关键链技术在舰船等级修理周期管控中的应用研究

[目的]旨在解决舰船等级修理周期长的问题.[方法]结合舰船修理周期管控特点,基于关键链(CC)技术开展舰船等级修理周期管控的应用研究.通过设置缓冲区来解决修理周期的制定、实施和监控中可能遇到的问题,建立基于关键链技术的舰船修理周期管控模型,并通过实际案例验证该模型的可行性和有效性.[结果]结果表明,在保证舰船修理质量的...     

舰船计划修理信息管理系统的研究与开发

从海军舰船计划修理中各类故障及维修信息纷繁复杂、管理难度大的问题着手,分析了开发舰船计划修理信息管理系统的必要性,深入研究该系统的总体结构和功能框架,并提出利用计算机信息技术实现系统功能的方法.该系统的开发能为舰船计划修理提供高效的工作平台和信息处理平台,实现舰船计划修理工作的信息化.     

基于模糊数学模型的舰船红外成像目标智能识别方法

利用传统基于SVM和基于神经网络的方法对舰船红外成像目标进行智能识别,识别距离较短,导致识别范围受限。针对上述问题,提出基于模糊数学模型的舰船红外成像目标智能识别方法。该方法分为3步:1)对舰船红外图像进行预处理,包括图像滤波、图像增强、图像分割;2)利用基于几何特性方法提取处理后的图像特征;3)以图像特征作为模糊数学模型特征因子,构建模糊集合,并利用贴近度原则对被识别对象进行归属判决,完成目标识别。结果表明:与基于SVM和基于神经网络的方法相比,利用本方法进行舰船红外成像目标智能识别,识别距离延长10 m和20 m,识别范围扩大。     

基于遗传算法的编队条件下舰船修理周期结构优化

舰船的部署和修理活动在全寿命期内是按其修理周期结构进行,而编队的使用则需要编队内各舰艇的修理周期结构的相互配合,通过组合优化各舰艇的修理周期结构,可以使编队拥有更多的部署时间。在舰船修理周期结构的定量描述模型基础上,构建了编队的修理调度模型,并采用遗传算法对编队的部署能力进行了优化分析。实例分析结果表明:优化后编队的部署时间可达到近110个月,相对于未优化前提高了50个月。     

基于“定期与视情相结合”模式的舰船修理结构设计方法

针对舰船装备使用强度增大后带来的修理结构不适应性难题,提出了一种"定期与视情相结合"的等级修理新模式,研究确定了新等级修理模式应以定期修理为基础、以视情修理为辅助、以在航修理为补充;围绕新模式下舰船修理结构设计的关键环节,分析了军事需求和装备维修需求对等级修理的要求,以及修理类别、修理间隔和在修时间的确定方法,设计出的修理结构能够更好地满足舰船任务拓展需要,对于确保舰船的合理使用与适时修理具有重要作用。     

舰船计划修理价格动态估算系统的研究

采用结构化方法对舰船计划修理价格动态估算系统进行了系统分析、系统设计及系统初步实现，对系统中舰船计划修理价格动态估算模型进行了研究，建立了修理价格参数和修理价格标准的动态估算模型。     

负载均衡的舰船网络最短路径路由算法

为了提升舰船网络的吞吐量,降低网络的带宽阻塞率和时间成本,在负载均衡技术的支持下,提出舰船网络最短路径路由算法。结合舰船网络的运行原理和拓扑结构,构建舰船网络模型。在该模型下,选择混合路由协议作为网络传输协议。判定舰船网络节点负载状态,根据判定结果实现对舰船网络节点负载的均衡控制,并通过最短路径的计算与选择,实现舰船网络最短路径路由。经过与传统路由算法的对比实验得出结论:设计路由算法的带宽阻塞率和时间成本有所降低,吞吐量降低了约29.65 MB。     

编队作战需求下舰船修理周期结构的优化

舰船全寿命期内的部署和修理活动需要在其修理周期结构的指导下进行,而编队的使用则需要编队内各舰艇的修理周期结构的相互配合,从而使编队拥有更高的部署能力。文章建立了编队修理周期结构的优化模型,考虑了同一舰级下舰艇相互代替使用的情况,更能真实反映编队的部署和修理情况,采用遗传算法对编队的部署能力进行优化分析,实例证明优化后可以显著提高编队的部署能力,为进一步研究编队的部署维修奠定了基础,同时在单舰的修理周期结构上加上了编队使用需求这一约束条件,拓展了研究舰船修理周期结构的思路。     

基于多特征优化的海面目标识别技术

以散射点模型理论为基础,分析了等间隔分帧方法对目标识别影响的具体原因。基于舰船目标回波,利用皮尔逊相关系数自适应地对舰船目标进行角域划分,在分帧的基础上进一步对特征的提取与优选进行了探讨。通过理论分析与仿真实验的方式,对特征的可分性进行研究,优选出可分性高的特征,并在SVM分类器中对优选特征进行识别验证。与传统的识别方法相比较,该方法可以有效改善识别性能。     

破损舰船进坞过程虚拟仿真研究

利用虚拟现实技术,根据破损舰船状态信息建立三维模型,在进行浮态稳性调整后,生成船坞布墩方案,并采用虚拟仿真软件实现破损舰船虚拟进坞过程,为部队和船厂在战时快速、科学地制定安全可靠的进坞修理方案提供技术支持,对战时破损舰船的进坞修理提供了训练平台,解决了破损舰船进坞修理的快速性和安全性问题。     

基于支持向量机的集装箱船航次配箱量的预测方法

集装箱船航次配箱量预测对集装箱码头管理和集装箱船配载具有重要意义。首先利用支持向量机(SVM)理论建立非线性回归模型,然后分析影响航次配箱量的因素,利用历史数据作为学习预测的样本,用训练好的回归模型对新的数据进行预测。实际计算结果表明:同BP神经网络预测模型相比,该预测模型具有良好的泛化能力及准确的预测结果。     

基于支持向量机的舰船维修费用组合预测研究

在费用预测中,利用单一模型往往存在着信息不足的缺陷。为了提高舰船维修费用的预测精度和稳定性,采用支持向量机（SVM）回归算法,把几种单一预测模型结果作为输入,实际值作为输出,然后用足够多的预测案例训练学习机器,在各组合的模型预测结果与实际之间得到一种非线性映射关系,从而建立了非线性组合预测模型。最后,以某型舰船维修费用为例,对指数平滑法、灰色预测和参数法3种方法的预测结果进行仿真,结果表明此法较传统的单一模型预测法具有更高的预测精度。     

基于SVM—ANN混合模型的某型舰炮武器随动系统故障诊断研究

支持向量机和人_T神经网络是在故障诊断方面比较常用的两种方法.针对支持向量机和人工神经网络在故障诊断方面的优势和不足,提出了一种基于SVM-ANN混合模型的故障诊断方法,并将其应用在某型舰炮武器随动系统的故障诊断中,该方法具有诊断速度快、诊断精度高等优点.     

支持向量机和遗传算法组合策略的VLCC船中结构优化设计(英文)

In this paper a hybrid process of modeling and optimization,which integrates a support vector machine(SVM) and genetic algorithm(GA),was introduced to reduce the high time cost in structural optimization of ships.SVM,which is rooted in statistical learning theory and an approximate implementation of the method of structural risk minimization,can provide a good generalization performance in metamodeling the input-output relationship of real problems and consequently cuts down on high time cost in the analysis of real problems,such as FEM analysis.The GA,as a powerful optimization technique,possesses remarkable advantages for the problems that can hardly be optimized with common gradient-based optimization methods,which makes it suitable for optimizing models built by SVM.Based on the SVM-GA strategy,optimization of structural scantlings in the midship of a very large crude carrier(VLCC) ship was carried out according to the direct strength assessment method in common structural rules(CSR),which eventually demonstrates the high efficiency of SVM-GA in optimizing the ship structural scantlings under heavy computational complexity.The time cost of this optimization with SVM-GA has been sharply reduced,many more loops have been processed within a small amount of time and the design has been improved remarkably.     

一种基于拓展支持向量机的无人船路径规划方法

为有效解决无人船实现智能航行面临的路径规划问题，提出一种基于拓展支持向量机（SVM）的路径规划方法。该方法在传统SVM路径规划方法的基础上，考虑任务途中障碍物的规避风险，将工作任务的起止点作为约束条件对传统方法进行拓展，并针对不同的应用情景给出线性路径规划和非线性路径规划的求解方法。同时，为提高路径规划的效率，从SVM的原理出发，提出一种训练集裁剪的方法，大幅度减少利用SVM求解路径时所需的训练样本个数。此外，通过仿真验证该方法的可行性和有效性。     

基于改进支持向量机(SVM)模型的荆州港吞吐量预测

在编制港口总体规划过程中,港口吞吐量的预测对于提出规划方案至关重要,支持向量机(SVM)方法是港口吞吐量预测较为常见和有效的预测方法。针对港口吞吐量预测影响因素复杂的问题,以荆州港总体规划为实例,研究分析了影响港口吞吐量的主要指标因素。在采用SVM预测方法的基础上,运用遗传算法(GA)、网格搜索算法(GS)对SVM模型主要参数进行优化改进,GA-SVM和GS-SVM模型预测结果都是在支持向量机预测方法的基础上,采用遗传算法和GS方法对支持向量机模型的主要参数进行优化和改进,并用MSE和R2检验了遗传支持向量机和GS支持向量机模型的预测结果。改进后的SVM模型是在当前研究成果基础上提出的一种新港口吞吐量预测方法,可将该模型在港口总体规划工作中进行推广应用。     

基于粒子群优化支持向量机的水面无人艇故障诊断

通过故障诊断可以对水面无人艇可能要发生的故障进行预报、分析和判断,从而及时调整控制策略以抑制故障的继续发展,为消除故障、维修设备提供准确的技术支持.SVM是基于统计学习理论的一种机器学习方法,常用于故障诊断,在解决小样本、高维度、非线性模式识别问题中有独特优势.SVM分类的准确率由其属性参数直接决定,而最佳的属性参数往往很难直接得到.基于粒子群优化SVM(PSO-SVM)的水面无人艇故障诊断方法,即将粒子群优化算法(PSO)用于SVM属性参数的优化选择中,充分发挥了PSO算法的全局搜索能力和易于实现的优势.水面无人艇故障诊断实例分析结果表明,PSO-SVM的故障诊断精度高于BP-NNs、GS-SVM、GA-SVM。PSO-SVM适用于水面无人艇故障诊断.     

基于K最近邻决策的支持向量机分类算法及仿真

将基于支持向量机(SVM)的分类方法和最近邻法(NN)相结合,提出了一种SVM-KNN的分类方法。通过SVM算法对训练样本进行训练并找出支持向量,在进行待识别样本判断时,当其与最优分类面距离大于某一给定阈值时采用SVM决策模型,否则运用K最近邻法决策其类别,从而减少SVM算法的误判概率。仿真实验结果显示,运用该算法无论对于合成数据还是真实数据,在分类精度上比单独的SVM都有较明显的提高。     

基于PCA和SVM的柴油发动机冲击故障诊断方法研究

针对柴油发动机振动信号进行故障诊断技术研究,提出了一种基于主成分分析和支持向量机的柴油发动机冲击故障诊断方法。首先利用小波包分解提取出冲击故障的特征;再利用主成分分析技术获得敏感特征参数,进而减小数据处理的复杂程度;最后利用支持向量机对敏感特征参数样本进行训练,获得分类模型,进而实现故障分类。将该方法用于柴油机实际故障分类,诊断准确率较高,证实了本文方法对多种冲击故障诊断的有效性。     

基于SVM的雷达目标一维距离像识别

基于支持向量机的雷达目标一维距离像识别研究。一维距离像揭示了目标径向结构的分布特性。支持向量机基于经验风险最小化原理,适用于小样本学习问题。通过对三种目标分类进行仿真实验,结果表明：该分类方法具有较高的识别性能。