基于机器视觉技术的舰船行驶轨迹自动检测算法

由于传统的舰船行驶轨迹自动检测得到的目标图像局部视觉对比度低,弱小目标占据像素少,导致检测结果精度下降,无法为相关技术人员提供有效的参考价值,为此提出基于机器视觉技术的舰船行驶轨迹自动检测算法研究。利用所采集图像帧与帧之间的关联性,采集其灰度变化情况,获取有效信息,提取灰度矩阵特征,选择目标层次中的相邻帧,获得短时轨迹,计算得出灰度坐标,使所得轨迹光滑连续,分析单帧检测结果,完成基于机器视觉技术的舰船行驶轨迹自动检测算法研究。设计对照实验,验证所提出算法的应用效果,实验结果表明,在应用机器视觉技术后,检测得到的图像局部视觉对比度有着显著提高,能够证实所提出算法的行驶轨迹检测性能优于传统算法。     

多特征融合的船舶轨迹相异度模型分析与优选

基于船舶自动识别系统轨迹，构建了船舶轨迹静态相异度模型、动态相异度模型以及组合相异度模型，包括轨迹起点和终点相异度模型、轨迹长度相异度模型、轨迹空间分布相异度模型、轨迹航速均值相异度模型、轨迹航向均值相异度模型、轨迹航速标准差相异度模型和轨迹航向标准差相异度模型；采用KNN分类算法进行轨迹分类，分析了单个相异度模型的有效性和时效性，对比了单个相异度模型和组合相异度模型下轨迹分类效果，研究了组合相异度模型中相异度模型的类别和权重对轨迹分类的影响；分别以内河航道和港口水域船舶轨迹进行试验。试验结果显示:在采用单个相异度的情况下，就分类效果而言，轨迹起点和终点相异度模型和轨迹航向均值相异度模型在内河航道和港口水域船舶轨迹分类效果均优于其他模型，而基于轨迹航速均值相异度模型和轨迹航速标准差相异度模型的轨迹分类效果最低，就分类效率而言，基于航速、航向均值和标准差的相异度模型耗时明显低于其他3个相异度模型；采用组合相异度进行轨迹分类，内河航道和港口水域船舶轨迹分类结果的基于精确率和召回率的宏平均值和微平均值均能接近99%；将组合相异度中相异度类别数由4个增加到7个，轨迹分类评估结果进一步得到提高。因此，单个相异度模型中以轨迹起点和终点相异度模型、轨迹航向均值相异度模型以及轨迹空间分布相异度模型分类效果最优且稳定，而轨迹空间分布相异度模型和轨迹长度相异度模型耗时明显高于其他方式，各相异度模型在不同场景中的适应性基本相似，通过增加组合相异度中相异度类别能够提高轨迹识别效果。      

改进群智能优化算法的海上物流配送路径优化方法

传统算法过早陷入局部最优,不能考虑全局配送问题,导致海上物流配送成本偏高,因此研究改进群智能优化算法的海上物流配送路径优化方法。该方法根据海上物流配送约束条件,建立路径优化模型,利用改进群智能优化算法,进行全局域中混沌局部的同步搜索,实现海上物流配送路径优化。实验结果表明,此次研究方法的物流配送成本,比传统方法低了24 332元,可见此次研究的路径优化方法更好。     

遗传模拟退火算法舰船资源装配效率优化系统

为了解决舰船资源装配工作中,由于装配顺序不确定导致的资源装配效率低的问题,从硬件和软件2个方面,利用遗传模拟退火算法设计舰船资源装配效率优化系统。在硬件方面安装ESC500型号的控制器,并改装系统中的微处理器。在硬件设备支持的基础上,分别通过准备舰船装配资源信息、遗传模拟退火算法优化船舶装配序列和装配效率计算与优化3个步骤,实现对舰船资源装配效率的优化。经过系统测试实验分析得出结论,应用设计的装配效率优化系统后,舰船资源的装配效率得到了有效的提升,且可以实现多舰船装配效率的同步优化。     

基于联合调度优化模型的共享汽车分析

共享汽车行业曾在几年前广为繁荣,但由于其所具有的重模式、高成本、难以盈利等弊端,造成企业难以持续融资,行业难以持续繁荣的困境。如今,随着汽车车型更新换代日益迅速,加之疫情影响经济发展,消费者更倾向于轻便的用车模式,使得具有“分时租赁”特点的共享汽车获得很大发展机遇。本文综合利用Excel、Python软件,先以经纬度为横纵目标对附件数据进行离群值剔除与可视化展示,并将其在空间上划分成25个区域,从而更准确地研究其空间特征;其次,使用Matlab软件构建DBSCAN聚类算法模型,将不同区域共享汽车的实际密度情况以热力图形式在地图上可视展现,得出共享汽车分布主要集中在经度34.78377、纬度32.0556等区域附近,这些区域大多集中位于城市中心,人口密度相对高,共享汽车使用频率高的结论,同时编程得出不同型号车辆在整体区域信息的出现频率次数表,进行不同维度变化分析,得到共享汽车使用集中在早午晚高峰期,该时间段内人流量大,用车需求量高,汽车使用频率高的结论。     

考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤，一是压缩 AIS 数据，二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法，只考虑船舶轨迹的压缩形状，忽视了船舶航行中其他重要信息。为解决此问题，把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面，传统谱聚类方法只对船舶轨迹的位置进行相似性度量，没有考虑船舶轨迹的其他维度，针对此问题，提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量，引入Calinski-Harabasz指标评价谱聚类算法，实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究，并与传统谱聚类算法做比较实验。实验结果表明，利用该方法提取到的典型轨迹符合真实水域的交通情况，相较于传统谱聚类方法具有更高的聚类质量。     

基于仿真试验和BOA-VMD的轴箱轴承故障特征提取算法研究

针对城轨列车运行过程中轴箱轴承故障难以发现的问题，提出一种利用蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)对变分模态分解(Variational Mode Decomposition,VMD）参数进行优化的轴承故障特征提取方法。首先构建基于轴承-车辆刚柔耦合的轴承故障动力学模型，提取轮轨激扰和轴承故障情况下的轴箱振动信号；然后利用蝴蝶优化算法对轴箱振动信号的VMD模态分量数和二次惩罚系数进行寻优，确定最佳参数组合；最后利用已确定的最佳参数对轴承振动信号进行VMD分解，得到不同本征模态分量(Intrinsic Mode Function,IMF)，并对最佳模态分量信号进行包络分析，识别到轴承故障时的特征频率。试验分析表明，基于优化参数的VMD分析方法能够有效提取轴承故障特征频率，通过经验模态分解(Empirical Mode Decomposition,EMD)分析方法对比，可以发现文章提出的分析方法效果更加有效。     

不确定环境下交通网络应急预防护优化研究

交通网络是灾害发生后实施及时救援和应急疏散的重要物质基础之一.为提高交通网络在灾害中的抗毁能力,保证交通网络的可靠性,针对不确定环境下的交通网络应急预防护问题,以灾前养护加固成本和灾后修复费用最小化为目标,同时考虑资金预算、灾后网络连通性、旅行时间可靠性和灾后路段通行能力等约束,构建了双层规划模型进行问题描述,并利用基于Frank-Wolfe的模拟退火算法进行设计了问题的求解方法.算例计算分析表明,所提出的模型和算法计算快捷,结果合理.研究结果表明:养护后的交通网络抗灾效果明显,本文提出的方法可以为相关问题提供有效的决策依据.