空船重量重心估算方法的分析

为使船舶设计人员在分析型船资料估算空船重量时快速选择适合的估算方法,分析目前典型的空船重量的估算方法适用的情况以及精确度。"从两个吃水的载重量估算空船重量"方法仅利用母型船的设计吃水和结构吃水估算空船重量;"BP神经网络估算空船重量"方法是基于详细的母型船数据库建立的神经网络模型;"统计回归方法估算空船重量"方法是基于详细的母型船数据库分解船舶结构,利用统计回归的方法。经分析发现:"从两个吃水的载重量估算空船重量"方法适用于设计初期阶段并缺少更为详细的母型船资料的情况;"BP神经网络估算空船重量"方法只适用于个别掌握此项技术的设计人员,不具有推广性;"统计回归方法"则是更为普通的估算方法,但需要详尽的数据库才可以将船型归类分组得出精确的空船重量系数。     

海监船与渔政船主尺度模型研究

分析了我国海监船和渔政船发展现状及发展趋势。整理分析相关的船型数据资料,利用逐步回归的数学方法,分别基于Excel回归分析、MATLAB的BP神经网络工具箱和RBF神经网络工具箱,建立了海监船和渔政船主尺度的数学模型,并对3种数学统计模型进行了实船验证和误差分析,结果显示BP神经网络和RBF神经网络模型误差较小。数学模型的建立有利于分析和掌握海监船与渔政船主尺度变化的规律,为报价设计和初步设计提供了科学依据。     

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。     

降低总纵弯矩的散货船分舱优化设计技术研究

梳理了降低总纵弯矩的散货船分舱优化流程。以中船重工船舶设计研究中心有限公司开发设计、山海关船舶重工有限责任公司建造的93 000 DWT散货船作为母型船,进行目标船货舱区分舱方案设计,通过参数化建模,快速建立22种分舱方案。针对每种分舱方案,合理的确定空船重量分布,根据规范要求和船东需求,确定典型装载工况。输出每个载况完整状态和单个货舱破损状态的弯矩剪力信息,统计和比较每种分舱方案的弯矩剪力极值,综合考虑其他性能指标,选定最优方案。通过中垂弯矩的有效控制,避免了弯矩剪力增加引起相关构件尺寸的增大,造成空船重量不必要的额外增加,为适当削减部分构件的尺寸提供条件,为降低空船重量奠定基础。     

20.6万DWT散货船前期开发概述

介绍了20.6万DWT散货船前期开发情况。该船有较大的舱容和载重量,在保证较高航速的情况下仍具有良好的经济性。此类船型的开发重点为线型优化和空船质量控制。通过合理分舱,可以有效降低设计弯矩,有利于减轻空船质量。     

35000t V型船身散货船尺度要素研究

为了探索V型船身散货船尺度要素与排水量、空船重量等之间的关系,以35 000 t散货船为母型船,基于V型船身理论对母型船剖面进行一系列V型剖面变换,并对变换后的V型船身进行静水力、空船重量、空载艏艉吃水等计算,得到35 000 t V型船身散货船尺度要素与排水量、空船重量、空载艏艉吃水之间的关系.     

回归分析法在散货船方案设计阶段的应用

为了方便在船舶方案设计阶段快速初步确定主要参数,针对载重量、空船重量、舱容、航速、主机常用持续功率和油耗等参数建立不同层次的回归分析模型;利用民船研发中心设计开发的5型散货船对回归分析模型进行验证;提出回归分析模型的不足之处和改进方向。     

35000t V型船身散货船尺度要素研究

为了探索V型船身散货船尺度要素与排水量、空船重量等之间的关系,以35 000 t散货船为母型船,基于V型船身理论对母型船剖面进行一系列V型剖面变换,并对变换后的V型船身进行静水力、空船重量、空载艏艉吃水等计算,得到35 000 t V型船身散货船尺度要素与排水量、空船重量、空载艏艉吃水之间的关系.     

基于CATIA V6三维模型的空船质量重心统计

为提高船舶质量重心估算的效率和质量,基于CATIA V6三维模型,详细介绍空船质量重心统计的方法和实现过程,从中可以看出基于该模型进行质量重心统计方法具有精度高、速度快、不易漏项等优点,可节约设计时间、提高设计质量,对基于CATIA V6进行船舶设计的工作具有重要的参考价值和指导意义。     

基于BP神经网络的冲积河床桥墩局部冲刷深度预测模型

桥墩局部冲刷深度是确定桥墩基础埋深的重要依据,过大的冲刷是桥梁水毁的主要原因之一.利用神经网络和一些实测数据建立BP神经网络模型,进行冲刷深度的预测,用收集到的桥墩局部冲刷数据样本训练并测试BP神经网络模型.测试结果表明由BP神经网络模型得出的桥墩局部冲刷深度预测值与实测值比较吻合,说明该神经网络模型预测桥墩局部冲刷深度是可行的、有效的.     

Neural network-based fuel consumption estimation for container ships in Korea

ABSTRACT

Due to the outstanding strength of advanced machine-learning techniques, they have become increasingly common in predictive studies in recent years, particularly in predicting ship energy performance. In constructing predictive models, prior studies have mostly employed vessels’ technical parameters to establish machine-learning algorithms. To bridge this research gap and enable wider applications, this paper presents the design of a multilayer perceptron artificial neural network (MLP ANN) as a machine-learning technique to estimate ship fuel consumption. We utilized the real operational data from 100–143 container ships to estimate fuel consumption for five different container ships grouped by size. We compared the performance of two ANN models and two multiple-regression models. Four input parameters (sailing time, speed, cargo weight, and capacity) were included in the first ANN and the first regression model, while the other two models only consider two inputs from physical function. The mean absolute percentage error of the ANN models with four inputs was the smallest and less than those in extended statistical models, demonstrating the MLP’s superiority over the statistical model. The MLP ANN model can thus be applied to confirm the effectiveness of the slow-steaming method for achieving energy efficiency.     

智能船舶远程驾驶控制技术研究现状与趋势

阐述智能船舶及其远程驾驶的发展背景。基于目前大多数无人船艇远程控制存在的问题,在分析智能船舶远程驾驶需求和场景的基础上,提出基于人机共融理念的智能船舶远程驾驶框架。针对不同的远程驾驶模式,提出技术等级和相关的关键技术。通过借鉴交叉领域网络控制系统的发展成果,指出网络时延补偿、网络丢包补偿、安全应急、运动模型应用、运动控制、自主决策等关键技术对于实现智能船舶远程驾驶控制的重要性,阐述相关关键技术的发展现状。结合航运的运维特点,针对目前已逐步投入行业应用的船舶感知技术提出有助于实现货船远程驾驶的思考。     

一种新型船舶智能载重测量仪的研究与应用

针对船舶货物卸载重量计量难的现状,开发了一种新型的船舶智能载重测量仪,并提出一种结构树编码免疫辨识算法实现船舶重量模型的辨识,该测量仪通过检测船体前后左右四个位置的吃水深度,精确计算船舶重量、船体倾斜度等数据,实现船舶卸货计量的智能化与自动化.在散装水泥运输船上的应用实践表明,该测量仪能实现比较理想的测量精度,误差小于0.5%,完全能满足船舶运输中对中低价货物的计量要求.     

沿海客箱船主尺度的确定

本文首先定义了一个这和船等级评定标准，建立了应用神经网络理论估算客（货）船造价和客舱（位）平均面积的模型，据此编制了确定客箱船主尺度的程序系统，并给出了优选客箱船主尺度的计算例子。     

基于BP神经网络的二手船价格评估研究

二手船价格是买卖二手船决策过程中非常关键的因素。为了准确地估算二手船价格,利用BP神经网络的高度非线性运算能力以及通过学习样本数据即可对事物复杂内在规律进行精确计算的特点,将BP神经网络应用于二手船价格的估算。利用从克拉克松获取的2009年到2012年120个灵便型干散货船交易数据,建立了基于船龄、船舶载重吨(DWT)、新造船价格和一年期期租费率的BP神经网络模型,网络输出结果与二手船实际交易价格的相对误差率在10%以内。     

基于神经网络的FSC检查选船模型研究

我国FSC检查的目标船目前主要由人工方式来确定,存在很大的盲目性和随意性。为了提高FSC检查目标船选择的合理性,文中分析了船舶的主要风险因素,并结合BP神经网络建立了FSC检查选船模型,最后通过实例验证了所建立模型的实用性。     

动态模糊神经网络在船舶动力定位中的应用

在前向模糊神经网络的归一化层和输出层之间加入递归层,形成的一种新型动态模糊神经网络(DFNN)具有动态映射能力,从而对动态系统有更好的响应.文章还推导了基于BP的反传学习算法.运用DFNN对船舶动力定位控制进行的仿真实验结果证明了该方法的有效性.     

运输船舶金属船体重量的神经估算

本文建立应用反向传播学习算法的多层前馈神经网络模型，对运输船舶金属船体重量进行神经估算。以散货船和油船为实例的计算结果表明，由非线性模拟神经元组成的神经网络在船体重量估算中是非常有效的。     

长江航运新船型开发与设计

总结长江干线干散货船、集装箱船、油船、化学品船、汽车滚装船、川江载重汽车滚装船、江海直达运输船在系列化、专业化、标准化、大型化方向已有的技术成果,展望长江航运对船型及相应技术的需求,分析发展趋势。     

BP神经网络对船舶远程监控系统的改进分析

为了满足公司对于远洋船舶更加有效监控的要求,应用BP神经网络对监控系统加以改进,使船舶远程监控系统发出预警信号,并能在船舶上报警.此时,相应参数识别码也能够第一时间到达岸上公司,岸上公司即能在最佳时间协助船舶对设备进行维修.BP神经网络在远程监控系统的应用分析过程中,以6缸柴油主机排气温度变化趋势为模型,利用BP神经网络良好的学习特性,建立了排气温度变化的持续升高预警模型及其他非预警模型.分析表明,此种方法适用于远洋船舶的远程故障监测及船舶系统故障预测.