大数据背景下的船舶管理风险评估

船舶安全管理工作对于保障船舶安全航行起着十分重要的作用,传统方法如层次分析法、模糊评估法难以对船舶的管理风险进行科学的评价。为了提高船舶的管理风险评估精度,构建了粒子群算法优化RBF神经网络的船舶管理风险评估方法,首先利用粒子群算法对RBF神经网络的参数进行优化,然后利用优化的RBF神经网络对船舶管理风险进行评估,最后进行仿真测试,实验结果表明,本文方法的评估精度比对比方法的评估精度更高,同时耗时更少,可以满足对船舶的风险进行实时监控与管理。     

双向双车道超车行为的智能车队间隙控制优化

建立了双向双车道环境下单车超越车队模型, 分析了影响双向双车道超车危险区域范围的主要因素; 设计了分步式单车超越车队算法, 研究了安全间隙前后车速度、超车车辆入队速度与车队安全间隙范围四者之间的关系, 提出了车辆入队所需最小安全间隙的速度匹配方案; 建立了单车超越车队算法的目标函数, 设定最大允许超车时间内超车车辆与车队行驶距离最大, 超车车辆超越车队车辆数最多, 前、后车形成安全间隙过程中加速度、减速度最小; 提出了基于改进粒子群的分级约束多目标优化方法, 为单车超越车队算法中的三级车速引导提供了优化的速度引导方案。研究结果表明: 双向双车道环境下超车危险区域范围与车队车辆数及对向车辆行驶速度成正相关关系; 改进的粒子群优化算法相比传统算法具有更强的鲁棒性和更快的收敛速度, 平均收敛时间缩短39.2%;在分步式单车超越车队过程中, 车队车辆平均速度提升9.04%, 即在车队间隙生成过程中, 虽然部分车辆速度减小, 但车队整体平均速度得到提升; 超车车辆平均速度提升16.8%, 即在超车过程中, 不仅超车车辆的安全性得到保证, 其运行效率也得到提升。      

基于果蝇优化算法的轮廓误差控制研究

针对传统果蝇优化算法精度低、收敛慢、易陷入局部最优的问题,通过增加随机机制扩大其探测能力,并通过改变步长,提高其后期寻优精度。将改进后的算法应用于PID控制器的参数优化,并将复杂的时变信号作为优化模型的输入。对获得的PID参数的控制效果进行验证,结果表明:改进后的果蝇算法寻优速度快、精度高,其优化后的PID参数,轮廓运动控制精度高、鲁棒性好。     

基于FPGA的里程轮信号优选算法设计

文中通过对里程信号产生机理进行分析,提出了一种基于FPGA架构的里程优选算法,给出了实现算法的硬件架构图,并设计相应硬件电路和模拟实验。结果表明:该算法可以对3个里程轮脉冲信号进行优选采集,当里程轮处于超速或者停转状态时也能输出正确的脉冲信号。