定航线下考虑ECA的船舶航速多目标优化模型

在考虑船舶排放控制区(Emission Control Area,ECA)的背景下,通过航速优化对船舶航行成本和航行时间进行有效折中,降低船舶营运成本。针对营运成本和航行时间2个互相冲突的关键因素建立一种多目标航速优化模型。分别建立船舶营运成本模型和航行时间模型,通过带精英策略的非支配排序遗传算法(Nondominated Sorting Genetic AlgorithmⅡ,NSGAⅡ)求得营运成本和航行时间的Pareto解集,采用模糊隶属度函数,从Pareto解集中筛选出最佳折中解。实际案例分析结果表明:在一定的时间约束下,船舶在ECA内适当减速,在ECA外加速可有效减少营运成本。当船舶以优化航速航行时,可有效减少船舶营运成本,节省船舶航行时间,为船公司提供一定的管理依据并带来可观的经济收益。     

基于多目标遗传算法和多属性决策的船舶PID控制器参数整定

提出了一种基于多目标遗传算法和多属性决策的PID参数设计方法,综合考虑系统超调量、稳定时间和ITAE指标,采用多目标遗传算法(MOGA)求出Pareto最优解.由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行权值计算,然后采用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序.计算了一个二阶船舶控制的数值算例,结果表明本文提出的联合方法通用性好,设计的PID性能优异,适合工程实际应用.     

基于NSDE算法的船舶电力系统经济环境调度

由于船舶航行易受天气等因素的影响,具有不确定性和波动性的特点。本文深入研究了船舶航行和发电调度联合的电力系统优化调度问题,建立了非支配排序差分算法(NSDE)的船舶电力系统经济环境调度模型,在该模型中综合考虑发电成本和污染气体排放量,实现多目标优化。在约束条件中加入了船舶航行的约束,从而减小了速度变动对系统的影响。用NSDE完成简单快速的全局寻优,得到准确而完整的Pareto前沿,使所有目标函数尽可能达到最优。     

船舶柴油机调速器参数整定的多目标优化和多属性决策研究

综合考虑系统在输入阶跃扰动和负荷扰动两个工况时的超调量、稳定时间和ITAE指标，研究了PID控制器参数寻优的问题。采用多目标遗传算法求出Pareto最优解，使用信息熵法和逼近理想解的排序方法（TOPSIS）对Pareto最优解给出了排序。计算了一艘水面船舶柴油机调速器控制的数值算例，结果表明本文方法有效，所设计的PID性能优异，可以工程实际应用。     

可调螺距螺旋桨控制系统PID参数整定

针对船舶调距桨PID控制系统的参数整定问题，提出了一种基于多目标遗传算法和多属性决策的参数设计方法，综合考虑了系统超调量、稳定时间和ITAE指标，采用多目标遗传算法求出Pareto最优解。由这些Pareto最优解构成决策矩阵，使用客观赋权的信息熵法对最优解的属性进行权值计算，然后采用逼近理想解的排序方法进行多属性决策研究，对Pareto最优解给出排序。计算了某水面船舶可调螺距螺旋桨的数值算例，结果表明本文提出的联合方法通用性好，所设计的PID性能优异，适合工程实际应用。     

考虑营运成本和排放的船舶航速多目标优化模型

针对船舶航速优化中的营运成本和CO_2及污染物排放2个互相矛盾的关键因素,提出一种基于理想点多目标优化的船舶最优航速求解方案。分别通过极小化营运成本和排放得到船舶的最小营运成本和最小排放解决方案,运用线性加权法求得营运成本和排放的Pareto最优解集。应用范数概念,通过Minkowski距离从Pareto前沿寻求权衡最优解,并根据权衡最优解对应的营运成本和排放求解对应的最佳航速。利用实船观测数据进行对比,表明该模型可进一步控制船舶营运成本和CO_2及污染物排放,验证了该方法的可行性及合理性。该航速优化方法的最大优点是能对不同船舶或不同航线的航速实现自动计算,无需人为干涉或借鉴专家知识。     

船舶概念设计阶段多学科和多目标优化研究

船型设计之初,设计者往往会通过船舶多个学科的分析,并从很多船型方案中进行选择比较.该文基于多学科设计优化(MDO)的框架,采用多目标进化算法和决策技术的运用,讨论了船舶概念设计阶段的综合性能优化问题.将船舶总体概念设计按MDO的要求分解为系统控制层和5个子系统,考虑了排水量、综合效率、相对回转直径和造价等多目标函数,采用改进的非支配解排序的多目标进化优化算法(NSGA Ⅱ)和多学科可行解方法(MDF)求出Pareto最优解.然后用逼近理想解的排序方法(TOPSIS)对这些Pareto解进行选优.应用文中的方法,对35 000吨载重量的油船进行了概念设计分析.数值算例表明,综合多学科设计和多目标优化以及决策,能够有效、客观选择合理的船型和主尺度参数.     

改进遗传算法的船舶航行路径规划方法

船舶航行环境十分复杂,路径规划是保证船舶智能航行的基本技术,针对当前船舶航行路径规划方法存在搜索最优路径速度慢、得到最优路径质量差等缺陷,设计了基于改进遗传算法的船舶航行路径规划方法。首先对船舶航行路径规划原理进行分析,构建船舶航行路径规划的建模环境,然后产生船舶航行路径规划的可行解,引入改进遗传算法模拟生物进化机制对船舶航行路径规划可行解进行分析,搜索到最优的船舶航行路径规划方案,最后在Matlab 2017平台上进行了船舶航行路径规划仿真测试。改进遗传算法不仅能够在有效时间内找到最优的船舶航行路径规划方案,让船舶航行路径十分安全,能够有效避开所有障碍物,而且找到船舶航行路径规划方案的迭代次数明显减少,是有一种有效的船舶航行路径规划方法。     

合理利用船舶最佳吃水节能降耗

全球经济持续低迷,航运市场运力需求疲软,燃油价格的节节攀升,燃油消耗在船舶营运成本中的比例也越来越大,用系统的方法进行船舶能效管理降低燃油消耗,提高能效,减少排放,已成为航运公司控制成本的首当其冲的应对之策;通过调整船舶的最佳吃水,使船舶航行能耗最少,一直是业界关注和讨论的节能降耗的重要措施之一;文中通过理论分析,参照相关公约,实践论证,将船舶最佳吃水具体量化,使其具有可操作性,以实现合理利用船舶最佳吃水节能降耗的目的。     

不确定环境下的班轮运输补油策略与航速优化

考虑燃油价格的不确定性及航运碳排放因素,以船舶加油港口的选择、补油量和各航段航速为决策变量,建立基于模糊规划的班轮运输船舶燃油补给策略与航速优化模型。从理论上分析论证该模型存在最优解,并运用实例验证模型的有效性。进一步分析燃油价格模糊区间大小、碳税税率对航运成本、船舶补油策略和航速决策的影响。结果表明:班轮企业只有合理设置燃油价格模糊程度和碳税税率,才能保证企业的经济效益和社会效益。     

船舶主机降速航行决策与管理

正0引言因航运市场低迷,同时主机排放控制日趋严厉,故船舶燃油成本不断上升。为节省燃油费用,船舶承租人通常要求主机降速航行,但降速航行必然导致航行时间增加,租金成本提高,因此必须找到燃油费用与租金的平衡点。笔者某航次接到船舶承租人的指令:在不改变技术参数的前提下,找出主机降速航行的最佳转速,供决策参考。     

船舶自动航行中的多目标遗传算法应用

船舶自动航行是未来航海领域重要的关键技术,算法通过对船舶航行目标及安全水域的分析,自动的寻找船舶航行最佳路径,属于路径规划研究一类。标准遗传算法通过对遗传物质基因的继承和映射,来寻找自然进化过程中的最优解,也是解决路径规划类问题的重要方法,但是其最优解往往会陷入局部最优,需要进行优化。本文研究海上自动航行中的路径匹配模型,利用多目标遗传算法给出船舶路径规划图解决方法,并对算法进行仿真。     

船舶系统可靠性指标分配的多目标优化方法

针对船舶系统可靠性设计问题,采用改进非支配排序遗传算法(NSGA Ⅱ)研究了可靠性指标分配中的多目标优化设计.根据Pareto最优解集形成决策矩阵,基于信息熵法得到属性权重,利用逼近理想解的排序方法(TOPSIS)进行多属性决策研究.对Pareto最优解给出排序.采用本文方法讨论了一个船舶系统可靠度的分配和预测算例,给出了可靠度和费用之间的拟合关系.数值算例表明,综合采用多目标优化和多属性决策技术,可以迅速、客观选择各部件的可靠度.这种综合方法还能用于可靠性研究的其他领域.     

船舶航速优化算法研究

有效的航速优化算法能够使船舶处于最佳航行状态,从而减少燃油开支,节约运营成本。本文以船舶航速作为研究对象,给出一种基于遗传算法的不定期船舶运输经济航速优化方法,实现了航线不变情况下,不定期船舶运输的航速优化问题。     

远洋货船燃油舱的扩容改造技术探讨和实施

如果远洋货船燃油舱容偏小,船舶的持油量不足以维持航行至沿途合适的加油港,需要绕航或者排队等候加油,将极大增加船舶营运成本。本文介绍的燃油舱扩容改造技术探讨和实施,通过燃油舱容扩容改造,增加船舶持油量和续航力,船舶不需绕航或者排队等候就能加到价格优惠的燃油,减少船舶燃油费、港口使费和船期损失等营运成本。     

舰船概念设计多目标优化和多属性决策研究

在舰船概念设计阶段,设计者经常遇到要牛成大量的船型方案,并从中筛选出1个或者几个综合性能比较好的方案的问题.将基于进化箅法的多目标优化技术与多属性决策方法联合运用,探讨了船舶的多目标优化和决策问题.对于多目标优化问题,采用改进的非支配解排序的多目标进化优化算法(NSGA Ⅱ),求出Pareto最优解,由这些Pareto最优解构成决策矩阵.基于信息熵方法和层次分析法(AHP)联合得到属性权重,用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序.应用本文方法,对水面舰船概念设计进行了分析.数值计算结果表明,综合多目标优化和多属性决策技术,能够迅速、客观地选择合理的主要参数.这种综合方法也能够广泛应用于舰船其它设计领域.     

多目标遗传算法在电机控制系统参数整定中的应用

本文给出了一种基于多目标遗传算法的PID参数设计方法，综合考虑系统超调量、稳定时间和ITAE指标，采用多目标遗传算法（NSGAⅡ）求出Pareto最优解。使用信息熵法对最优解的属性进行权值计算，根据逼近理想解的排序方法对Pareto最优解给出排序。计算了一个电机控制的数值算例，结果表明本文方法所设计的PID控制器性能优异，适合工程实际应用。     

改进的多目标优化算法及其在船舶设计中的应用

对多目标优化问题的固定加权和方法加以改进,采用随机权系数方法将多目标优化问题转换成为单目标优化问题,利用序列二次规划方法获得问题的最优解。由于权系数的随机性,多次运行能够得到多目标优化问题的Pareto优化解和Pareto前沿。和固定权系数相比,这种方法能够找到非凸均衡面上所有的Pareto最优解。采用TOPSIS法进行多属性决策(MADM)研究,对Pareto最优解给出排序。针对船舶概念设计阶段主尺度确定过程的多目标优化问题,给出了一艘散装货船两个优化目标的数值算例。计算结果表明,随机加权和方法可以求出多目标Pareto最优解集,和先验加权方法相比,随机加权方法能为设计者提供更多的选择;和遗传算法相比,现在的方法简便且精度良好。     

基于多目标粒子群算法的船舶主尺度优化设计研究

粒子群优化是一种新兴的进化计算技术。文章基于多目标粒子群优化算法讨论了船舶主尺度论证中的多目标优化和决策问题。对于多目标优化问题,采用基于Pareto占优方法的多目标粒子群算法得到最优解,然后采用距离理想解最近的方法对这些Pareto最优解给出排序。应用文中给出的两个阶段求解方法,对散装货船概念设计阶段主尺度确定的问题进行了分析。结果表明,综合多目标粒子群优化和决策技术,能够迅速、客观地选择合理的船舶主尺度,可以给设计人员提供更多的选择。这种综合方法也能够广泛用于船舶其他设计领域。     

基于多目标粒子群算法的动力吸振器参数优化和决策研究

动力吸振器在船舶领域得到广泛应用.在船舶振动控制中需要寻找吸振器的最优参数,即最优频率比、最优阻尼比和最优质量比,使得结构在不同的频率激励下获得最好的减振效果.本文将基于多目标粒子群算法的优化技术与多属性决策方法联合运用,针对主系统存在阻尼的减振系统,研究了动力吸振器参数优化和决策问题.对于多目标优化问题,采用多目标粒子群算法(α-MOPSO)求出Pareto最优解,基于熵方法得到属性权重,用逼近理想解的排序方法(TOPSIS)对Pareto最优解给出排序.文中给出了4个设计参数、2个目标函数的动力吸振器优化设计算例.计算结果表明,文中提出的联合方法能够有效应用于动力吸振器的参数优化.