船舶交通事故数据,在建立GM（1,1）模型和灰色Verhulst模型的基础上,建立了水上船舶交通事故数的最优加权组合模型,并对各模型的预测精度进行了分析比较。结果表明,组合模型比单一模型有更高的预测精度。采用该组合模型是提高水上交通事故预测精度的有效方法。     

干船坞气控卧倒门的仿真模型

深入了解干船坞气控卧倒门系统的动态特性,以便缩短坞门的设计周期,节约试验费用;运用机械系统动力学自动分析软件ADAMS,建立了干船坞气控卧倒门系统的动力学仿真模型。通过对仿真模型的运行表明:用所述的仿真模型研究干船坞气控卧倒坞门系统的动态特性是完全可行的。     

船闸通过量预测研究

通过采用线性回归模型、时间序列法、GM（1,1）进行预测,并针对这3个模型构成的组合预测模型的特点,以加权组合预测法来确定权重系数;通过对江苏地区经济发展和货种变化的分析,预测运东船闸至2020年的通过量,研究船闸通过量预测的相关方法。     

不同预测算法在简单交通场景中的应用比较

为探讨不同趋势预测算法在简单交通场景中应用的有效性,以部分高速公路收费站数据集为研究对象,分别采用自回归积分滑动平均(Autoregressive Integrated Moving Average,ARIMA)模型、长短期记忆(Long Short-Term Memory,LSTM)循环神经网络和Prophet时间序列预测算法建立交通流预测模型.通过对比分析发现,3种预测模型在解决交通流预测问题方面均表现良好,相比之下,LSTM在模型拟合和预测精度方面表现更好,泛化能力更强,且在影响因素设置方面更为灵活.在以后的研究中,可采用LSTM,结合调参方法解决更多交通场景下的交通流预测问题.     

船舶轴系滑油中磨损铁屑含量预测方法

为有效解决船舶轴系滑油中的磨损铁屑含量预测与评价方面的问题,提出一种组合预测方法。为降低测量噪声对预测的影响,利用小波变换对测量序列进行降噪,选择Daubechies 4(Db4)作为小波基,结合软阈值函数对时间序列进行分解和重构,同时利用基于平滑度和均方根误差的复合指标确定最优的分解层数。采用非线性自回归神经网络(Nonlinear Auto-Regressive Neural Network,NARNN)进行预测分析,实现对变化趋势的预测和对保养时间的评估。以某船轴系滑油中的磨损铁屑含量历史数据为样本进行试验,结果表明该方法是有效的。     

基于迭代局部搜索和自适应粒子群优化的SVM短期负荷预测

为了能够进一步的提高船舶电力负荷的预测精度,针对SVM模型在负荷预测中存在的参数选取问题,该研究提出了一种新的参数优化算法:基于迭代局部搜索和自适应粒子群优化的组合算法。自适应粒子群算法提高了传统粒子群算法的收敛速度,引入的迭代局部搜索思想,配合新的极值评价标准能够很好的解决粒子群算法容易陷入局部最优的问题。仿真结果表明,利用新的参数优化算法使得SVM预测模型的精度得到了很大的提高。     

基于储存期间的某型鱼雷检测周期预测

鱼雷武器具有长期储存的特性,它的检测周期用年份来确定;利用鱼雷的储存时间近似服从两参数威布尔分布的经验,在确定合理的检测周期方法的基础上,提出了一种确定检测周期的新方法;结合实例对鱼雷的检测周期进行预测.结果表明,这种方法能达到令人满意的精度,具有实用价值.     

基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果.为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比.实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点.这为舰船运动短期预测提供了一个新的思路和方法.     

云模型的舰船维修成本建模与预测

通过对舰船维修成本的准确建模和预测,降低维修成本,提高舰船维修质量,保证舰船良好工况,提出一种基于K均值指标聚类划分和粒子群优化的云模型下舰船维修成本建模和预测方法。以舰船维修的材料开销、人工开销、舰船寿命周期折损以及配件成本等参数为约束指标,采用K均值聚类算法进行维修成本指标系数聚类划分,将成本最优问题转化为聚类中心最短问题,并以此为优化目标函数,采用粒子寻优算法进行最优解求解,通过线性插值方法进行拟合计算避免解向量陷入局部最优,实现云模型的舰船维修成本预测。仿真结果表明,采用该方法进行舰船维修成本预测的准确性较高,维修效率和质量得到提高。     

组合预测模型在宁波港集装箱吞吐量预测中的应用

港口吞吐量预测是港口规划过程中的关键环节,直接关系到港口规划的科学合理性。本文根据宁波港集装箱吞吐量的历史数据,建立了时间序列的三次指数平滑模型、灰色系统预测模型等单项预测模型。鉴于单项预测模型的局限性,提出了组合预测模型,采用线性规划的方法确定其最优组合的权重,并对宁波港集装箱吞吐量加以预测和分析。     

基于信息熵的舰船装备建造费组合预测研究

舰船装备建造费的预测方法多种多样,不同的方法体现出不同的特点.针对常用的几种费用预测方法,充分利用不同方法的特点和提供的信息,提出基于信息熵的最优组合预测模型.在建立预测方法评价指标集的基础上,利用信息熵确定了各种方法在组合预测模型中的权重.该方法能处理预测中的不确定性因素,同时综合考虑了各种方法的特点以及预测过程中预测人员主观因素的影响,较为符合舰船装备建造费预测的实际情况.实际应用表明该方法可行,具有实用价值.     

基于粒子群算法的船舶物流智能配送系统

当前船舶物流智能配送系统存在配送路径并非最优,配送效率低,导致船舶物流智能配送成本存在居高不下的缺陷。为了节约船舶物流智能配送成本,找到理想的船舶物流智能配送路径,设计了基于粒子群算法的船舶物流智能配送系统。首先对船舶物流智能配送系统的工作流程进行描述,并重点描述船舶物流智能配送路径优化问题,然后设计了一种改进粒子群算法,并采用它实现船舶物流智能配送路径的优化。最后的测试结果表明,本文船舶物流智能配送系统可以在用户规定时间内将需求的产品送到目的地,降低了船舶配送成本,不仅可以帮助船舶物流配送企业提高管理,而且船舶物流配送结果优于其他的系统。     

一种新型潜艇浮筏的前馈模糊控制策略

本文针对带有电流变液智能阻尼器的新型浮筏装置提出了一种前馈模糊控制策略.根据对浮筏上动力装置的振动激励信号的主频特性分析,运用模糊控制器来对各个主频进行加权,得出最优的控制电压来对阻尼器进行控制.实验结果证明,这种控制策略控制下的浮筏隔振系统的隔振效果要远远好于传统的最优被动浮筏隔振系统.     

基于加权预测残差的模型群切换算法研究

以舰艇反导武器系统中的机动目标跟踪与预测方法研究为背景,在分析变结构多模型算法的基本框架及模型群切换算法仿真计算流程的基础上,依据滤波过程中预测残差对跟踪精度的影响,提出一种基于加权残差的模型群切换方法.针对现代反舰导弹末端"蛇行机动"的运动特点,设计了不同的模型集,在想定的初始条件下进行Monte Carlo仿真实验,结果表明:提出的算法运行稳定,具有较高的费效比.     

对转式水平轴潮流能水轮机的数值模拟优化

基于舟山本岛南部附近海域的实测海况,研究使对转式水平轴潮流能水轮机(CRHATT)的功率系数CP达到最大的最优转子间的距离L,以及叶片弦长CB对减小CRHATT转子间的Cp差值的作用.在对9组CRHATT完成稳态数值模拟,并得到CRHATT的最优L与减小转子间CP差值的最优CB组合后,拟合舟山本岛南部28 h的潮流数据,得到潮流数据的2阶傅里叶级数拟合函数.使用UDF编程把拟合函数导入到流场环境中,对CRHATT进行5个周期拟合函数的数值模拟,以研究时域特性下的最优L和最优CB组合的有效性.结果 表明,在稳态和时域特性数值模拟下的最优L和最优CB组合保持一致.综合分析两种数值模拟结果,在最优L和最优CB组合下的CRHATT的Cp可达到0.565;转子间的Cp差值占CRHATT总Cp的百分比减小至6.95％;转子间的Cp差值随潮流变化的离散程度较小,证明CRHATT在时域特性环境中能稳定工作.     

基于回声状态网络的船舶交通事故预测

船舶交通事故的预测结果对船舶交通智能管理具有指导性意义,针对当前船舶交通事故的预测误差大,建模过程耗费时间长等难题,设计基于回声状态网络的船舶交通事故预测模型。首先对当前船舶交通事故预测研究现状进行分析,指出各种船舶交通事故预测建模方法的局限性,然后收集大量的船舶交通事故历史数据,并进行一定预处理,构建船舶交通事故预测样本数据,然后通过回声状态网络的学习建立船舶交通事故预测模型,并采用具体船舶交通事故预测仿真实例分析其性能,回声状态网络的船舶交通事故预测精度超过95%,预测结果十分稳定,缩短了船舶交通事故预测建模过程耗费的时间,是一种高精度、速度快的船舶交通事故预测方法。     

基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果。为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比。实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点。这为舰船运动短期预测提供了一个新的思路和方法。