改进粒子群-BP物联网络算法的PSC选船模型

港口国监督管理(PSC)在保障船舶安全、保护海洋环境、提高运营效率等方面发挥着越来越重要的作用。如何提高PSC选船效率和质量是行业研究的重点。粒子群算法是一种通过迭代搜索最优解的进化算法。BP神经网络是一种具有自主学习能力的多层前馈网络。本文研究粒子群算法原理,从惯性权重和压缩因子两方面对粒子群算法进行改进,结合BP神经网络算法,提出基于改进粒子群-BP物联网络算法的PSC选船模型,提高了选船效率和质量。     

基于粒子群算法的压气机热力学模型研究

压气机性能对涡轮增压柴油机性能影响显著,也是仿真计算的难点和重点。压气机热力学模型虽原理清晰、扩展性好,但模型参数获取比较困难。为克服这一难题,该文提出利用实验图谱,基于粒子群算法对压气机特征参数进行优化建模的方法。利用所获取压气机有限范围内的特性图谱,选取多个参数作为建模的优化参数,包括进出口直径、叶轮入口角、扩压器入口角、叶片后弯角与叶轮出口宽度等,将优化后热力学模型计算结果与实际特性图谱进行比较。结果表明：该方法所建立的热力学模型能够较好地匹配实验图谱,扩大了压气机模型的适用工况范围。     

基于改进粒子群算法的舰船电力系统无功优化

依据舰船电力系统的特点,构建适用于舰船电力系统的优化模型。率先采用自适应粒子群算法对舰船电力系统进行无功优化。与标准粒子群算法相比,新算法有效克服了标准粒子群算法在优化过程中前期易陷入局部最优和后期收敛速度慢的缺点。优化后,舰船电力系统的有功网损降低明显,电压分布也更加合理,保证了舰船电力系统安全稳定的运行。     

基于粒子群改进算法的水下滑翔机路径优化

水下滑翔机以其低功耗、低成本和低噪声等优势在海洋科研、环境监测、资源探测和军事侦察等领域具有广阔的应用前景。基于效率最优原则的水下滑翔机路径规划对降低滑翔机的功耗和快速到达指定位置至关重要。基于水下滑翔机效率模型的路径规划问题是一种非线性混合整数规划问题,针对此类问题在建立水下滑翔机效率模型的基础上提出粒子群改进算法。利用该算法,在效率最优原则下对水下滑翔机到达指定位置的路径进行优化。通过与其他算法比较可知,该算法能够比较快速地找到质量较高的最优解,适合解决非线性混合整数规划问题。     

基于免疫机制的改进粒子群优化算法研究

针对粒子群优化(PSO)算法容易陷入局部极值的不足,引入免疫机制对PSO算法进行优化,实现全局搜索。通过免疫机制的应用,根据亲和度的高低进行粒子克隆、选择、淘汰和高频变异,增强了算法全局搜索的能力,提高了收敛速度和精度。实验表明,改进后的算法完成全局搜索所需的迭代次数明显少于PSO算法,具有优良的自适应调整性能。     

基于改进粒子群算法的船舶排样问题研究

提出了一种改进的粒子群算法来解决船舶排样问题。该算法将混合蛙跳算法的分组思想引入简化粒子群算法中,粒子能够利用更丰富的信息进行更快地收敛。船舶排样零件形状虽多为不规则图形,但它可以转化为矩形件后再进行排样。剩余矩形排样法是解决矩形件排样问题的一种较好的启发式算法,它既满足BL条件又符合BLF算法的思想,这样就能够对排样过程中产生的空白间隙进行填充,保证了较高的板材利用率,有利于找到较优解。用此算法结合剩余矩形法对2组矩形件进行排样,达到了90%以上的利用率,均优于对比文献,表明了本文算法的有效性。     

基于改进粒子群算法的蒸汽发生器水位控制优化

核动力装置蒸汽发生器的水位控制系统,多采用串级三冲量PID控制方案.为了克服传统的控制器参数整定方法的局限性,应用粒子群优化算法对主调节器进行参数整定,获得了相对最优参数.仿真结果表明,与传统整定方法相比,这种参数整定方案得到的控制参数能使水位控制系统具有更好的控制品质.     

基于改进粒子群算法的散焦舰船图像模糊参数估计

针对散焦舰船图像模糊问题,采用传统参数估计方法受到噪声影响,导致估计误差较大,为了避免该问题,提出改进粒子群算法。分析散焦舰船模糊图像退化模型,得到退化后图像计算公式。根据该公式初始化粒子群,通过跟踪极值来判断最新位置,并对运行速度进行控制。采用改进后的例子算法构建半径为r的圆,并分析圆弧形状和散焦频谱特征,通过计算幅值可得到散焦模糊参数的估计。由实验结果可知,该方法最高估计精准度可达到0.985 2,具有较强抗噪性能。     

基于闭环增益成型算法和改进粒子群算法的舰船航向控制

如今,海上航线的船舶密度不断提高,且船舶的动力性能更强,速度更快,在航线拥挤的地方往往会发生船舶碰撞事故。为了提高船舶的航行安全性,有必要针对船舶的航向控制技术进行优化。本文首先研究闭环增益成形算法和改进粒子群算法的原理,建立舰船航向控制过程的动力学模型,基于这2种优化算法对舰船的航向控制系统进行研究,有助于改进舰船航向控制水平。     

基于改进粒子群优化算法的船舶纵向运动参数辨识

针对粒子群优化算法易于陷入局部最优的缺点,提出了一种改进的粒子群优化算法,并将改进的算法应用到船舶纵向运动模型的参数辨识。对辨识结果进行了验证,表明,利用改进的粒子群优化算法有较快的收敛速度和稳定性,辨识获得的水动力参数计算的结果误差均在允许范围内,得到的纵向运动的状态参数与理论观测值吻合度较高,辨识算法有效可行。     

基于改进粒子群优化算法的船舶纵向运动参数辨识

针对粒子群优化算法易于陷入局部最优的缺点,提出了一种改进的粒子群优化算法,并将改进的算法应用到船舶纵向运动模型的参数辨识.对辨识结果进行了验证,表明,利用改进的粒子群优化算法有较快的收敛速度和稳定性,辨识获得的水动力参数计算的结果误差均在允许范围内,得到的纵向运动的状态参数与理论观测值吻合度较高,辨识算法有效可行.     

基于粒子群算法的水翼剖面优化设计

水翼是船舶设计和各种水中运动装置设计的重要组成部分,在船舶海洋工程领域的应用十分广泛.采用粒子群优化算法(PSO)对三维水翼翼型进行了以提高升阻比为目标的优化设计.翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于面元法的流场数值解来提供.整个优化计算过程较传统的优化方法原理简单,计算量小,优化后的水翼型能较原翼型的水动力性能有明显改善.优化结果验证了粒子群优化算法结合面元法在水翼剖面优化设计中的可行性,对今后水翼剖面优化设计有一定借鉴意义。     

改进粒子群优化算法自适应波束形成技术

本文研究了利用粒子群优化算法进行自适应方向图控制的综合方法,给出了自适应阵列处理的数学模型以及LCMV自适应波束形成器的数学表达,介绍了粒子群优化算法的基本思想和算法流程。结合粒子群优化算法和自适应方向图控制的相关知识,本文提出一种基于多虚拟干扰源的改进粒子群算法并将其应用于LCMV自适应波束形成器以提升其性能并进行自适应方向图控制。仿真结果表明,该方法可有效改善LCMV自适应波束形成方法在多重干扰情况下零陷生成效果不佳、低快拍下性能较差等缺点,改善输出信干噪比,并在加深零陷和降低旁瓣等方面效果显著。     

基于改进粒子群优化算法的自主水下航行器深度控制

为解决欠驱动自主式水下航行器的定深控制问题,建立欠驱动自主式水下航行器的数学模型,选用经典的PID控制器对其进行控制。为使控制器的各项性能指标良好,控制器的参数整定选用粒子群优化算法。粒子群算法在迭代过程中容易出现粒子早熟现象,为了避免这一现象,本文引入指数函数,对粒子群迭代公式的惯性权重进行动态调整,延长了粒子的大范围搜索时间。在Matlab 2019b环境下进行仿真,通过纵向对比,证明了改进算法的可行性,将改进后的算法与ZN整定算法进行对比,结果表明,改进粒子群算法表现更佳。     

基于改进粒子群算法的大开口甲板板架轻量化设计

船舶甲板板架是船体结构的主要组成部分,如何减轻其结构重量是船体结构设计中最为关注的问题之一。本文根据典型甲板结构特点并结合工程经验提出带支柱大开口甲板板架结构轻量化设计数学模型,针对粒子群算法在寻优过程中存在的容易陷入局部极小、收敛速度慢等缺点,结合粒子在实际寻找食物的过程中,大部分可以飞到其预期的最佳位置,而少数粒子由于受不确定因素影响,发生飞行偏离,提出一种改进粒子群算法。基于改进的粒子群优化算法和ANSYS参数化建模技术完成了典型甲板板架结构在强度约束条件和稳定性约束条件下的轻量化设计,获得了最优设计方案。     

改进粒子群优化算法的舰船三维路径规划

为了提高对舰船三维路径规划和协同调度能力,提出基于改进粒子群优化算法的舰船三维路径规划方法。采用视点模型跟踪方法实现对舰船三维路径移动任务规划设计,获得舰船的方位信息编队任务分布特征量。通过改进粒子群仿生算分获取虚拟刚体状态约束特征值,结合方位信息编队移动分布情况,实现对目标舰船编队的形成、保持与跟踪识别。通过对舰船目标三维参数估计结果,实现对舰船的路径规划。仿真结果表明,采用该方法进行舰船三维路径规划的空间规划能力和参数能力较好,能准确估计舰船位置和空间方位信息。     

融合改进粒子群算法的船舶图像检索研究

为了提高船舶图像检索效果,针对当前的船舶图像检索过程中特征权值的确定问题,提出一种融合改进粒子群算法的船舶图像检索方法。首先对当前船舶图像检索方法进行分析,提取不同类型的船舶图像检索特征,然后采用粒子群算法确定船舶图像检索特征权值,并对粒子群算法存在的缺陷进行相应的改进,最后通过特征加权得到船舶图像特征之间的相似度值,根据相似度值得到船舶图像检索结果,并采用多幅船舶图像进行检索实验,结果表明,本文方法的船舶图像检索率超过94%,而船舶图像的误检率和漏检率均低于5%,获得了十分理想的船舶图像检索结果。     

粒子群算法应用于装船顺序整数规划模型

在装船的过程中受到不同因素的制约,因此装船顺序问题是组合优化问题。本文研究船舶的稳定性和翻箱率问题,将航程作为约束条件,建立装船顺序整数规划模型,最后利用粒子群算法进行模型求解,通过实验结果可以看出,此方法收敛速度快,能够求取得到全局最优解。     

离散粒子群算法在不确定动态船队规划中的应用

分析航运公司船队规划的特点,考虑船舶技术经济指标随船龄的变化和市场的不确定性,建立基于不确定性的动态船队规划模型,并考虑到不确定性规划求解的复杂性,把带有模糊、随机参数的机会约束转化为它的清晰等价类并根据船队规划问题具有大规模、离散性和整数性等特点,采用离散粒子群算法进行求解,通过实例说明该方法的可行性.