PSO优化灰色Verhulst模型用于研制经费投资决策

针对新型装备研制经费投资分析问题,基于研制经费的数据特点和变化趋势特征以及灰色系统理论的独特优势,提出采用灰色Verhulst模型用于新型装备研制经费的投资分析。考虑到传统Verhulst模型中基于最小二乘的参数估计方法对年度投资变化较大时所出现的不适应性,提出采用粒子群优化(particle swarm optimization,PSO)算法优化模型参数,进而确定对新项目的年度经费投资额。应用分析表明,灰色Verhulst模型能较好适应数据的变化规律,同时基于PSO算法的参数优化方法较最小二乘法能得到更好地结果,可以用于指导研制经费的进度付款和合同签订。     

船用中速柴油机故障诊断技术研究

为了提高船舶柴油机故障诊断的准确性,实现对故障的精准定位,文章以6DE-18型船用中速柴油机为研究对象,从故障产生的机理入手,采用仿真软件建模,选取具有代表性的热力参数作为特征值,运用粒子群算法优化的支持向量机数学模型(PSO-SVM)进行故障诊断,并通过试验验证该故障诊断的准确性,改进了船用中速柴油机故障诊断的模式,提高了船舶柴油机的经济性和安全性。     

基于量子粒子群优化算法的无人艇航线规划

针对目前无人艇主流航线规划算法存在效率低、收敛速度慢或易陷入局部最优等问题,文章将具有较强全局搜索能力的量子粒子群优化(QPSO)算法用于求解无人艇最优航线规划并结合人工势场思想进行针对性改进应用,仿真实验结果表明,该方法寻优能力强、收敛速度快、稳定性好,可较好地适用于不同环境下无人艇航线规划。     

高速无人船推进系统控制参数组合优化分析

基于MATLAB建立了高速无人艇智能推进系统仿真和优化分析平台,进行了智能推进系统的实时优化配置与仿真分析讨论.通过对高速无人船艇智能推进系统控制参数的组合优化,选取不同的初始航速进行分析研究,总结了初始航速的不同取值所产生的影响.分析结果有助于对高速无人船艇智能推进系统优化过程中主要影响参数(设计船速V、螺旋桨直径D以及盘面比Ae/A0)的选择,同时对于水面无人船艇智能推进系统的设计也有一定的参考价值.     

水面无人艇艇群技术发展概述

本文分析水面无人艇艇群军事行动需求、国外军事应用的技术现状、与其他无人系统集群技术异同点,重点提出了水面无人艇艇群控制系统总体架构、水面无人艇艇群队形自协同控制技术、基于认知智能的水面无人艇艇群智能决策体系、高度人机协同作业等方面水面无人艇艇群关键技术,对水面无人艇艇群技术研究和发展具有一定借鉴意义。     

基于PSO_SVM模型的水火弯板变形预测研究

近年来,水火弯板加工自动化是船舶制造行业的研究热点和难点。由于影响钢板变形结果的参数之间复杂的非线性关系,导致水火弯板变形预测不能够快速准确的实现。支持向量机(SVM)具有良好的泛化能力,将其应用于水火弯板变形预测,可有效解决非线性、小样本、高维数等问题。支持向量机性能的好坏取决于其参数的选取,本文选用粒子群算法(PSO)来优化SVM的相关参数,并将预测结果和传统的支持向量机模型的预测结果进行对比分析。结果表明,PSO_SVM模型用于水火弯板变形预测可以较好地提高预测精度。     

普通双体无人艇艇型综合优化设计分析

本文基于一艘典型的单体试验艇(长宽比约为11∶1),在单体试验艇艇型参数基础上考虑其综合性能(快速性、操纵性)进行双体无人艇的艇型综合优化设计分析。讨论不同子目标函数的分配权重时,优化结果随着不同遗传代数的变化,根据优化计算得到了设计排水量100 t的包括低、中和高速双体无人艇的9组最优化结果。根据优化结果得到遗传算法的收敛代数,分析子目标函数关于吃水敏感度,并探讨影响操纵性性能的艇型瘦长度和艇型中纵剖面投影的关系。运用单体艇进行双体无人艇的优化设计办法可为相似的无人艇性能优化设计提供参考,得到的9组优化结果可用于今后加入更多性能指标进行优化提供对比分析。     

改进自适应惯性权重粒子群算法及其在核动力管道布置中的应用北大核心CSCD

[目的]旨在研究非线性自适应惯性权重粒子群优化算法,实现船用核动力一回路系统管道路径的布置优化设计。[方法]根据船用核动力一回路系统的管道布局设计特点,建立一回路系统的管道布局空间模型、约束条件和评价函数;基于管道节点数量,提出一种粒子群优化(PSO)算法的新型定长编码方法,然后结合该编码方法建立方向引导机制;在此基础上,针对粒子群优化算法易陷入局部最优解、收敛速度慢的缺点,结合辅助线性变化的学习因子,提出一种基于非线性自适应惯性权重的改进粒子群优化算法;将改进粒子群优化算法与协同进化算法相结合,提出一种用于求解分支管道布局问题的协同进化粒子群优化算法,以用于核动力一回路系统的管道布局优化。[结果]仿真结果显示,所提的改进算法与标准算法相比收敛速度提高了40%~50%,不仅能够得到更好的管道布局效果,还解决了标准粒子群优化算法容易陷入局部最优解的问题。[结论]研究成果可为船用核动力一回路系统管道布置的优化设计提供有益的参考。     

基于几何力学的水面无人艇艇群控制技术

本文介绍美国水面无人艇艇群技术发展现状提出水面无人艇艇群系统发展需求,分析基于几何力学的水面无人艇艇群控制总体架构与方法。该方法具有无坐标选取的奇异性、可利用对称性进行约化降维等优势,有效降低复杂刚体运动系统维度,解决了面向多节点、复杂不确定干扰环境的水面无人艇艇群的复杂非线性系统控制问题,对水面无人艇艇群协同控制技术研究和发展具有一定借鉴和参考意义。     

基于LSTM-PSO-SVM的船用LNG双燃料发动机故障预测

针对船用LNG双燃料发动机设备复杂,故障预测效率低、准确度差的问题,提出一种长短期记忆网络与改进粒子群优化算法优化支持向量机融合的预测模型。利用LSTM模型时间序列变化的能力对设备未来的运行状态进行预测,然后采用非线性自适应惯性权重改进PSO算法对SVM参数进行寻优,以提高其寻优能力和收敛速度;改进的LSTM-PSO-SVM融合模型可实现对设备故障状态的快速、准确预测。通过对某船用LNG双燃料发动机的故障预测仿真,结果表明上述模型具有更高的故障识别准确率和更快的识别速度,能够准确预测船用LNG双燃料发动机潜在故障。     

基于支持向量机的船舶柴油机故障诊断

介绍了支持向量机(SVM)的机理,应用SVM对船舶电站主柴油机进行故障诊断,研究了SVM参数的选择方法,仿真结果表明,SVM具有较好的诊断效果和较强的抗噪声能力;对复合故障样本诊断准确度较RBF神经网络高.     

加权支持向量回归算法在运力预测中的应用

支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该技术已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题。近来,SVR方法被引入求解回归和预测问题,并在各领域中得到广泛的应用。本文在分析现有基于高斯核的支持向量回归方法优缺点的基础上,突破目前在构造支持向量机中存在的"所有支持向量与样本之间的在特征空间中的内积所对应的核函数参数一定要相等"的这一思维定势,提出了一种新的算法——"基于高斯核参数加权的支持向量回归机"算法,并将该算法应用在世界散货船队运力预测中。估算结果证明了这种改进的支持向量回归算法在船队运力预测中的有效性和实用性。     

加权支持向量机在机器状态识别中的应用

在机器状态识别中采用加权SVM算法,对类别差异造成的影响进行了相应的补偿,从而提高了小类别的分类精度,这对于需要重点关注小类别精度的应用场合有重要的现实意义,以某减速箱轴承为例,取得了较好的实验结果。     

基于小波和仿射不变矩特征融合的舰船型号识别

针对不变矩对仿射形变目标描述的不足,为提高舰船型号的识别精度,提出一种基于小波和仿射不变矩特征融合的舰船型号识别方法.首先对二值舰船图像进行归一化处理,并分别提取归一化舰船图像的小波矩特征值和仿射不变矩特征值;然后通过计算样本特征均值与标准差的比值,选择出鲁棒性好、稳定性高的特征,通过归一化方法进行融合;最后构造五类舰船的样本集,采用支持向量机(SVM)作为分类器识别测试样本的型号,分析不同矩特征、样本集大小、SVM参数、本文方法对识别精度、稳定性的影响.实验结果表明,文中给出的算法提高了识别精度,并且在训练样本集较小时仍能获得88%以上的识别率.     

基于改进支持向量机(SVM)模型的荆州港吞吐量预测

在编制港口总体规划过程中,港口吞吐量的预测对于提出规划方案至关重要,支持向量机(SVM)方法是港口吞吐量预测较为常见和有效的预测方法。针对港口吞吐量预测影响因素复杂的问题,以荆州港总体规划为实例,研究分析了影响港口吞吐量的主要指标因素。在采用SVM预测方法的基础上,运用遗传算法(GA)、网格搜索算法(GS)对SVM模型主要参数进行优化改进,GA-SVM和GS-SVM模型预测结果都是在支持向量机预测方法的基础上,采用遗传算法和GS方法对支持向量机模型的主要参数进行优化和改进,并用MSE和R2检验了遗传支持向量机和GS支持向量机模型的预测结果。改进后的SVM模型是在当前研究成果基础上提出的一种新港口吞吐量预测方法,可将该模型在港口总体规划工作中进行推广应用。     

支持向量机在船舶电力推进系统故障诊断中的应用

针对人工神经网络收敛速度慢、容易陷入局部最优解等不足,本文采用支持向量机技术建立船舶电力推进故障诊断系统。确定支持向量机的核函数和分类方法,结合训练样本,采用基于网格搜索的K重交叉验证法进行核函数的参数优化,从而得到支持向量机故障诊断模型。利用支持向量机工具箱函数,在MATLAB中进行故障诊断模型的仿真计算,结果表明基于支持向量机所建立的故障诊断模型有较强的诊断准确性和泛化推广能力,从而提高船舶的安全性。     

基于深度学习的水面无人船前方船只图像识别方法

建立基于图像识别系统的水面无人船感知平台，采集内河船舶图片数据库建立船只检测单层多尺度深度学习（Single Shot Multibox Detector，SSD）框架，通过使用预训练模型参数调优并微调分类框架实现较高的内河船舶检测准确度。试验结果表明，不同天气状况下的识别算法的查全率和查准率均能保持在70%以上     

基于视觉伺服的欠驱动无人水面艇自主靠泊方法

无人水面艇在开阔水域的自主航行得到了广泛的应用，但由于码头结构复杂、船只较多等因素，目前无人水面艇的靠泊还是需要人工来完成，这已成为无人水面艇全自主作业的瓶颈问题。为此本文提出了一种基于视觉伺服的无人水面艇自主靠泊方法。首先，通过无人水面艇搭载的视觉系统采集泊位的场景，从中提取出泊位标志物并将其作为视觉跟踪的对象；然后，利用标志物图像和期望图像的几何参数计算出航向偏差角，通过标志物图像计算标志物和无人艇的位置关系并求得虚拟航线，进而得到偏航距离；最后，选取航向偏差角和偏航距离作为控制变量，控制器实时调整无人水面艇航向和航速使其驶向泊位，当标志物图像与期望图像的差值小于设定阈值时即停止自主靠泊任务。实船试验结果表明，在较小风浪条件下靠泊位置误差小于0.7m，航向误差小于12°。     

基于支持向量机的船舶柴油机故障诊断的研究

通过建立VC维统计学习理论,利用数学建模,建立并划分最优超平面以取得支持向量来训练,选取并考虑相关的影响因子以此构建样本数据集,以期对柴油机故障实现精确的诊断;而对于非线性空间情况,可采用核函数的思想来转化为线性空间,以此降低算法的复杂度;通过与人工神经网络方法的比较,表明该方法具有运算速度快,泛化能力强等优点;支持向量机(SVM)可以较好解决柴油机故障诊断中的机器过学习、小样本、高维数、非线性等问题。