改进蚁群算法的船舶纵向运动参数辨识方法研究

船舶的工作环境十分复杂,纵向运动参数辨识可以保证船舶的正常航行,避免意外事故的发生。针对当前船舶纵向运动参数辨识方法存在难以找到全局最优值、参数搜索精度低等不足,设计了基于改进蚁群算法的船舶纵向运动参数辨识方法。首先对船舶纵向运动特点进行分析,将船舶纵向运动参数辨识看作是一个非线性优化问题,然后结合船舶纵向运动参数初始化蚁群种群,并通过模拟蚁群的搜索食物机制对船舶纵向运动参数最优解进行查找,当达到最大迭代次数时,得到了最优船舶纵向运动参数,最后对船舶纵向运动参数辨识方法的性能进行测试,改进蚁群算法可以得到高精度的船舶纵向运动参数辨识结果,船舶纵向运动参数辨识误差控制在有效范围内,验证了本文方法的有效性,并与其他船舶纵向运动参数辨识方法进行对比测试,本文方法的船舶纵向运动参数辨识更优,验证了本文方法的优越性。     

基于分阶段粒子群优化算法的船舶横向运动水动力参数辨识

提出了一种基于分阶段粒子群优化算法的船舶横向运动参数辨识问题。针对船舶横向水动力参数多、参数之间耦合度高的特点,提出了一种计算参数敏感性系数的方法,并依据敏感性系数对参数进行了分类,采用分阶段粒子群优化算法对参数进行辨识。对船舶横向运动参数辨识问题的求解结果表明,该算法能够快速地辨识出满足精度要求的船舶横向运动参数,验证了算法的有效性。     

蚁群算法在巡航导弹航路规划中的应用

针对巡航导弹的航路规划问题,提出了一种应用蚁群算法在连续空间中的航路搜索方法,并进行了仿真验证.建立了将数字地图和战场环境信息转化为航路搜索空间的航路代价模型,通过一元多项式函数逼近航路的水平投影将航路搜索问题转为求解连续空间优化问题,而后将蚁群算法拓展到该问题的求解.仿真表明,蚁群算法可以在连续空间的航路规划中得到较好的搜索效果.     

基于改进粒子群优化算法的船舶纵向运动参数辨识

针对粒子群优化算法易于陷入局部最优的缺点,提出了一种改进的粒子群优化算法,并将改进的算法应用到船舶纵向运动模型的参数辨识.对辨识结果进行了验证,表明,利用改进的粒子群优化算法有较快的收敛速度和稳定性,辨识获得的水动力参数计算的结果误差均在允许范围内,得到的纵向运动的状态参数与理论观测值吻合度较高,辨识算法有效可行.     

基于改进粒子群优化算法的船舶纵向运动参数辨识

针对粒子群优化算法易于陷入局部最优的缺点,提出了一种改进的粒子群优化算法,并将改进的算法应用到船舶纵向运动模型的参数辨识。对辨识结果进行了验证,表明,利用改进的粒子群优化算法有较快的收敛速度和稳定性,辨识获得的水动力参数计算的结果误差均在允许范围内,得到的纵向运动的状态参数与理论观测值吻合度较高,辨识算法有效可行。     

基于改进混沌优化算法的船舶综合负荷模型参数辨识

参数在线辨识是目前电力系统负荷建模的主要手段,而在辨识方法上主要使用了优化类算法.首先改进以往混沌优化算法的流程,增加参数搜索范围自动缩小的功能,减少一次混沌序列生成的步骤.对测试函数的优化结果表明改进算法在保证精度的基础上大大提高了寻优速度.然后,将该改进算法应用到了船舶综合负荷模型的参数辨识上,仿真结果说明该算法寻优速度快,并且有良好的辨识精度.通过对仿真结果的分析指出,对于负荷模型参数辨识,合理缩小参数寻优范围有助于提高算法的精度.     

基于云的粒子群算法在船舶工程中的研究

船舶的运动情况对于船舶航行的安全非常重要。本文利用船舶纵向运动微分方程获得辨识参数,通过云的粒子群算法进行参数优化,最后进行实验仿真,实验结果表明了此算法能够较为精准的描述出船舶的纵向运动情况。     

云自适应粒子群优化算法在船舶纵向运动参数辨识中的应用

为解决粒子群算法存在的易收敛于局部最优的问题,提高算法的精度和速度,本文提出云自适应粒子群优化算法,并将该算法应用于船舶纵向运动参数识别模型中,经过辨识得到的船舶纵向运动参数的误差值在允许范围内,且状态参数和理论值具有较高吻合度。     

控制船舶轴系纵向振动的动力吸振器参数优化研究(英文)

在船舶轴系中安装动力吸振器是减小船舶轴系纵向振动的有效方法,而动力吸振器的参数合理优化配置是控制轴系纵向振动的重要手段。将船舶轴系等效为多自由度系统,基于有限单元法建立船舶轴系纵向振动运动模型,并通过加装动力吸振器用于控制船舶轴系纵向振动。运用重分析方法求解轴系运动方程得到推力轴承处的力传递率和能量传递率,将二者作为评价动力吸振器对轴系振动控制效果的指标。在研究轴系响应频率范围内,提出将求解全局最优解较强的遗传算法与多目标优化算法相结合以优化动力吸振器参数;并且研究特定共振峰消减的参数优化问题。最后通过算例,比较不同目标函数以及动力吸振器不同安装位置对轴系纵向振动控制的影响,验证文中优化算法的可行性。     

基于改进混沌优化算法的船舶综合负荷模型参数辨识

参数在线辨识是目前电力系统负荷建模的主要手段,而在辨识方法上主要使用了优化类算法。首先改进以往混沌优化算法的流程,增加参数搜索范围自动缩小的功能,减少一次混沌序列生成的步骤。对测试函数的优化结果表明改进算法在保证精度的基础上大大提高了寻优速度。然后,将该改进算法应用到了船舶综合负荷模型的参数辨识上,仿真结果说明该算法寻优速度快,并且有良好的辨识精度。通过对仿真结果的分析指出,对于负荷模型参数辨识,合理缩小参数寻优范围有助于提高算法的精度。