基于VDM与APSO优化极限学习机的船舶运动姿态预报

为提高船舶在海上运动的耐波性与适航性,并为解决具有非线性、随机性和非平稳性特点的船舶运动姿态难以准确预测的问题,提出运用一种基于变分模态分解和自适应粒子群算法优化极限学习机的组合预测模型。该算法首先利用变分模态分解将船舶运动姿态序列分解为一系列限带内本征模态函数,并且变分模态分解可以避免经验模态分解技术所产生的模态混叠和端点效应,可以降低序列的非平稳性对预测精度的影响;然后对各模态分量分别建立极限学习机预测模型,并用改进的粒子群算法对极限学习机的初始权值和阈值进行优化;最后将各模态分量预测结果进行叠加,得到最终的船舶运动姿态预测值。通过模拟试验测试并与其他传统的预测方法进行比较,结果表明所建立的组合预测模型具有更高的预测精度。     

二阶灰色神经网络在船舶横摇预报中的应用

为了提高船舶的耐波性和适航性、对船舶横摇进行有效准确预报,提出了将灰色系统理论和神经网络进行有机结合的二阶灰色神经网络预报模型。介绍了二阶灰色预报模型,采用神经网络映射的办法构建灰色神经网络预报模型,并介绍了神经网络学习机制。另外,以某舰船横摇运动时间序列预报为例对模型进行仿真验证,有效改善了二阶灰色模型较大的预报偏差。仿真结果表明,GNNM(2,1)模型能准确预报船舶横摇运动,具有更高的预报精度和更好的数据稳定性。     

基于混沌理论和改进极限学习机的船舶升沉预报

船舶升沉运动预报是主动升沉补偿系统中的重要组成部分.为了满足船舶升沉运动预测的实时性和准确性要求,本文提出了一种混沌理论与增强搜索极限学习机相结合的混合方法(CES-ELM).在混沌动力系统相空间重构的基础上,采用基于误差最小化的方法生成ELM隐藏节点并不断更新权值;利用优化后的模型参数建立船舶运动预测模型.不同海况下的仿真结果表明,该方法的预测平均绝对百分误差小于10％,与传统的ELM和LSSVM模型相比,该模型能有效提高预测精度和鲁棒性.     

舰船姿态运动的自适应实时预报及其应用

舰船姿态运动预报系统是舰载机起降指导系统中的主要部分,它对提高舰载机安全起降起到重要作用.本文根据大型舰船在随机海浪作用下的运动特性,提出了基于自适应AR模型的预报方法,它通过RLS递推算法实现了在线实时预报.利用DSP设计的上述预报系统,本文进行了大量典型航行工况下的仿真.仿真结果表明,文中提出的舰船姿态运动预报方法可行,提前2秒的预报误差为2.7%,提前7秒的预报误差为8.3%.因此,该方法在工程中具有很大的实用价值.     

云自适应粒子群优化算法在船舶纵向运动参数辨识中的应用

为解决粒子群算法存在的易收敛于局部最优的问题,提高算法的精度和速度,本文提出云自适应粒子群优化算法,并将该算法应用于船舶纵向运动参数识别模型中,经过辨识得到的船舶纵向运动参数的误差值在允许范围内,且状态参数和理论值具有较高吻合度。     

载液船舶在波浪中的运动预报

载液船舶在波浪中的运动是一个复杂的力学问题,它涉及到船舶摇荡运动与液体晃荡运动的相互耦合作用。本文将建立计及液体晃荡载荷的载液船舶在波浪中的运动方程并概述相关研究现状。     

船舶在波浪中的操纵运动预报

本文应用水平的随船坐标系,建立了船舶在波浪中的六自由度操纵运动方程。为了检验数学模型的正确性,进行了船舶在波浪中的操纵运动模型试验。应用上述数学模型,初步分析了波浪对船舶操纵性能的影响,以及船舶操纵对波浪中船舶运动性能的影响。     

新型云粒子群算法在船舶工程中的应用

船舶工程研究的内容多以工程力学和结构学为主,这些都是比较复杂的问题,尤其是船舶动力,它是造船时需要重点考虑的关键因素之一。在复杂问题的解决中,粒子群算法的效果较好,但由于传统的粒子群算法容易陷入局部最优的情况,所以,需要对算法进行优化。云计算的出现,为粒子群算法的优化提供条件。本文从新型云粒子群算法的实现入手,对该算法在船舶工程中的应用进行论述。结果表明,本文提出的新型云粒子群算法,要优于传统的算法,具有良好的应用价值。     

船舶横向运动短期姿态预报数学建模可行性研究

传统的船舶横向运动短期姿态预报数学模型存在着预报性能低的缺陷,为此提出船舶横向运动短期姿态预报数学建模可行性研究。采用平均滤除法对船舶横向运动数据中的不良数据进行去除,完成船舶横向运动数据准备,将得到的船舶横向运动数据进行归一化处理,适应预报函数的需求,将得到的归一化的船舶横向运动数据输入到BP神经网络算法中完成船舶横向运动短期姿态的预报,实现了船舶横向运动短期姿态预报数学模型的建立。通过实验得到,构建的船舶横向运动短期姿态预报数学模型预报误差比传统模型低了21.41%,预报时间比传统模型高出3.25 s,充分说明构建的船舶横向运动短期姿态预报数学模型具备良好的可行性与预报性能。     

数据挖掘技术在船舶操纵运动预报中的应用研究

船舶操纵性直接影响船舶的航行安全。本文首先阐述BP神经网络的特点,并且以此为基础设计基于数据挖掘的船舶操纵运动预报的神经网络结构,选取散货船样本进行学习,获得3个预报样本,最后对散货船的水动力进行预报。预报结果表明,本文所采用的基于神经网络的数据挖掘技术预报精确度高。     

灰色理论自适应模型在船舶流量预测中的应用

随着经济的发展,船舶作为最经济实惠的运输方式广泛应用。本文将灰色理论自适应模型应用于船舶流量预测,可以有效提高船舶交通服务的智能化及自动化水平。最后通过对比实验说明本文所设计的模型比传统模型精度得到提高。     

船舶交通事故量灰色预测应用研究

船舶交通事故量是评价交通安全状况的重要指标,同时也是衡量交通安全管理水平的重要内容.应用灰色系统理论,建立船舶交通事故的灰色预测模型,并将这一模型应用于我国水上船舶交通事故数量的预测,其预测数据可为水上交通安全管理者提供决策参考.     

改进QuickBundles算法在船舶轨迹聚类中的应用

对船舶AIS数据聚类进行研究,可以挖掘出船舶航行过程中有效或潜在的信息,对于提高船舶海事交通管理和水路交通运输的智能化水平具有重要意义。传统的聚类算法在面对大量的AIS数据样本时通常表现出很低的执行效率。因而,提出一种改进QuickBundles算法,并对船舶轨迹采样方法和距离度量方式进行改进,选取长江南京航段板桥汽渡水域的船舶AIS数据作为试验依据,最终实现船舶轨迹的有效聚类。试验结果表明,与原QuickBundles算法和DBSCAN算法相比,改进QuickBundles算法在算法执行效率和算法准确性方面优于前两种算法,证明改进QuickBundles算法可有效应用于船舶轨迹聚类。     

灰色预测模型在港口集装箱吞吐量预测中的应用

1 引言 多年来我国集装箱运输持续快速地发展,水路运输方面,已在沿海形成八大干线港口,集装箱运输正逐步向中西部延伸。随着未来经济的发展。港口还须进一步提高吞吐能力,港口集装箱吞吐量需求预测将越发重要。     

改进的灰色模型在港口吞吐量预测中的应用

用提高原始数据列光滑度的方法来提高灰色预测模型(GM模型)的精度。利用函数a-xm(a>1,m>1)对原始离散数据列｛x(0)(k)｝进行变换,原始数据列变成a-[x(0)(k)]m ,很大程度上提高了预测精度。将这种方法应用于港口吞吐量的预测,结果比传统灰色预测方法精度高很多,对正确做出港口发展战略、统筹安排、正确决策以及减少损失有重大意义。     

粒子群优化算法在港口船舶物流中的应用

传统的用遗传算法的港口船舶物流中存在逾期惩罚成本过高的问题,为此,提出粒子群优化算法在港口船舶物流中的应用。分析港口船舶物流影响因素并完成粒子编码,使得粒子位置与影响因素一一对应,计算多目标适应度函数,根据种群适应值均值调整目标粒子适应度函数,保证适应度函数最优,利用微粒迭代更新粒子的位置和速度,通过判断种群的收敛精度实现最优解的输出。实验结果表明,应用粒子群优化算法的港口船舶物流中逾期惩罚成本远低于应用遗传算法物流中的逾期惩罚成本,说明粒子群优化算法的应用有效地改善了逾期惩罚成本过高的问题。     

基于船舶运动信息的航行海域海浪特性预报

以船舶自身为波浪测量仪,致力于采集方便而又尽可能少的船舶运动信号以提取航行海域实时海浪特性.由于估计中不依赖原始理论计算的传递函数,不需要附带波浪采集装置,而仅利用航行中船舶运动的观测序列完成海浪谱反演,故该海浪测量方法可适应船舶自身运动参数的变化.另一方面,由于反演估计的船舶运动频率响应特性,与事先计算或以其它实验方法得到的船舶运动频率响应特性得以比较,可以深化、修正对许多不易实时测量的海浪激励状态与船舶运动响应关系的认识,并积累船舶工程研究设计所必需的相关海域海浪谱信息.     

海浪预报不确定下的船舶运动姿态分析方法

实时准确地估计海浪预报不确定下的船舶运动姿态是一个非常困难的问题.为解决该问题,通过分析海浪预报的随机误差对船舶运动姿态估计的影响,建立基于不确定性海况预报数据的船舶运动姿态估计模型;引入多项式混沌展开方法,实现船舶运动姿态估计的不确定性量化(Uncertainty Quantification,UQ);利用船舶横摇运...     

免疫粒子群算法在夜航船舶避碰规划中的应用

受夜晚环境的影响,传统的船舶在航行过程中存在碰撞事故多发的问题,为此应用免疫粒子群算法对夜航船舶避碰规划方法进行优化设计。首先利用航行船舶上的AIS设备确定夜航船舶运动参数,并结合障碍船的位置划分夜航船舶会遇态势。设置夜航船舶安全会遇距离并计算夜航船舶碰撞危险概率。应用免疫粒子群算法更新船舶速度和位置,当两船之间的碰撞危险度达到危险区间,确定避碰时机以及幅度,进行夜航船舶避碰规划。实验结果表明,应用免疫粒子群算法,能够有效地降低碰撞事故发生率。     

应用人工神经网络理论的船舶运动包络预报方法

本文首先介绍了人工神经网络理论的基本内容以及前馈网络反向传播的训练方法，然后应用单隐含层网络作出船舶运动包络的实时预报。文中就一船舶的海上实测运动数据进行了实例计算，结果表明，本文方法的预报结果明显好于其它模型的自适应预报结果。