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。     

新型云粒子群算法在船舶工程中的应用

船舶工程研究的内容多以工程力学和结构学为主,这些都是比较复杂的问题,尤其是船舶动力,它是造船时需要重点考虑的关键因素之一。在复杂问题的解决中,粒子群算法的效果较好,但由于传统的粒子群算法容易陷入局部最优的情况,所以,需要对算法进行优化。云计算的出现,为粒子群算法的优化提供条件。本文从新型云粒子群算法的实现入手,对该算法在船舶工程中的应用进行论述。结果表明,本文提出的新型云粒子群算法,要优于传统的算法,具有良好的应用价值。     

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。     

基于粒子群算法的船舶定位系统故障优化

船舶的锚泊方式只适合在浅水区进行定位,随着人类探测和航运活动逐渐向着深海拓展,适用于深海的船舶动力定位方式被开发和应用起来。本文研究的主要内容是船舶定位系统的故障诊断和优化,本文首先介绍了一种新型寻优算法-粒子群优化算法的原理和基本流程,然后针对船舶动力系统的结构及常见的故障类型,建立了动力定位系统的故障优化模型,并开发了基于粒子群算法的船舶定位系统故障优化策略,对改善船舶动力系统的故障诊断与优化有重要的价值。     

船舶工程中智能优化算法的应用研究

在对船舶进行工程设计时,往往需要重点考虑电气管道和通信网络的布局,同时还要兼顾各个舱室的功能都要得到充分发挥,不会互相产生干扰。本文重点研究船舶的机舱布局特点,并利用粒子群优化算法实现智能布局优化,对机舱系统中的动力传输模型和负载电机控制进行建模与仿真。仿真结果表明,此优化算法能够有效实现对船舶机舱的控制,降低其在船舶工程实现上的难度,提高动力传送的效率。     

基于混合蛙跳算法的船舶电力系统励磁控制

随着船舶日益大型化和复杂化,电力系统控制日趋复杂,对船舶电力系统的稳定性和自动化有了更高的要求。本文以船舶发电机为控制对象,首先利用simulink对船舶发电机励磁控制系统进行建模,然后利用混合蛙跳算法(shuffled frog leaping algorithm,SFLA)、权重改进蛙跳算法(weight improved shuffled frog leaping algorithm,WISFLA)和粒子群算法(PSO),分别设计出自动电压调节器(AVR)并通过比较得到最优控制器,最后应用最优励磁控制器对系统进行负载及电力系统故障仿真试验,从而证明改进混合蛙跳算法应用在励磁控制上有很好的效果。     

基于OIPSO算法的环境最优动力定位控制器设计

环境最优动力定位控制是一种以能量消耗最少为目标的动力定位控制方法,在不需要任何环境传感器的情况下,使其保持在设定区域且消耗能量最少,节约燃料、减少有害气体的排放。首先,提出一种带有目标性初始化粒子群的改进粒子群优化算法(OIPSO),通过引入混沌算子,利用信息熵进行评估对初始化粒子种群进行调整以提高粒子群算法全局搜索能力和收敛速度,具有大范围全局寻优能力。其次,研究设计环境最优艏向控制器控制律,该控制律能满足欠驱动船舶动力定位的控制需求。最后以Cyber Ship Ⅱ动力定位模型船为对象进行仿真验证。结果表明,所提出的寻优算法和改进控制律达到了设计的目的。     

基于粒子群优化算法的船舶电力系统脆性分析

为了提高船舶电力系统稳定性,提出基于粒子群优化算法的船舶电力系统脆性分析方法,构建船舶电力系统的稳定性控制约束参量模型,以电机模型参数为控制对象,通过船舶电力系统电机的转速信息和电磁转矩信息进行船舶电力系统脆性特征分析,采用PI控制算法进行船舶电力系统的输出稳定性控制,建立船舶电力系统的反馈动态补偿稳定性控制模型,结合粒子群优化算法进行船舶电力系统稳定性控制的参量自适应调节,实现船舶电力系统脆性预测和稳定性控制。仿真结果表明,采用该方法进行船舶电力系统脆性分析的准确性较好,控制稳定性较强,提高了船舶电力系统的输出鲁棒性。     

自适应粒子群算法在船舶推进电机动态参数辨识中的应用

为了适应船舶越来越大的运载量和复杂的航行环境,船舶动力推进系统的优化和完善具有重要的意义。随着自动化控制技术和传动技术的发展,基于矢量控制的船舶步进电机推进系统引起了船舶工业的广泛关注,并在船舶电机控制领域逐渐应用起来。本文针对船舶的交流电步进电机,结合自适应粒子群算法,对推进电机的动态参数辨识和矢量控制做系统研究。     

蚁群和粒子群优化融合算法在船舶网络资源调度中的应用

在互联网技术高速发展的今天,网络互联技术已经被广泛应用在船舶的自动化控制领域,通过集中化的网络资源管理,船员可以有效地对船舶上的电力系统、导航系统和通信系统进行资源调度,从而达到最优化的水平。本文从船舶的实际控制需求出发,结合最新的人工智能技术——蚁群和粒子优化融合技术,对船舶网络资源进行数学模型的构建。并结合粒子群优化融合算法对蚁群网络的空间布局进行优化,从而使船舶的网络资源在动态调整中达到平衡。仿真结果表明,经过蚁群和粒子群融合算法优化过的船舶网络资源调度效率更高,具有很好的实际应用前景。     

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.     

粒子群优化算法在港口船舶物流中的应用

传统的用遗传算法的港口船舶物流中存在逾期惩罚成本过高的问题,为此,提出粒子群优化算法在港口船舶物流中的应用。分析港口船舶物流影响因素并完成粒子编码,使得粒子位置与影响因素一一对应,计算多目标适应度函数,根据种群适应值均值调整目标粒子适应度函数,保证适应度函数最优,利用微粒迭代更新粒子的位置和速度,通过判断种群的收敛精度实现最优解的输出。实验结果表明,应用粒子群优化算法的港口船舶物流中逾期惩罚成本远低于应用遗传算法物流中的逾期惩罚成本,说明粒子群优化算法的应用有效地改善了逾期惩罚成本过高的问题。     

自适应粒子群优化的船舶动力定位云模型控制器设计

云模型控制理论是智能控制学科的新兴领域,因此如何扩展云模型的应用范围并使其走向工程化实用化成为云模型理论的研究重点。针对船舶运动模型具有不确定性和外部扰动随机性等特点,而云模型具有兼顾模糊性和随机性的特质,尝试将云模型应用于船舶动力定位的控制过程。为解决云模型控制器参数难以整定的问题,提出基于自适应粒子群优化算法的云模型控制器设计方法。仿真试验证明了云模型控制和粒子群优化的可行性和有效性。     

船舶避碰的粒子群-遗传(PSO-GA)的混合优化算法研究

随着海运航线的愈加繁忙,船舶碰撞事故时有发生,为避免船舶发生碰撞,船舶避碰决策研究已成为目前研究的热点.本文在既往研究的基础上,综合考虑船舶避碰的经济性及安全性要求,基于粒子群算法、遗传算法与非线性编程理论,建立了船舶避碰路径规划的优化模型,并通过具体案例进行仿真分析.仿真结果显示,粒子群遗传混合优化算法的收敛速度较快,船舶避碰的优化路径能够同时满足经济性及安全性要求,算法的有效性及运算效率均有了显著提高.     

船舶工程中的云粒子群算法研究

船舶在航行过程中的航向控制对于船舶航行安全是非常重要的。本文首先阐述传统的云粒子群算法,然后针对其陷入局部最优等缺点进行改进,利用云变异的云自适应粒子群优化算法进行船舶航向PID控制,并进行仿真实验。实验结果表明,本文算法具有较强的鲁棒性和稳定性。     

基于闭环增益成型算法和改进粒子群算法的舰船航向控制

如今,海上航线的船舶密度不断提高,且船舶的动力性能更强,速度更快,在航线拥挤的地方往往会发生船舶碰撞事故。为了提高船舶的航行安全性,有必要针对船舶的航向控制技术进行优化。本文首先研究闭环增益成形算法和改进粒子群算法的原理,建立舰船航向控制过程的动力学模型,基于这2种优化算法对舰船的航向控制系统进行研究,有助于改进舰船航向控制水平。     

船舶动力定位智能PID控制器设计与仿真研究

由于船舶在海上的动力学特性具有非线性、大时滞和强耦合等特点,风、浪等外部干扰具有随机特征,因而船舶动力定位控制系统是一个复杂的非线性系统,一次性整定的PID参数难以取得理想的控制效果。鉴于PID控制器的性能完全取决于其控制参数,结合混沌粒子群算法、云模型控制和PID控制各自的优势,设计一种具有参数实时自整定功能的智能PID控制器。首先引入混沌粒子群算法离线优化PID参数使控制系统处于优化状态,再利用二维云模型控制对其进行在线调节以增强控制器的适应性和鲁棒性。仿真结果证明所设计控制器的可行性和有效性。     

免疫粒子群算法在夜航船舶避碰规划中的应用

受夜晚环境的影响,传统的船舶在航行过程中存在碰撞事故多发的问题,为此应用免疫粒子群算法对夜航船舶避碰规划方法进行优化设计。首先利用航行船舶上的AIS设备确定夜航船舶运动参数,并结合障碍船的位置划分夜航船舶会遇态势。设置夜航船舶安全会遇距离并计算夜航船舶碰撞危险概率。应用免疫粒子群算法更新船舶速度和位置,当两船之间的碰撞危险度达到危险区间,确定避碰时机以及幅度,进行夜航船舶避碰规划。实验结果表明,应用免疫粒子群算法,能够有效地降低碰撞事故发生率。     

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。     

粒子群优化算法中粒子更新方法研究

粒子群优化算法是根据鸟或鱼群居社会行为而提出的随机优化算法,但标准粒子群优化算法存在早熟收敛和搜索精度低等问题.因此模拟生物克隆选择中5%的B细胞自然消亡过程,在粒子群优化算法进化过程中分别基于代间差分、混沌理论、变异原理等方法设计了8种粒子更新算法,并按照模拟退火方法进行更新后粒子的选择.通过数值实验得出基于代间差分和混沌变异的粒子更新算法(即算法8)是一种很好的选择,并且当性能较差的20%左右粒子按照这种算法更新时效果较好.这种算法可以有效克服标准粒子群算法的早熟现象,并能够加快收敛速度.