基于BP-SSA算法的夹层板结构抗爆性能优化方法

设计具有优良抗爆性能的夹层板结构对提高船舶生命力具有重要意义。本文提出一种基于神经网络与麻雀搜索算法相结合的优化方法（BP-SSA）,以提高结构的抗爆性能为主要目标,对波形夹层板结构进行优化设计。通过正交试验设计建立样本点矩阵,在此基础上,利用神经网络建立设计变量与结构响应值之间的响应面模型,最后采用麻雀搜索算法对响应面模型进行多目标优化分析,得到波形夹层板结构的抗爆性能优化方案。优化后的结构抗爆性能比原结构提升了31.8%,且神经网络的预测值与有限元仿真结构一致性较好。因此,该方法在提高夹层板结构的抗爆性能的同时还减轻了结构重量,能够为工程设计提供参考。     

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。     

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。     

基于拖曳锚轨迹方程的拖曳锚系泊优化分析

拖曳锚系泊作为目前海洋工程使用最为广泛的系泊方式，因其较低的制造和安装成本使其成为小型浮式平台系泊方式的首选。目前拖曳式系泊设计大多根据以往工程经验进行选择设计，由于经验设计中并没过多的泥面表面及以下锚链安装信息，因此在设计之初很难对系泊材料用量准确计算。不同重量的拖曳锚在同样的嵌深和同样的锚倾角条件下，所能提供的系泊力大不相同。同时，不同重量的拖曳锚的在相同土壤条件下拖曳嵌入轨迹不同，因而最大埋深不同。上述两方面原因导致不同重量的拖曳锚提供的系泊力不一样。因此，需要达到同样的系泊效果，泥线以下反悬链线和卧底链的长度在不同重量锚的系泊系统中是不同的。参照系泊成本各个分项在其生命周期各阶段的占比，材料制造成本与安装成本占据系泊成本的大部分，且安装成本往往正比于材料成本。因此降低系泊锚链的材料成本对整个系泊系统的成本降低起到了巨大的优化作用。通过结合拖曳锚的极限平衡法拖曳轨迹理论方程，以不同重量的拖曳锚在粘性土壤中的不同拖曳距离下提供额定系泊力时所需要的材料重量为系泊成本评价依据，从而得到浮式结构物系泊系统的一种设计优化方法。     

基于优化Hopfield神经网络的海事飞机巡航路径规划

为解决海事空巡飞机巡航路径规划问题，提高巡航效率。本文提出了一种基于优化Hopfield神经网络（HNN）巡航路径规划模型，该模型通过粒子群优化算法（PSO）对HNN神经网络进行优化得到PSOHNN神经网络模型,提高了Hopfield神经网络的全局收敛能力。采用实际巡航点对优化模型进行仿真实验，结果证明了基于优化Hopfield神经网络（PSO-HNN）巡航路径规划模型具有良好的路径寻优能力。     

基于均匀设计的神经网络结构优化设计方法

介绍了均匀设计法的原理，并采用均匀设计法，对径向基函数(RBF)神经网络的结构进行了优化设计，并将设计好的神经网络应用于13位巴克码的脉冲压缩检测，仿真结果表明：采用经过优化设计的神经网络进行脉冲压缩信号检测，有助于提高雷达的探测性能，其信号的主旁瓣比优于传统方法。     

基于改进的教与学优化算法的船舶实时路径规划

利用局部逃逸策略（Local Escaping Operator, LEO）对原始教与学优化算法（Teaching Learning Based Optimization, TLBO）的部分解进行替换，使其快速跳出局部最优，提出一种改进的教与学优化算法（Local Escaping Teaching Learning Based Optimization, LETLBO），并将其应用于船舶实时路径规划中。在船舶实时路径规划仿真试验中，利用概率图搭建搜索地图，利用高概率区域模拟目标所在区域，并采用贝叶斯定理设计一个概率函数作为目标函数。同时，为更好地实现实时路径规划，提出以个体为单位，利用在个体探索时高概率区域同时移动的方式模拟船舶在搜索时目标同时移动的情况，成功模拟船舶实时路径规划，保证试验的有效性。通过船舶实时路径规划仿真试验测试2种模拟情况下LETLBO与原算法及其他多种经典算法的性能，结果发现LETLBO在2个情景中找到目标的概率相比原算法分别提升41.88%和43.38%，运算时间分别减少0.978 9 s和0.375 2 s，且综合性能更优，说明改进的算法具有更好的探索寻优能...     

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LightGBM的拖曳系统动力响应预报方法

针对传统数值仿真计算方法耗时长、占用计算机资源多等缺点,提出基于LightGBM算法的拖曳系统动力响应进行评估的回归预测模型,以已有的OrcaFlex数值模拟得到的数据为样本,以拖曳系统上的海洋环境条件、拖船航速和下放缆长为特征,以动力响应为目标,引入LightGBM算法,对拖曳缆顶端张力最大值等动力响应进行预测分析。与传统数值模拟方法相比,LightGBM算法在保证结果准确性的同时大幅度提高了计算效率。通过与随机森林（RF）、极限梯度提升（XGBoost）算法相比,其准确度和计算效率的表现更好。最后提出了贝叶斯参数优化的LightGBM算法,准确度进一步提高,为提前采取措施保障拖曳系统的作业安全提供了一条高效的技术途径,同时为建立拖曳系统数字孪生体提供了有力的技术支撑。     

基于RBF的混沌序列产生的新方法

介绍了利用RBF（Radial Basis Function）网络产生混沌序列的方法，即利用RBF网络跟踪混沌序列的模型，分析RBF神经网络对混沌序列的学习能力。最后利用最大Lyapunov指数判别法检验其序列，结果表明其序列具有较好的保密性能。     

基于分数阶PI~αD~β的船用永磁同步电机控制策略研究

船用永磁同步电机是一种非线性、强耦合、多变量的复杂系统,使用常规的PID对其进行速度控制时难以达到理想的效果。为了改善船用永磁同步电机调速系统的性能,设计了一种新的速度控制器-径向基(RBF)神经网络分数阶PI~αD~β控制器。利用径向基神经网络的自学习和自训练的功能,对控制器的参数进行在线优化,以便使控制器在未知的系统中能够具有快速的适应能力和较好的控制性能。将设计的控制器应用于船用永磁同步电机的速度控制回路中,并在高速度、大负载扰动的条件下对其进行仿真实验。结果表明,使用了RBF神经网络分数阶PI~αD~β控制器的电机控制系统,具有良好的动态响应能力和较强的扰动抑制能力。     

拖曳锚实验及形态优化研究

拖曳锚作为新型的系泊基础,尚存诸多关键技术问题需要深入认识和解决。总结拖曳锚实验研究的基本情况及各类实验方法的优缺点,指出拖曳嵌入技术及定位技术研究、多运动参数及运动轨迹测量、重复性及测试精度提高是实验研究的重点和难点。基于拖曳锚形态设计的演变历程,提出锚板结构组成七大部分的功能特性和优化设计准则,指出良好的嵌入性能及效率、加工性能、稳定性能和承载性能是锚板形态设计力争达到的目标。     

海流作用下拖曳线列阵稳态运动性能分析与计算

预测和计算拖曳线列阵的静态构型是拖曳线列阵设计中的重要一环。本文通过分析拖曳线列阵的稳态运动性能,计算海流作用下拖曳线列阵运动的稳态解,分析海流方向、海水密度、拖曳速度对拖曳线列阵稳态运动的影响,为线列阵的初步设计和舰艇的操作策略提供指导。     

海洋高速拖曳系统的流体动力分析

本文的主要目的是建立海洋拖曳系统的一般性模型,并与实船拖曳系统的测量结果进行比较,以验证其精确性。与其它的计算机缆模型不同的是,本模型即包含了拖体,也包含了拖线、模型完全是一般性质的,可以用直角坐标（向前拖动）或柱坐标（定常回转）系统来预报拖曳系统三维定常状态的性能行为。利用实船拖曳系统的仪器测试数据对模型进行了校正。校正研究的结果表明,本模型可以在工程精度范围内预报拖曳系统的性能（拖体方位和力、拖线的空间构形和张力分布等）。     

基于改进型RBF神经网络的磁流变阻尼器动力学建模及仿真

为提高磁流变阻尼器(MRD)动力学精度,提出一种网络连接权值自适应调整的改进型RBF神经网络模型。利用与任一测试样本相邻的两个训练样本对应的实际连接权值,对测试样本连接权值进行线性插值,提出连接权值的自适应算法;搭建MRD动力试验平台,进行多频率、多振幅的动力性能试验,利用大量实测力学特性数据,建立RBF神经网络模型以及连接权值自适应调整的改进型RBF神经网络模型,分析比较RBF神经网络模型在改进前后的平均累计相对误差变化规律,并进行数值仿真计算和试验测试分析。研究表明,在正弦激励频率0.25 Hz～1.0 Hz、振幅5 mm～15 mm、电流0～1.25 A工况下,相比于传统RBF神经网络模型5%的最大误差均值,改进型RBF神经网络模型使建模误差均值多控制在0.45%～0.85%之间,有效改善MRD的动力学特性,建模精度较好满足工程实际需要。     

基于FRFT和RBF神经网络的升船机配电网单相接地故障研究

单相接地故障在陆地电网中为最常见的故障,若不能及时排查可能发展成相间短路等故障,严重威胁系统的安全性。文章引入馈线终端设备（FTU）对配电网进行监测,提出了一种基于分数阶傅里叶变换（FRFT）和径向基（RBF）神经网络结合的方法,针对单相接地故障进行识别。通过FTU监测配电网的电压数据,选取FRFT提取故障波形的能量率作为特征向量,最终利用训练过的RBF神经网络对故障进行识别定位。仿真试验结果表明：当FTU正常运行或发生信号丢失时,RBF神经网络均能够准确、高效地定位单相接地故障。     

基于正交设计与 BP -GA 算法的船体结构耐撞性能优化设计

船体结构耐撞性优化设计的主要目的是在船舶碰撞研究的基础上对结构进行优化设计,提高船体结构的耐撞性能。基于正交试验设计、BP神经网络和遗传算法,形成了船体结构耐撞性能优化设计方法。提出了一种耐撞性综合指标,并以此指标作为优化的目标函数,以结构质量为约束条件,利用MSC/Dytran有限元软件对船舶碰撞进行数值仿真,完成对某船舷侧结构进行耐撞性优化设计,结果表明优化过后结构耐撞性能有较大提高,这为结构耐撞性能优化设计提供了一种新的思路和方法。     

基于多策略QPSO的半潜式起重平台立柱快速压载舱优化研究

本文针对某半潜式起重平台的立柱快速压载舱,建立了多目标优化模型,用以最小化压载时间和压载水调节量.提出了一种新颖的多策略QPSO算法(MSQPSO),用于求解该多目标优化问题.在标准QPSO算法的基础上,MSQPSO引入了最优个体多模式扰动和局部吸引子高斯扰动等多种策略以提高优化性能,同时通过仿真实验将所提的MSQPSO与已有的智能优化算法进行了对比.实验结果表明,所提的多目标优化模型可用于提高半潜式起重平台的压载效率,并且MSQPSO的优化性能远远好于已有算法.     

基于共同协调规范的散货船结构质量优化设计

散货船轻量化设计是提高船舶经济性能的基础之一。以一艘8万吨级散货船为例,进行了结构优化设计。通过船体梁静水载荷优化、典型横剖面优化、局部结构优化（槽型舱壁多参数组合优化、艏艉货舱结构优化等）、典型节点形式优化等技术手段,实现了船体梁静水载荷降低10%,结构质量轻量化设计的目的。所提出的优化方法和改进建议可为今后散货船的设计工作提供参考。     

基于PSO-BP神经网络的油船中部结构优化

以舱段质量为目标函数,以相关规范要求的板厚及应力为约束条件,通过灵敏度分析确定设计变量,对油船中部结构优化。构建基于粒子群优化的BP神经网络模型,并代替有限元分析确定应力与设计变量之间关系,从而对舱段进行结构优化。优化后舱段质量降低了4.2%,优化后的有限元分析结果表明满足规范要求,PSOBP神经网络模型在船舶结构优化设计中具有可行性。