基于ASAE深度学习预测海洋气象对船舶航速的影响

为了有效地预测海洋气象对船舶航速的影响, 在稀疏自编码(SAE) 网络模型的基础上提出交替稀疏自编码(ASAE) 网络模型; 构建了海洋气象对船舶航速影响的预测框架, 利用关联规则方法对航行数据进行特征选择, 挖掘了船速影响因素及其隐含关系; 整合了中国远洋海运集团有限公司提供的船舶航行数据以及美国国家海洋和大气管理局提供的气象数据, 用训练样本对ASAE网络模型进行训练, 用测试样本对ASAE网络模型进行验证, 并与支持向量回归(SVR) 模型、反向传播神经网络(BPNN) 模型、深度信念网络(DBN) 模型及SAE网络模型的预测结果进行了对比。研究结果表明: ASAE网络模型的训练时间和海洋气象对船舶航速影响预测值的均方根误差分别为8.2s和0.287 3kn, 与SVR模型、BPNN模型、DBN模型及SAE网络模型相比, 训练时间分别缩短了1 683.1、66.9、2.0、1.5s, 预测准确度分别提高了0.045 5、0.296 9、0.153 4、0.178 6kn; ASAE网络模型的预测结果更符合实际海况, 可动态掌握海洋气象对船舶航速的影响; 通过预测的航速影响值来推算实际航速可为气象导航优化船舶运输过程起到辅助作用, 在进行航线规划、航速推荐等航行优化策略时能准确考虑海洋气象所产生的复杂影响, 从而改善船舶运营能效指标, 实现节能、低碳、绿色航行的宗旨。      

考虑航艏向与数据变化差异的船舶轨迹预测

船舶自动识别系统(Automatic Identify System,AIS)数据可以实时体现船舶当前时刻的具体动态,采用传统BP(Back Propagation)神经网络模型的船舶轨迹分析预测方法,在计算中直接将航艏向数据纳入模型,没有考虑船舶航艏向在零度附近变动时带来的实际方向变动幅度与数据变化幅度存在较大偏差问题。为解决该问题,在BP神经网络基础上,引入双三角函数变换,同时将正弦值与余弦值纳入模型,将两者相结合,从两维度体现航艏向情况;在拟合预测后进行反三角函数变换和平均处理,构建一种基于改进神经网络算法的船舶AIS轨迹预测模型。选取实例数据进行模型验证,实例结果表明,该模型预测结果比不考虑差异方法的误差均方差更小,大幅降低误差幅度,可更精确地预测船舶轨迹。     

基于遗传算法(GA)优化BP神经网络的船舶交通流量预测

为了提高船舶交通流量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型.该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值.以青岛港2011—2019年船舶交通流量统计数据为例,进行仿真实例验证.结果表明,与传统的BP神经网络相比,该模型能显著地提高船舶交通流量的预测精度,用于预测船舶交通流量具有一定可行性.     

考虑航速优化的班轮航线网络设计

航速大小对于班轮的航线设计、配船类型和数量,以及货物的选择都会产生影响,本研究将航速作为变量,以总利润最大为目标,建立了班轮航线网络设计的非线性混合整数规划模型.根据模型的特点,提出一种基于变动需求的启发式算法,将模型进行分解和转化.通过算例的计算及与其他方法的对比表明,本研究方法能得到更优的航线网络.另外,当市场需求、运价和燃油价格等因素变化时,采用本研究的模型和算法,能对航线网络进行更有效地调整.     

船体结构快速建模系统研究

通过对数字建模技术的研究,基于现代船舶设计方法,提出以类库表达为基础,以模块化设计为手段的船体结构快速建模方法.在此基础上开发了原型系统,将程序的集中控制能力、数据库的集成管理能力和数字化设计相结合,实现了全船结构数字化模型的快速建立和修改,获取此过程中的生产设计信息,可应用于船舶设计、制造、运营的各阶段.     

基于模糊神经网络的穿浪双体船摇荡运动预报

根据穿浪双体船船型特点与实际海况,针对船舶运动特点,基于切片理论建立并计算船舶运动模型方程,结合模糊神经网络建立运动模型,提出一种线性神经网络结构,有效地解决非线性问题并预报各方向上的摇荡运动.通过一个具体算例模拟仿真验证该方法的实用性和可靠性.     

搭接网络技术在铁路铺架工程中的应用

运用搭接网络技术，全面考虑了铁路铺架工程中轨和梁的生产，运输，铺架等各项工作，建立统一的网络进行计划。通过实例证明此方法可优化施工方案，提高铺架工作效率。     

集装箱船舶支线运输航线优化算法

以枢纽港船舶限制时间和支线船舶容量为基础,分析了轴-辐式网络运输模式。以船舶最小总航行时间为目标函数,建立了混合整数规划支线集装箱运输模型。通过设计巡回路线方法实现杂交和变异,更新了解的构成,运用遗传算法求解模型。计算结果表明:当船舶容量为150 TEU时,在160次迭代后,总航行时间为708.6 h,航线数量为8条;当船舶容量分别为100、150 TEU时,在150次迭代后,总航行时间为714.6 h,航线数量为9条;对枢纽港船舶限制时间和支线船舶容量进行方差分析,F检验统计量的概率值均明显小于0.05;对支线船舶容量和运营成本进行敏感性分析,增大船舶容量能够减小航线数量和运行时间,但增大了运营成本,增大枢纽港船舶限制时间能够减小航线数量;考虑航行时间和运营成本,当船舶容量为150 TEU时最合理。     

船撞桥最小二乘支持向量机预测方法

为了提高桥梁与桥区通航船舶的安全性,提出了一种船撞桥概率智能预测方法.以桥墩跨径、水流速度、水流方向与桥墩连线法线方向夹角以及航道弯曲度为系统输入,以单航次船撞桥事故率为系统输出,应用最小二乘支持向量机进行了船撞桥概率估算.结合实际航道,选择了长江和黑龙江上12座桥梁的洪水期、中水期和枯水期3个时段的样本数据进行验算,并与神经网络船撞桥概率估算结果进行对比.对比结果表明:支持向量机方法能准确地预报船撞桥概率,具有全局最优解,并且收敛性和学习效率均优于神经网络.     

船舶设备风险估计模型探讨

随着船舶设备运行状况复杂化程度越来越明显,风险估计已成为船舶设备管理的一个重要组成部分,但目前完整的船舶设备风险标准和评估体系尚未形成.为此,基于单一设备风险分析,建立了船舶设备总体风险因素指标体系.同时,基于人工神经网络强大的学习能力及任意逼近特性,建立了基于BP神经网络的船舶设备风险估计模型.算例验证表明,该模型实用性强,获得的船舶设备总体风险等级值能够作为采取风险控制措施的依据.     

基于RBF网络的醋酸乙烯聚合率软测量研究

针对目前聚乙烯醇生产过程中醋酸乙烯（VAC）聚合率难以在线检测的情况,提出利用RBF神经网络建立VAC聚合率软测量模型,并运用大量实测数据对RBF神经网络进行了训练和仿真．仿真结果表明该方法是有效的,所建模型具有较高的精度和良好的泛化能力．     

Minimum resistance ship hull uncertainty optimization design based on simulation-based design method

In the ship hull optimization design based on simulation-based design (SBD) technology, low precision of the approximate model leads to an uncertainty form of optimization model. In order to enable the approximate model with finite precision to maximize the effectiveness, uncertainty optimization method is introduced here. Wave resistance coefficient approximation model, built by back propagation (BP) neural network, is represented as a form of interval. Afterwards, a minimum resistance optimization model is established with the design space constituted by principal dimensions and ship form coefficients. Double-level nested optimization architecture is proposed: for outer layer, improved particle swarm optimization (IPSO) algorithm with learning factor improvement strategy is used to generate design variables, and for inner layer, modified very fast simulated annealing (MVFSA) algorithm is used to solve the objective function interval with uncertainty region. Cases calculation proves the effectiveness and superiority of uncertainty optimization method for ship hull SBD optimization design, thus providing a good way for finding optimal designs.     

Design and implementation of an expert system for remote fault diagnosis in ship lift

In this paper an expert system for remote fault diagnosis in the ship lift was developed by analysis of the fault tree and combination with VPN. The fault tree was constructed based on the operation condition of the ship lift. The diagnosis model was constructed by hierarchical classification of the fault tree structu~, and the inference mechanism was given. Logical structure of the fault diagnosis in the ship lift was proposed. The implementation of the expert system for remote fault diagnosis in the ship lift was discussed, and the expert system developed was realized on the VPN virtual network. The system was applied to the Gaobaozhou ship lift project, and it ran successfully.     

集装箱船舶贝内配载和堆场装船顺序协调优化

针对集装箱船舶贝内配载和堆场装船顺序协调优化问题，以堆场贝位和船舶贝位翻箱次数之和最小为优化目标，考虑堆场装船要求和船舶适航性等多种约束条件，建立数学模型. 鉴于问题的NP特性，提出混合演化策略算法(HES)求解模型，设计二维实数编码，提出基于力矩平衡和逐列装载的解码方法. 基于三点交叉互换的重组算子，单点突变的变异算子和互换的局部搜索策略对算法进行改进. 通过计算证明，对不同规模算例，HES算法均能求解出较优的贝内配载方案和堆场装船顺序.HES 算法与传统演化策略算法(ES)、粒子群算法 (PSO)、基于规则的启发式算法(HA-MBSCC)进行对比，进一步验证了算法的优越性.     

集装箱船舶贝内配载和堆场装船顺序协调优化

针对集装箱船舶贝内配载和堆场装船顺序协调优化问题，以堆场贝位和船舶贝位翻箱次数之和最小为优化目标，考虑堆场装船要求和船舶适航性等多种约束条件，建立数学模型. 鉴于问题的NP特性，提出混合演化策略算法(HES)求解模型，设计二维实数编码，提出基于力矩平衡和逐列装载的解码方法. 基于三点交叉互换的重组算子，单点突变的变异算子和互换的局部搜索策略对算法进行改进. 通过计算证明，对不同规模算例，HES算法均能求解出较优的贝内配载方案和堆场装船顺序.HES 算法与传统演化策略算法(ES)、粒子群算法 (PSO)、基于规则的启发式算法(HA-MBSCC)进行对比，进一步验证了算法的优越性.     

规则波中船舶复原力变化计算

基于切片理论,利用3个坐标系之间的转换关系,建立了任意规则波中重力与浮力平衡及纵倾力矩为零的瞬时静平衡方程,提出了任意规则波中船体各横剖面左右舷与波面一组或多组交点的求法及各浸水剖面面积的通用计算法;基于Froude-Krylov假说研究了规则波中船舶的复原力变化.通过对一艘油船的各种瞬时状态的计算,得到波浪中船舶的复原力变化特性.计算结果表明船-波相对位置是影响波浪中复原力变化的一个至关重要因素,且波浪中船舶复原力在横倾大角度时表现出明显的非线性.     

基于人工神经网络的船舶操纵运动仿真

探讨神经网络技术在船舶操纵运动仿真领域的应用,构造一种网络结构和训练方法,验证船舶操纵指令与船舶运动态势参数映射的可行性,并构建了基于典型BP神经网络模型的操纵运动仿真系统.     

基于Darknet框架下YOLO v2算法的车辆多目标检测方法

针对道路车辆目标检测传统方法需随场景变化提取不同特征, 检测率较低与鲁棒性差的问题, 提出了一种基于Darknet框架下YOLO v2算法的车辆多目标检测方法; 根据目标路段场景与车流量的变化对YOLO-voc网络模型进行改进, 基于ImageNet数据集和微调技术获得分类训练网络模型, 对训练结果和车辆目标特征进行分析后进一步调整改进的算法参数, 最终获得更适合于道路车辆检测的YOLO-vocRV网络模型下车辆多目标检测方法; 为验证检测方法的有效性和完备性, 采用不同车流密度进行了车辆多目标检测试验, 并与经典YOLO-voc、YOLO9000模型进行了对比; 采用改进YOLO-vocRV网络模型, 选取20 000次迭代, 分析了多目标检测结果。试验结果表明: 在阻塞流样本条件下, YOLO9000网络模型检测率为93.71%, YOLO-voc网络模型检测率为94.48%, 改进YOLO-vocRV网络模型检测率达到了96.95%, 因此, 改进网络模型YOLOvocRV检测率较高; YOLO-vocRV模型精确度和召回率均聚集在0.95, 因此, 在获得较好精确度的条件下损失的召回率明显较小, 达到了很好的折中; 采用混合样本训练后, 基于YOLO-vocRV模型的车辆多目标检测方法的检测率在自由流状态下可达99.11%, 同步流状态下可达97.62%, 阻塞流状态下可达到97.14%, 具有较小的误检率和良好的鲁棒性。      

双桨双舵船舶操纵性预报研究

采用MMG数学模型，结合双桨双舵船舶的水动力性能特点，建立了双桨双舵船舶在静水中水平面上的操纵运动模拟模型，应用该模型对一艘双桨双舵船舶在满载条件下的定常回转试验、Z形试验和紧急停船试验进行了数值模拟，得到了表征船舶操纵性的指标．通过将预报的操纵性指标和IMO提出的操纵性标准进行比较，实现了对该船操纵性的定性预报．     

基于AIS数据的船舶安全航行水深参考图

通过挖掘海量AIS数据, 提出了一种新的航道水深信息获取方法, 即构建船舶安全航行水深参考图; 采用数据预处理的方法对历史与在线的AIS数据进行清洗和修补, 生成船舶运动轨迹; 选定船舶航行区域的时间与经纬度, 采用K-means聚类算法对船舶航行过程中的吃水数据进行聚类分析, 得到不同安全航行区域的船舶分类, 运用BP神经网络模型预测并补齐AIS数据中缺失的船舶最大吃水信息; 分割船舶历史轨迹, 当子轨迹的时间间隔在10~20min时, 采用Spline插值方法对船舶轨迹中的丢失数据进行插值; 采用凸包构建同类船舶的安全航行水深区域图, 将不同吃水类型船舶的安全航行水深区域图合并, 得到船舶安全航行水深合并图; 将不同吃水类型的船舶安全航行水深合并图与航道图叠加, 得到船舶安全航行水深参考图。试验结果表明: 当聚类算法参数设置为4时, 聚类后得到4类船舶, 对应的船舶最大吃水范围分别为0.1~4.8、4.8~6.6、6.6~10.0、10.0~13.0m, 对应的至少可通航船舶吃水分别为1.8、2.4、3.3、5.0m, 说明船舶最大吃水与至少可通航船舶吃水呈正相关关系; 构建的船舶安全航行水深参考图在电子航道图中覆盖了86%的航道, 并与航道图的深水部分重合率为80%, 因此, 构建的船舶安全航行水深参考图能反映航道水深的真实情况, 满足不同类别船舶的导航需求。