感潮河段单站等时距水位非线性优化预报模型

目前感潮河段水位预报模型基于当前站水位、上游径流水位和下游海洋潮位数据进行预报,导致预见期受上游来流时间制约、上下游站数据缺失情况下无法进行预报、数据采集成本高等问题。文章假设感潮河段水位由径流因素和潮汐因素共同线性作用,基于单站等时距水位数据,建立了包含一个径流动力修正系数和若干个潮汐调和分潮系数的非线性优化预报模型,并结合曲线拟合最小二乘法、潮汐调和分析法、梯度下降法,给出一个寻优的迭代算法,对模型参数进行优化辨识。模型应用于长江感潮河段部分观测站,水位预报精度较好,具有可行性和实用价值。     

螺旋桨诱导船体表面脉动压力预报的试验研究

研究了螺旋桨诱导的船体表面脉动压力试验预报值随空气含量变化的规律及螺旋桨模型空泡形态随含气量变化的规律,并与实桨空泡对比分析;探索了脉动压力试验预报与实桨测量值最接近的空气含量控制准则;比较了螺旋桨模型在船模伴流场和修正后的伴流场中工作时,螺旋桨诱导的船体表面脉动压力预报值及螺旋桨模型空泡形态,与实船测量观察结果进行对比,并就伴流场修正对螺旋桨诱导的船体表面脉动压力试验预报的影响作了探讨;研究了螺旋桨诱导的船体表面脉动压力的预报值随桨模试验转速变化的规律。     

一种分解策略的船舶横摇运动姿态在线预报方法

为了解决单一预报模型对复杂的船舶横摇运动姿态时间序列建模预报困难以及支持向量机预报方法离线训练导致实时性差的问题,文中提出一种分解域船舶运动姿态在线预报方法。采用经验模式分解法对时序的不同特征信息进行分解;应用游程法将分量重构为高、中、低频三个分量;针对每个分量建立在线最小二乘支持向量机预报模型,对各分量的预报结果累加得出最终预报值。对某船横摇角时序进行了预报,结果表明,所提方法预报10s的相对均方误差在13%以内,相比于支持向量机预报模型,该模型能够有效提高预报精度和效率。     

螺旋桨空泡及其诱导的脉动压力的数值和试验研究

对螺旋桨空泡及其诱导的船体表面脉动压力进行了预报分析,并在大型循环水槽进行了模型空泡观测以及脉动压力测试,将模型试验结果、数值预报结果进行了比较分析,讨论了空气含量对脉动压力的影响.     

基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型

准确的极短期预报技术能够提高对船舶摇荡运动敏感的海洋特种作业安全性和效率。自回归（auto-regressive,AR）预报模型由于其自适应性强、计算效率高而被广泛应用于船舶运动的极短期预报研究。但该模型基于平稳随机假设,因而在非平稳船舶运动的极短期预报中存在困难。针对非平稳船舶运动极短期预报,文章提出一种基于AR-EMD方法的扩展AR模型,称为EMD-AR预报模型。其中,AR-EMD方法是指在经验模态分解（empirical mode decomposition,EMD）的过程中,采用AR预报的方法处理端点效应问题。 EMD-AR预报模型将非平稳信号分解成若干平稳的固有模态函数分量及余项,然后对各个分量分别用AR模型预报,得到最终的预报结果,以此克服非平稳性对AR预报模型的影响。研究基于船舶试验数据将EMD-AR模型与线性AR模型、非线性支持向量机回归（support vector regression,SVR）预报模型进行对比分析,结果表明,AR-EMD方法能够有效处理船舶运动非平稳性对AR预报模型的影响,提高该模型的预报精度,且EMD-AR模型预报性能较线性AR模型和非线性SVR模型更优。     

基于时间序列法的舰船运动预报实验研究

采用线性自回归AR模型、具有首前波观测量的ARMA模型以及非线性自回归NAR模型三种方法分别对舰船运动进行预报,将得到的预报结果与实验测量结果进行验证比较,并对最佳预报模式进行讨论.     

基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型（英文）

准确的极短期预报技术能够提高对船舶摇荡运动敏感的海洋特种作业安全性和效率。自回归(auto-regressive,AR)预报模型由于其自适应性强、计算效率高而被广泛应用于船舶运动的极短期预报研究。但该模型基于平稳随机假设,因而在非平稳船舶运动的极短期预报中存在困难。针对非平稳船舶运动极短期预报,文章提出一种基于AR-EMD方法的扩展AR模型,称为EMD-AR预报模型。其中,AR-EMD方法是指在经验模态分解(empirical mode decomposition,EMD)的过程中,采用AR预报的方法处理端点效应问题。EMD-AR预报模型将非平稳信号分解成若干平稳的固有模态函数分量及余项,然后对各个分量分别用AR模型预报,得到最终的预报结果,以此克服非平稳性对AR预报模型的影响。研究基于船舶试验数据将EMD-AR模型与线性AR模型、非线性支持向量机回归(support vector regression,SVR)预报模型进行对比分析,结果表明,AR-EMD方法能够有效处理船舶运动非平稳性对AR预报模型的影响,提高该模型的预报精度,且EMD-AR模型预报性能较线性AR模型和非线性SVR模型更优。     

湍流抑制方法模拟边界层过渡流并粘性力预报研究

介绍了湍流抑制方法及其原理,并使用该方法和目前常用的γ-Reθ过渡流模型、湍流模型对较低雷诺数下平板、翼型结构和螺旋桨的边界层流动进行了模拟,并对粘性力进行了预报.通过与实验值进行比较,讨论了3种方法的优缺点:在有过渡流的情况下,湍流模型预报的粘性力误差较大;γ-Reθ模型能够预报过渡流,但是转捩点的位置由很多因素决定,从而影响粘性力的预报准确性,并且需要求解2个额外的输运方程,计算效率较低;湍流抑制方法虽然没有预报过渡流的能力,但是在预先知道转捩点位置的情况下(模型实验或者公式估算),可以简单、高效、准确地模拟过渡现象和预报粘性力,并且没有湍流模型的限制,可以针对不同的流场选择不同的湍流模型结合使用.     

散货船风载荷数值模拟

采用数值模拟的方法对船舶受力中的风载荷进行预报.采用多种湍流模型、壁面处理方式和对应的网格设计方法,分别对灵便型散货船的原始几何模型和简化几何模型进行RANS数值模拟,并将所得结果与试验结果相对比,考察RANS方法对散货船风载荷预报的适用性.结果表明,合理地进行几何简化能在提高计算效率的同时,获得合理的数值预报结果;湍流模型和壁面处理方式对风载荷预报结果的影响非常明显,采用壁函数会导致大攻角下的预报结果偏离试验结果,而SSTk-ω模型的近壁解析计算能获得更加合理的风载荷数据.研究表明,采用适当的网格、湍流模型和壁处理方式的RANS方法能获得合理的船舶风载荷预报结果,对工程应用具有参考价值.     

船舶运动的极短期预报试验

利用自回归模型对船舶运动进行了预报试验研究。试验结果表明,对于直升机稳定平台补偿控制系统来说,由于只需要对船舶未来极短时间内的运动进行预报,所以基于自回归模型的预报方法能满足系统的实际要求,是一种简单、可行的方法。     

改进的BP神经网络在路基沉降预测中的应用

针对传统BP神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的BP神经网络预测方法,采用遗传算法优化BP神经网络的初始权重,建立路基沉降预测模型。该模型可克服BP神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统BP神经网络预测模型对比,结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。     

基于BP神经网络的横向受荷桩承载力预测

为研究横向受荷桩的承载性状,基于BP神经网络对其承载力进行预测。选取桩径、桩入土深度、荷载的偏心距、土的不排水抗剪强度作为神经网络的输入,得出黏土中横向受荷桩承载力的BP神经网络预测模型,发现训练BP神经网络时,桩承载力的拟合值与实测值的相对误差平均值为4.54%;检验BP神经网络时,桩承载力的预测值与实测值的相对误差平均值为5.39%。结果表明,建立的基于BP神经网络的黏土中横向受荷桩承载力预测模型是可行的。     

基于BP神经网络的载荷试验研究

BP神经网络是工程中广泛应用的一种神经网格模型,对BP神经网络原理进行简要介绍,根据现场载荷试验数据,运用BP神经网络技术建立载荷试验过程中承压板沉降值与载荷值大小之间的相关性模型,并对载荷试验过程进行预测,将预测结果与实测值进行对比,结果表明预测结果与实测值基本吻合,为今后载荷试验过程模拟提供可借鉴的方法。     

基于BP神经网络的故障诊断技术在装备维修中的应用

传统故障诊断方法在装备保障中的诸多局限性。文章介绍了基于BP模型的神经网络,研究了基于BP模型神经网络的故障诊断推理方法,并利用Matlab仿真软件对结果进行了运行和计算。结果证明,基于BP神经网络的故障诊断技术对装备故障诊断是行之有效的。     

基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用 BP 神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于 BP 神经网络方法;证明该方法是可行且有效的。     

BP神经网络应用于散货船空船质量估算

以搜集的200余条散货船为样本,建立了空船质量统计回归模型和三种情况下的BP神经网络模型,并选取10条散货船对各模型进行了测试和比较。三种BP神经网络模型测试结果与实际值很接近,精度优于传统的统计回归模型,表明用BP神经网络进行空船质量估算是可行和实用的。     

港口集装箱吞吐量的灰色神经网络预测模型研究

为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过分析传统的灰色预测模型和 BP 神经网络预测模型的优缺点,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和 BP 神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明：灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。     

基于BP神经网络的船舶企业员工综合评价模型

为了保障船舶工业企业内部对其员工的使用管理和评价上的客观性和准确性,提出基于BP神经网络的综合评价方法,在建立了员工评价的指标体系基础上建立了基于BP神经网络的评价模型,将评价员工综合素质的指标值作为模型的输入量,评价结果作为模型输出量,用样本对神经网络进行训练,利用收集的中国船舶工业集团某造船企业管理执行层员工信息,使用MATLAB对模型进行模拟仿真训练,用验证样本对评价模型检测,检测结果是仿真输出与期望输入基本一致,说明网络合理,评价模型能够较好对船舶企业员工的综合素质进行评价.     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.     

基础沉降的组合预测法

通过对基础沉降的发生过程、特点及灰色Verhulst模型特点的分析,提出可以根据施工过程中的观测资料,运用基于BP神经网络的组合预测模型对不同时刻的基础沉降进行预测;首先分别利用灰色Verhulst模型和BP神经网络模型对基础沉降进行估算,然后利用人工神经网络中的BP神经网络对采用前2种模型所得的结果进行组合预测。计算实例表明,使用该组合预测方法所得到的预测结果比单独使用灰色Verhulst模型或BP神经网络模型所得到的预测结果的总体误差要小,因而该方法是可行的、有效的;可以运用到实际工程中。