考虑时间窗的多货类多目标集装箱运输方案优化

为研究小型内陆城市的集装箱运输方案,在考虑时间窗的约束下,构建运输成本最小、运输时间最短及运输碳排放最少的多目标运输方案优化模型,并结合NSGA-Ⅱ算法和Matlab软件,以丹阳市集装箱运输方案优化为例展开实证研究。研究表明：时间窗的不同对于集装箱运输方案的选择起到关键作用,同时运输成本及运输碳排放量也随之产生变化,为此可通过采用新能源运输设备减少碳排放量来降低运输成本;对于时效性较强的集装箱货物,选用公铁联运较为经济,对于一般性集装箱货物,选用公水联运更为经济。     

基于NFFD和高斯近似的螺旋桨多目标优化

为促进螺旋桨高效优化设计,结合基于NFFD技术、多输出高斯近似模型以及NSGA-Ⅱ多目标优化算法,构建一套包括螺旋桨变形重构—水动力性能快速预测—多目标优化的螺旋桨高效自动优化方法。首先,基于NFFD技术、以螺旋桨的几何参数为设计变量,实现螺旋桨三维模型的变形与重构;采用有限元数值仿真得出样本螺旋桨的水动力性能,并基于多输出高斯近似理论建立螺旋桨几何参数和水动力性能之间的近似模型。最后,结合高斯近似模型和NSGA-Ⅱ算法对KP505桨进行了多目标优化设计,验证方法应用于螺旋桨优化设计的可行性。结果表明,该方法实现了对KP505桨扭矩系数降低3.3%、效率提高2.6%的多目标优化,验证了该方法应用于螺旋桨优化设计的可行性。     

基于综合裕度的环肋圆柱壳多目标优化研究

圆柱壳的肋骨应力裕度较小而其它应力和临界载荷的裕度较大是设计中常见的问题。本文提出了综合裕度的概念,建立基于综合裕度的环肋圆柱壳多目标优化模型。目标函数为综合应力裕度、综合临界载荷裕度和重量。采用NSGA-Ⅱ算法进行优化求解,对Pareto解各属性裕度的统计结果显示肋骨应力裕度较小。并对肋骨许用应力值对优化结果的影响进行了分析,数据结果表明适当放宽肋骨的许用应力能解决肋骨裕度较小的问题。     

基于RBF神经网络的渔船尾部型线两目标优化

为了开发节能、减排的渔船新船型以应对国际形势的挑战。本文提出了一种基于仿真设计的优化方法对一艘灯光渔船的艉部型线进行优化。采用三角变换法修改船型的几何形状,将优化拉丁方生成的样本方案用于RBF神经网络模型的构建,最后以总阻力性能和桨盘面伴流不均匀度为优化目标,采用NSGA2对该渔船船型进行两目标优化,优化结果表明本文提出的方法可以用于渔船新船型的开发。     

减摇航向保持舵的多目标协同优化控制

为使航向保持自动舵在简捷PD控制的基础上具备舵减摇功能,首先建立简捷PD航向保持和舵减摇控制器,以航向保持精度、舵减摇率和舵机能耗3个目标函数,利用NSGA-Ⅱ实现控制系统参数的协同优化。以非线性船舶运动模型为控制对象进行仿真试验,结果显示Pareto优化解集能充分反映多目标函数之间的制约性,与经验参数方案相比,在增加舵机能耗的前提下能够实现更高的舵减摇率和更好的航向保持精度。     

基于改进非支配排序遗传算法Ⅱ的驳船调载方案多目标优化研究

随着货物的大型化,装船的难度和时间消耗增加,驳船各项安全参数易达到极限。为提高驳船压载效率,控制滚装作业过程中船体的总纵弯矩,以驳船最大总纵弯矩和调载时间为优化目标,以驳船与码头的高度差、纵倾角为约束条件,构建驳船调载方案的优化模型。针对该模型特点,采用NSGA-Ⅱ进行求解,并通过贪婪初始化种群改进算法,有针对性地提高算法初始种群的质量,实现算法的快速收敛。最后,以不同重量的货物滚装装船进行仿真试验。试验结果表明,采用改进NSGA-Ⅱ优化求解调载方案,可有效缩短调载时间,减小船体总纵弯矩,具有一定的工程应用价值。     

基于高维优化的RBF神经网络螺旋桨性能预测

螺旋桨式水下推进器推力的大小决定着水下机器人的水动性能.为快速准确预测螺旋桨的敞水性能,建立一种RBF神经网络螺旋桨敞水性能估计器模型.利用几种型号螺旋桨敞水仿真值作为训练样本,对网络规模进行调整.在此基础上,广义逆动态地调整各网络间的连接权重,进行网络参数的优化.通过不断地迭代优化达到学习精度要求,最终得到一种高维优...     

RBF模糊神经网络航向模糊控制器的遗传优化方法

精准的控制船舶航向可以有效的保证船舶航行安全,本文利用遗传算法对RBF模糊神经网络航向模糊控制器进行了优化,在优化的过程中进行了模糊编码、优良模式自学习算子、最优串重组,最后通过仿真实验来说明,通过遗传算法优化后能够在改变参数的情况下使得船舶可以在预定的范围内可控的、稳定地行驶。     

采用RBF神经网络的舰船尾部型线结构优化

在舰船的设计开发过程中,船型的选择非常重要。舰船的尾部型线结构是船型设计中比较容易忽视的问题,为了使舰船尾部型线结构达到最优,可以利用先进的RBF神经网络对尾部型线结构进行优化。基于此点,本文从RBF神经网络的原理、结构及优点分析入手,提出船型优化框架的构建思路,以RBF神经网络替代传统的CFD,并对RBF神经网络模型的建立及预报精度进行研究。结果表明,RBF神经网络模型的预报精度能够满足应用需要,它的优化时间要远远少于CFD。     

基于鲁棒性的船体中横剖面多目标优化

工程应用中在进行鲁棒性优化设计时,要求所求出的解既要具有较高的质量,又要满足一定的鲁棒性要求。将鲁棒性优化问题转化为一个双目标的优化问题,即一个目标为解的最优性,另一个目标为解的鲁棒性,并针对一艘最大应力接近许用应力的多用途船进行基于鲁棒性的中横剖面优化设计。首先,用支持向量机的方法建立船体舱段的近似模型,用于求取舱段的最大应力,并结合蒙特卡罗积分的思想构造出表示最大应力鲁棒性的函数;随后,以最大应力最小和最大应力的鲁棒性函数值最小为目标函数,设计出一种求解鲁棒性最优解的粒子群多目标优化算法。优化结果不仅能降低船体结构的最大应力,同时还可较大程度地提高最大应力的鲁棒性,证明了该方法的可行性。     

粒子群优化的RBF神经网络在海上运输事故预测中的应用

以海上交通安全为应用背景,对船舶运行事故预测方法进行研究,给出一种基于粒子群优化的RBF神经网络的事故预测方法。在本文中,首先对海上运输事故的特点和原因进行分析;然后对径向神经网络和粒子群算法的相关基本理论进行介绍,最后给出基于粒子群优化的RBF神经网络的事故预测方法。实验结果表明,该方法具有较好的预测效果。     

基于多目标优化算法的交流电抗器参数设计

以整流电路为应用背景,对其产生的电流谐波进行了分析,针对电压占比法引入交流电抗器较片面的问题,引入多目标优化算法对系统输入电流谐波畸变率、电抗器占压比、整流输出电压纹波系数等方面进行针对性的优化计算,并对两种方案进行仿真比较分析,证明了多目标优化算法的优越性。     

基于RBF神经网络的舰船维修费预测

鉴于单个预测模型在舰船维修费预测中存在信息源不够广泛的不足,提出用组合预测法进行维修费预测。构建了基于径向基函数(RBF-Radial Basis Function)神经网络的舰船维修费组合预测模型,并用实例进行了验证。结果证明了此方法的有效性。     

RBF神经网络的舰船图像滤波融合

普通舰船图像滤波融合模型,不能兼顾滤波精度计算性与滤波容错性。为解决此问题,设计基于RBF神经网络的舰船图像滤波融合仿真模型。通过网络结构设计与网络学习方法设计,完成RBF神经网络的搭建;改进原有仿真模型算法、舰船图像多滤波融合形式,完成仿真模型的搭建。模拟应用环境设计对比实验结果表明,基于RBF神经网络的舰船图像滤波融合仿真模型,既提升滤波精度计算性与滤波容错性,也做到2种性能的兼顾。     

基于RBF神经网络的雷达网抗干扰效果评估

通过分析雷达网抗干扰效果的评估指标集,建立了一种基于RBF神经网络的雷达网抗干扰效果评估模型,并通过试验数据样本进行学习训练RBF神经网络模型。最后,利用训练好的RBF神经网络模型对雷达网的抗干扰效果进行评估,结果表明基于RBF神经网络的雷达网抗干扰效果模型具有一定实用性和可行性。     

基于BP神经网络的空袭目标识别

通过介绍BP神经网络用于目标识别的基本原理,对目标不完整或不确定数据进行分析、推理。提取空袭目标的速度、高度、机动加速度和雷达反射面积等有用特征,并运用定性、定量相接合的方法,对目标特征进行归一化处理,作为输入层数据。根据目标识别的具体要求确定各层神经元数,建立了BP神经网络目标识别模型。通过对样本数据训练、检验、输出结果的分析,表明在缺乏识别先验知识时,运用该方法识别空中目标简单有效。     

基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.     

多目标模糊优化在船舶结构设计中的应用

船舶的结构设计过程需要分析和处理大量的不确定性因素,比如结构尺寸、载荷、强度和配合公差等参数,是一个典型的多目标优化过程。为了提高船舶结构的质量,对大量不确定性因素进行优化求解具有重要的意义。本文根据船舶结构设计过程的不确定因素,建立多目标模糊优化函数模型,并采用多目标分层序列法和权重分配法对具有重要性差异层次的目标函数进行判定,找到船舶结构设计参数的最优解。     

基于RBF神经网络的港口货物吞吐量预测

将人工神经网络理论引入港口货物吞吐量远景观测，并依据，1978－1998年北方某大港主要要经济腹地的相关经济变量的历史数据建立RBF神经网络预测模型，最后利用模型对未来15该港货物吞吐量进行了预测。     

RBF神经网络模型在遥感目标检测中的应用

光学遥感成像是一种常见的船舶目标图像获取方法,对其图像中的船舶目标检测正逐渐成为研究热点。本文利用RBF神经网络模型对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种常见船舶光学遥感图像进行检测,首先结合kmeans和区域增长法对遥感图像进行分割,接着对船舶区域提取灰度一致性矢量和距离直方图2个特征。最后用聚类方法对RBF网络训练,并用其对船舶目标进行训练和检测。检测结果表明,本文的RBF神经网络模型对船舶目标的检测准确率为86%左右,有效实现了常见船舶目标的检测。