船舶物流路径规划的数学模型构建及求解

船舶物流路径规划的研究具有十分重要的经济价值,当前船舶物流路径规划方法无法找到最优的船舶物流路径规划方案,使得船舶物流运输的成本过高,为此本文设计了基于蚁群算法和粒子群算法的船舶物流路径规划方法。首先分析船舶物流路径规划研究的历史,建立船舶物流路径规划的数学模型,然后采用粒子群算法对船舶物流路径规划的数学模型进行求解,找到有效的船舶物流路径规划方案集合,并在此基础上采用蚁群算法对船舶物流路径规划方案集合进行搜索,找到最优的船舶物流路径规划方案,最后与单一蚁群算法、粒子群算法进行了船舶物流路径规划问题求解的仿真实验。本文方法避免了单一蚁群算法、粒子群算法求解速度慢,难以找到最优船舶物流路径规划方案不足,得到的船舶物流路径规划方案可以帮助企业节约物流运输成本。     

粒子群算法的最小阻力船型优化研究

阻力是船舶最重要的性能之一,阻力最小是构建船型的首先目标,当前最小阻力船型优化方法存在阻力大等缺陷,为了得到最小阻力的船型,设计基于粒子群算法的最小阻力船型优化方法。首先对当前最小阻力船型优化研究现状进行分析,并建立了最小阻力船型优化的数学模型,然后采用粒子群算法对最小阻力船型优化的数学模型进行求解,找到最小阻力船型优化方案,最后通过与其它方法进行最小阻力船型优化仿真测试,结果表明,相对其它最小阻力船型优化方法,粒子群算法可以更快找到最小阻力船型优化方案,最优船型的阻力大幅度下降,可以应用于实际的最优船型设计中。     

船舶电网系统状态评估研究

常规电网系统状态评估方法能够对路基300 MW以下的电网系统状态做出正确评估,但针对船舶电网系统状态评估时,存在评估运行可靠性较低的问题,为此提出船舶电网系统状态评估研究。搭建状态评估模型框架,导入状态评估算法,完成船舶电网系统状态评估模型的构建;确定船舶电网系统状态监测区间,并对监测参数数据进行处理,实现船舶电网系统状态评估研究。试验数据表明,提出的船舶电网系统状态评估方法较常规电网系统状态评估方法,评估运行可靠性提升37.89%,适合对船舶电网的系统状态评估。     

粒子群算法在船舶电网系统中的应用

介绍粒子群算法的原理,并根据算法中的问题,改进粒子群算法,将自适应粒子群优化算法应用于船舶电网系统中。对自适应粒子群优化算法中的参数进行调整和变异,增强了种群全局寻优的速度和精度。最后将此算法应用于船舶电网系统的无功优化中,并通过对比实验说明本文所采用的算法在稳定系统电压方面效果明显。     

基于量子粒子群算法的船舶电力系统网络重构

船舶电力系统网络重构可以看作为一个多目标、多约束、多时段、离散化的非线性规划最优问题。根据船舶电网结构的特点,提出了运用量子粒子群算法解决重构问题的思想。加入量子粒子群算法的离散化操作,使之能够满足船舶电网重构模型的要求。仿真结果说明该算法能够得出船舶电力系统网络重构的全局最优解,实现了网络重构最优,并且通过相应的算例与其他优化算法进行横向比较的结果也验证了量子粒子群算法有更好的可行性。     

多Agent粒子群算法在船舶电力网络重构中的应用

根据船舶电力系统自身所具有的特点,结合智能控制算法以及多Agent技术在电力系统的应用,本文提出了一种基于粒子群算法的多Agent船舶电力系统网络重构思想,建立一种与之符合的拓扑模型以及数学模型。在粒子群法的基础上,给出多Agent系统的全局最优解,实现网络重构供电最优,并通过相应的算例进行验证分析。     

利用多Agent算法进行船舶电力系统网络重构模型研究及仿真

船舶电力系统(SPS)的网络重构通常用于船舶电网的输配电,故障恢复等,是一种重要且常用的电网控制技术。船舶电力网络重构可以被抽象为具有多目标和多约束的典型非线性离散优化问题。本文根据SPS的特点,建立SPS的简化网络模型和重构数学模型。提出一种多代理和粒子群优化(MAPSO)算法,给出该算法的算法流程和实现方法。分析验证结果表明,MAPSO可以有效重构船舶电力系统。     

利用混沌粒子群算法进行船舶多模型自适应观测器参数寻优

通过混沌粒子群算法,人们能够对各种复杂的配电网状态进行监控和分析,同时为网络负载的分配提供必要的参数优化,因此在船舶多模型自适应观测器中,采用混沌粒子算法的优化算法具有很大的现实意义。本文首先建立混沌粒子群的观测器模型,然后根据各种船舶故障发生的特点,设计不同状态下的参数优化算法,最后通过对观测器相关参数的仿真,得到船舶模型承受的负载和压力参数仿真结果。     

船舶电力系统配电网故障恢复重构算法研究

配电网故障恢复重构问题是船舶电力系统中一个多目标、多约束的优化问题,针对当前算法存在配电网故障恢复精度低的缺限,提出了改进粒子群算法的船舶电力系统配电网故障恢复重构策略,首先建立配电网故障恢复重构问题的数学模型,然后采用改进粒子群算法进行求解,最后进行了船舶电力系统配电网故障恢复的仿真实验,结果表明,改进粒子群算法提高了配电网故障恢复重构精度,加快了配电网故障恢复重构速度,而且综合性能要明显优于其它配电网故障恢复重构算法,船舶电力系统具有重要的实际应用价值。     

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。     

船舶航向非线性控制的数学模型与分析

传统的船舶航向控制模型存在着航向控制精确度的缺陷,为此提出船舶航向非线性控制数学模型研究与分析。建立船舶航向分析坐标系对船舶航向参数进行确定,根据确定的参数建立船舶航向非线性运动数学模型,以上述模型为基础采用粒子群算法对船舶航向非线性控制程序进行编写与执行,实现了船舶航向非线性控制数学模型的建立。通过实验得到,建立的船舶航向非线性控制数学模型航向控制精确度比传统模型高出30.8%,说明建立的船舶航向非线性控制数学模型具备极高的有效性。     

基于云模型的舰船动力定位控制系统设计

船舶动力定位控制是保证船舶平稳运行的关键。本文首先研究了云模型理论,对云模型控制进行深入分析,在船舶动力定位系统数学模型和云模型的基础上,建立了动力定位云模型控制器,并且利用基于遗传算法的粒子群算法进行控制因子的优化,最后进行控制系统仿真,实验结果表明,本文算法能够对船舶动力定位起到很好的控制作用。     

惯性粒子算法在船舶电力网络重构中的应用

海上船舶电力系统在出现故障无法供电时会导致船舶难以行驶与无法作业,必须在此情况下对电力网络结构进行重新构建,确保重要功能部件的恢复正常供电。为实现船舶电力网络的重构,本文对船舶上配置的一种电力网络的结构形式进行分析,并据此研究在电力故障时实现网络的重构数学模型。基于经典粒子群算法分析研究惯性加权粒子群算法在电力网络重构上应用。最后,以一种电力网络拓扑形式为仿真对象,对本文算法在电力网络重构进行实验,结果证明惯性粒子群算法能够构建合理的电力网络重构方案。     

海上船舶行驶避碰策略研究

设计合理的船舶行驶避碰策略对于保证船舶安全行驶具有重要的现实意义。本文研究船舶运动参数、船舶碰撞危险度以及适应度函数,最后通过粒子群算法、改进的混沌粒子群算法和免疫粒子群算法进行海上船舶行驶避碰仿真,确定切实可行的海上船舶行驶避碰方案。     

船舶电网重构网络中的粒子群算法研究

船舶电网重构是船舶电网控制的重要功能之一。本文在深入研究船舶电网结构和需求的基础上,提出一种有效的电网重构方法。选择粒子群算法(Selective Particle Swarm Optimization,SPSO)作为电网重构的优化方法,并将最小化电网重构的功率损失作为优化目标。选择粒子群算法是二分粒子群算法(BPSO)的改进方法,相比于BPSO,本文采用的SPSO能够实现更好的优化性能。最后在多种不同电网负载情况下,比较SPSO和BPSO算法的网络重构效果,证明本文提出的方法具有较好的性能。     

船舶航线规划数学建模及求解的人工智能算法

航线规划结果优劣直接影响船舶航行的安全以及成本,而当前船舶航线规划算法存在难以获得最优规划方案的缺陷。以获得理想的船舶航线规划方案为目标,提出一种人工智能算法的船舶航线规划方法。首先分析船舶航线规划研究的进展,设计船舶航线规划的约束条件,并建立船舶航线规划的数学模型,然后采用人工智能算法中的遗传算法模拟适者生存机制对船舶航线规划的数学模型进行求解,最后进行了船舶航线规划仿真实验。结果表明,人工智能算法能够在短时间内搜索到最优的船舶航线规划方案,相同条件下,相对于其他算法,不仅可以提高找到最优船舶航线规划方案的成功率,而且搜索到的船舶航线规划方案具有十分显著的优越性。     

船舶电网系统三维点云数据聚类提取分析算法

船舶电网系统结构直接对船舶电力系统运行的稳定性和可靠性产生影响,船舶航行过程中经常出现供电不足等问题,严重威胁船舶航行安全。为解决上述问题,采用三维点云数据聚类算法对船舶电网运行状态和可靠性进行评估计算,并结合可靠性评估计算结果对船舶配电系统结构进行优化设计,将船舶电网系统中的电缆设计为环状结构辐射网,以便保障电力系统运行效果。为了对船舶电网系统三维点云数据聚类提取分析算法的准确性进行检测设计了仿真实验,实验结果证实,三维点云数据聚类提取分析算法可更好的提高船舶电力系统的运行效果,保障船舶航行安全     

模型参数辨识在运动控制仿真系统的应用

船舶运动控制仿真系统是船舶开发过程中的辅助系统,能够模拟船舶在多种激励下的运动状态,有助于提高船舶运动控制系统的设计水平。本文研究的重点是一种模型参数辨识技术在船舶运动控制仿真系统的应用,本文首先建立了船舶运动仿真力学模型,利用基于粒子群算法等数学算法,针对船舶运动控制仿真系统的参数辨识等进行了优化与仿真试验。     

大数据背景下的船舶管理风险评估

船舶安全管理工作对于保障船舶安全航行起着十分重要的作用,传统方法如层次分析法、模糊评估法难以对船舶的管理风险进行科学的评价。为了提高船舶的管理风险评估精度,构建了粒子群算法优化RBF神经网络的船舶管理风险评估方法,首先利用粒子群算法对RBF神经网络的参数进行优化,然后利用优化的RBF神经网络对船舶管理风险进行评估,最后进行仿真测试,实验结果表明,本文方法的评估精度比对比方法的评估精度更高,同时耗时更少,可以满足对船舶的风险进行实时监控与管理。     

基于改进离散粒子群算法的选星模型

针对现有的天文航海技术存在的不足之处,设计基于离散粒子群的船舶定位选星模型。运用Open GL对索星卡可视化,依据The Nautical Almanac进行后台数据库搭建;根据选星要求建立选星数学模型,通过改进的离散粒子群算法优化模型得出最优的3颗恒星;利用仿真试验来验证该方法的可行性和有效性。仿真结果表明该系统在天文航海中具有一定的使用价值。