基于蚁群算法的船舶件排样研究

针对船舶件排样问题,提出一种应用蚁群算法优化求解船舶件排样问题的方法.提出船舶件图形编码和预处理的方法,利用组合和填充的方法把船舶件排样问题转化为正交矩形的排样问题,使用剩余矩形匹配法和正交靠接算法完成自动排样.根据提出的求解算法,给出具体的实例,排样结果证明了用蚂蚁算法求解船舶件优化排样问题的可行性.     

基于矩形化动态匹配的船体零件排样算法研究

基于启发式搜索策略,提出了一种改进的排样算法——剩余矩形的动态匹配法来求解不规则船体零件的矩形化排样,并通过自动正交碰靠实现零件的紧密靠接和定位。动态匹配包括对入排零件与未排放的剩余矩形区域进行宽度匹配计算和排样高度的调整,并以其匹配度最佳及最低排样高度作为排样布局的评估准则来实现排样过程中的实时动态寻优。该算法在一定程度上实现了排样中定位与定序的协同思路,实例证明其有效性。     

基于迭代局部搜索和自适应粒子群优化的SVM短期负荷预测

为了能够进一步的提高船舶电力负荷的预测精度,针对SVM模型在负荷预测中存在的参数选取问题,该研究提出了一种新的参数优化算法:基于迭代局部搜索和自适应粒子群优化的组合算法。自适应粒子群算法提高了传统粒子群算法的收敛速度,引入的迭代局部搜索思想,配合新的极值评价标准能够很好的解决粒子群算法容易陷入局部最优的问题。仿真结果表明,利用新的参数优化算法使得SVM预测模型的精度得到了很大的提高。     

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。     

基于剩余矩形匹配算法的船体零件排样

将剩余矩形匹配算法应用到不规则的船体零件的优化排样上,综合运用图形组合、自动碰靠和人机交互技术以使得排样结果更优.试验证明,该方法是有效可行的.     

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。     

基于云粒子群算法的船舶纵摇运动参数辨识

提出一种基于云粒子群优化算法的船舶纵摇运动参数辨识方法。该方法利用正态云发生器自适应调整粒子群算法的惯性权重,并在算法进化过程中对粒子位置进行基于云模型的变异操作,可以很好地解决算法早熟收敛的缺点,能够提高算法的收敛精度和收敛速度。应用该算法对船舶纵摇有关运动参数进行辨识,辨识结果在可以接受的范围之内。     

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。     

船体零件智能优化排样系统的设计研究

针对船体零件的排样问题,开发了基于智能算法的板材套料优化排样系统。该系统采用粒子群算法,并将免疫记忆和浓度机制引入算法提高了零件的排序优化速度。通过零件图形信息数据库管理模块和排样解码算法,实现图形的输入和编码、定位排放和正交靠接及自动计算生成最优排样结果。排样实例表明了该系统具有良好界面和人机交互功能,且有效提高了排样自动化程度和材料利用率。     

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。     

基于GSA-IPM算法的船舶电力系统无功优化

提出GSA-IPM(万有引力-内点)算法求解船舶电力系统无功优化问题,以降低船舶电力系统的有功损耗,提高电压质量,改善安全经济运行水平。将算法应用于某实际船舶电力系统进行仿真测试,结果与万有引力搜索算法(GSA)、遗传算法(GA)及粒子群算法(PSO)作比较,证明了算法能够使有功网损更低,电压质量更佳,从而验证了方法的有效性。     

基于多种群萤火虫算法的集装箱船结构优化

针对集装箱船结构优化问题，依据CCS规范建立以集装箱船舯剖面面积最小为优化目标，板厚、型材横截面积为离散设计变量的优化数学模型。提出一种多种群萤火虫算法，各种群设置不同的参数，提高搜索区域，多子群并行寻优、子群主群协作寻优提高算法寻优性能，对所建模型进行优化计算。优化算例表明，所提出的多种群萤火虫算法比标准萤火虫算法可以更快的收敛得到最优解，在满足所有约束条件情况下，集装箱船舯剖面面积最小约13.2%，验证了多种群萤火虫算法应用于集装箱船结构优化的有效性。     

Computerized three-dimensional design system for rectangular tile coating on hull surface

1Introduction Thehullsurfaceofaship,becauseitisanundevelop ablecurvedsurfaceandpossessesspecialdemands,needstobecoatedwithrectangularflexibletiles.A limitedgapispermittedbetweenthetiles,butthetiles mustcompletelycoverthehullsurface.Intheory,be causeofthec…     

船舶机舱智能布置方法研究

采用知识工程的理论,对船舶机舱布置问题进行知识获取和知识表示,建立机舱智能布置问题的数学模型并用遗传算法进行优化,完成知识推理过程;以CATIA软件为平台,采用CATIA二次开发技术,实现3100TEU集装箱船机舱花铁板平台的智能布置;该研究对船舶智能设计系统的开发有一定价值。     

基于VDM与APSO优化极限学习机的船舶运动姿态预报

为提高船舶在海上运动的耐波性与适航性,并为解决具有非线性、随机性和非平稳性特点的船舶运动姿态难以准确预测的问题,提出运用一种基于变分模态分解和自适应粒子群算法优化极限学习机的组合预测模型。该算法首先利用变分模态分解将船舶运动姿态序列分解为一系列限带内本征模态函数,并且变分模态分解可以避免经验模态分解技术所产生的模态混叠和端点效应,可以降低序列的非平稳性对预测精度的影响;然后对各模态分量分别建立极限学习机预测模型,并用改进的粒子群算法对极限学习机的初始权值和阈值进行优化;最后将各模态分量预测结果进行叠加,得到最终的船舶运动姿态预测值。通过模拟试验测试并与其他传统的预测方法进行比较,结果表明所建立的组合预测模型具有更高的预测精度。     

基于矩不确定分布鲁棒优化的船舶舱室布局设计

船舶舱室布局所涉的评价指标通常具有不确定性,诸如环境载荷等参数通常以不确定性的随机变量形式参与计算,且其概率分布的期望及方差等指标往往也是不确定的。本文采用矩不确定分布鲁棒优化方法,解决含矩不确定参数的船舶舱室布局min-max优化问题。将各舱室的全局位置参数、相对位置参数和质量分布参数加权整合为目标函数,建立全船范围内的舱室布局DRO-MU优化模型,采用拉格朗日对偶原理将其转为确定的半定规划问题以便求解。算例验证了本文方法的合理性与优越性,该方法针对性地用于解决含矩不确定参数的船舶舱室布局问题具有鲜明特点。     

基于KPCA与KFDA的SAR图像舰船目标识别

针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法.用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类.将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%.实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率.     

虚拟机舱管路布局算法优化设计

针对当前船舶管路布局设计主要依靠经验丰富的设计人员手动敷设完成,为提高管路自动化布局效率,提出了一种基于改进遗传算法的三维空间管路设计方法,以辅助设计者完成管路布局工作。通过在经典遗传算法的整体框架中引入免疫选择机制,增加免疫检测算子和免疫平衡算子,改进了遗传算法仅依靠适应度值选择后代个体易造成算法陷入局部最优解的不足,维护了种群多样性,提高了算法运行效率。以船舶机舱为对象建立虚拟机舱仿真环境,采用栅格法对布局空间进行划分,以十进制浮点数编码方式进行算法编码设计。MATLAB仿真结果验证了改进遗传算法在管路布局优化设计问题上的可行性和搜索效率,采用C#语言编写脚本控制程序,在Unity3D虚拟机舱环境中实现了管路路径的布局设计。     

改进的MODSA算法在船型优化中的应用

针对传统智能优化算法处理高维优化问题时易陷入局部最优解且优化效率低的问题,文章采用近几年提出的基于模型的动态抽样分配(MODSA)算法作为研究对象,该算法具有处理高维优化问题的潜力,但对某些复杂高维问题很难搜索到全局最优解。为避免MODSA算法陷入局部最优解,采用多元正态分布作为抽样分布并推导相应参数更新式;为进一步提升该算法的优化效率,采用均匀设计确定初始抽样分布的期望值并通过Sigma管理水平自适应确定初始方差。通过数值函数测试结果表明:改进的MODSA算法具有更好的优化性能。最后,将改进的MODSA算法应用于5100TEU集装箱船兴波阻力性能优化。