基于神经网络对电控柴油机运行特性影响因素仿真研究

基于AVL-BOOST软件仿真平台建立某船用四缸柴油机仿真模型,标定后的模型进行柴油机全工况仿真计算.仿真出来的3 200组数据作为人工神经网络输入数据,采用贝叶斯统计方法对网络进行训练建立2层的反馈神经网络仿真模型.并分别通过实验、AVL-BOOST和神经网络数据曲线的对比分析,验证人工神经网络预测的准确性.利用验证好的人工神经网络模型预测进排气压力对柴油机转矩的影响,以及预测压缩比和供油定时对柴油机排放性能和动力性能的影响,最后利用扰动法分析不同工况下柴油机各个参数对柴油机性能的影响程度.     

我国船舶行业智能制造的新内涵与应用

加快推动新一代信息技术与先进船舶制造技术深度融合,将对我国船舶行业的发展带来重大影响.本文从分析智能制造的内涵人手,研究探索把人工智能、物联网、大数据、云计算等新技术与智能制造相融合的思路,尝试提出新一代信息技术条件下智能制造的新内涵,并对其在我国船舶行业的应用进行分析,进一步讨论目前发展所面临的问题,最后结合现状提出建议.     

The value of options for time charterparty extension: an artificial neural networks (ANN) approach

The most frequently associated options in the physical shipping market are options to extend the charter period on time charters and additional shipment options on contracts of affreightment. The value of freight options, in practice, is estimated mostly by referring to forward curves. An option on freight has different properties from its financial counterparts, and the straightforward adoption of theoretical models does not produce promising results. In this paper, extension options, which have the property of options on futures, were transformed into regular European options before the application of the Black-Scholes model (BSM). The efficient market hypothesis, which justifies the parity of the performance of a long-term charter to that of repetitive short-term charters, worked as the basis for the transformation. The option values determined by the BSM were compared with actual realized values. Additionally, the artificial neural networks (ANN) was employed to derive the option values. This study is meaningful as the first-time application of both the closed-form solution and the ANN to the valuation of physical freight options. The research results can contribute to the quality of chartering decisions. The results could also be used in quantifying credit risk, as extension options tend to be granted to charterers with more creditability.     

基于人工蜂群算法的船舶动力定位自抗扰控制器设计

针对船舶动力定位自抗扰控制器(ADRC)参数较多且人工不易调整的问题,通过建立以船舶纵荡、横荡和艏向角三个方向ADRC响应的时间误差积分和最小的目标函数,采用人工蜂群算法(ABC)中采蜜蜂和跟随蜂的选择机制与邻域搜索,优化整定出船舶动力定位ADRC控制器参数。ABC优化的方法避免了工程技术人员繁琐的试凑工作。此外,仿真结果表明,相比试凑法得出的参数而言,经过ABC优化整定的参数具有更快的响应速度,对船模参数变化具有更强的鲁棒性和适应性。     

人工砂用于北方水运工程混凝土的试验与应用

人工砂是由制砂设备筛分制成的粒径小于5 mm的岩石颗粒(但不包括软质岩、风化岩的颗粒),具有质量可控、稳定、颗粒坚硬等特点,经试验能满足北方水运工程混凝土的物理力学性能指标和抗冻融、抗氯离子渗透等耐久性指标的要求,在实际主体工程中应用效果较好。在天然砂日益缺乏及质量严重下滑的状况下,用人工砂取代或部分取代天然砂,可以缓解砂资源缺乏对工程进度、成本及质量的影响。     

港珠澳大桥珠澳口岸人工岛填海工程总平面优化设计

为降低港珠澳大桥珠澳口岸人工岛工可总平面布置的阻水率,巧妙利用澳门明珠陆域向东突出的地形地貌,调整珠海接线人工岛布置,使珠澳口岸人工岛的阻水横断面减少了37%,同时使珠海接线人工岛的费用减少、工期缩短、施工难度降低。港珠澳大桥珠澳口岸人工岛填海工程总平面因地制宜的优化设计思路及方法获得了初步设计专家评审会的肯定,可为类似河口区临近大陆人工岛平面布置提供有益的参考。     

实值否定选择算法的优化研究

针对传统的否定选择算法和V-detector算法存在的"黑洞"以及检测器冗余问题,论文提出了优化算法。在检测器生成阶段,候选检测器与自体数据和成熟检测器同时进行耐受训练,比较结果确定检测器半径,减少检测器的重复覆盖;在检测器成熟阶段,计算自体重复覆盖率剔除完全被覆盖的检测器,克服了"黑洞"及冗余问题。最后,通过Iris数据比较了三种算法。实验结果显示,改进算法的检测器数量大幅减少,利于实践应用。     

利用BP神经网络反算土基回弹模量研究

根据三层BP神经网络和层状弹性理论体系,结合FWD研究土基回弹模量的反算。通过利用反算的土基回弹模量,比较了理论和实测土基顶面的弯沉值,从而发现所建立的神经模型有很好的识别能力和泛化能力,其模型可作为评价土基回弹模量的有效途径。     

桥梁工程设计数据库管理系统的研究

基于关系数据库理论的观点，结合工程的实际需要，研究开发了“桥梁工程设计数据库管理系统”。本文讨论了系统分析、数据模型选择、系统的总体设计、一般应用模块、高级应用模块以及系统软件实现等有关的技术问题。     

基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题，给出了基于径向基函数（Radial Basis Function，RBF）神经网络的模型。该模型隐含层选用Gauss函数作为基函数，学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真，结果表明，用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播（Back-Propagation，BP）神经网络方法转换GPS高程的精度进行了比较，虽然两种方法的结果相近，但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见，RBF神经网络方法用于转换GPS高程是可行和有效的。