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。     

改进二阶灰色极限学习机在船舶运动预报中的应用

为提高船舶运动预报的精度,基于海上船舶运动姿态具有灰色特性和周期性振荡特性的特点,提出一种以误差平方和最小为准则的改进二阶灰色极限学习机组合预测模型,对船舶运动姿态进行预报。该方法利用五点三次平滑算法对船舶运动姿态序列进行平滑降噪,采用余弦函数变换构建GM(2,1)预测模型;利用自适应粒子群算法(Adaptive Particle Swarm Optimization,APSO)优化极限学习机权值和阈值参数,对不同模型预测结果进行加权求和,构建改进二阶灰色极限学习机组合预测模型。对2组船模水池试验纵摇时历进行预报,并将其与其他传统的预测方法相比较,结果表明,建立的组合预测模型具有更好的预测精度和泛化能力。     

基于PSO-RELM的绞吸挖泥船产量预测及其可视化辅助决策

为保证绞吸挖泥船的疏浚效率,泥浆产量预测是一种有效的辅助手段。根据绞吸挖泥船的实际作业数据,进行数据预处理与主成分分析（PCA）,从而简化了预测模型的复杂程度。然后,采用粒子群优化的正则化极限学习机（PSO-RELM）建立挖泥船瞬时产量预测模型。预测结果表明：PSO-RELM相较于常规极限学习机有更好泛化性能,能够提高挖泥船瞬时产量的预测精度。从而生成可视化图表,辅助挖泥船操纵人员调整疏浚策略。     

基于模糊加权极限学习机的类不平衡软件缺陷预测

在软件缺陷预测中,普遍存在软件缺陷数据的类不平衡问题,严重影响着传统预测模型的性能.为了缓解类不平衡对预测模型性能的影响,引入模糊集的思想,提出了一种基于相对密度的模糊加权极限学习机算法.该方法首先采用所提的相对密度方法求出适用于不同数据样本的加权矩阵,进而将其与传统加权极限学习机结合,并训练模糊极限学习机,最后通过NASA软件缺陷类不平衡数据对所提方法的有效性和可行性进行验证.实验结果表明:与诸多类不平衡软件缺陷预测方法相比,文中方法具有更好的预测性能,并在G-mean、AUC和Balance的评价指标上有较优表现.     

基于ELM理论的柴油机NOx排放建模研究

柴油机作为一个复杂多变的系统,其输入和输出之间没有一个清晰准确的对应关系。为能准确地对柴油机排放进行预测,采用优化的神经网络——极限学习机(Extreme Learning Machine,ELM)理论对柴油机排放与工作负荷、喷油提前角进行建模研究,探索优化柴油机性能的过程控制途径。     

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.     

基于混沌理论和改进极限学习机的船舶升沉预报（英文）

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。     

船舶网络流量的异常状态检测模型

船舶网络流量异常状态直接描述船舶网络工作情况,当前船舶网络流量异状检测过程中存在误差大、计算时间复杂度高等缺陷,为了获得更好的船舶网络流量异常状态检测结果,设计了基于复合核函数极限学习机的船舶网络流量异常状态检测模型。首先分析当前船舶网络流量异常状态检测研究进展,阐述船舶网络流量异常状态检测的基本思路,然后采集船舶网络流量异常状态检测数据,并采用复合核函数极限学习机建立船舶网络流量异常状态检测模型,最后进行仿真实验,实验结果表明,复合核函数极限学习机可以全面、客观描述船舶网络流量异常状态,检测精度高、时间短,相对于其他船舶网络流量异常状态模型,综合性能更优,可以有效保障船舶网络正常、安全工作。     

舰载相控阵雷达光束指向控制策略研究

为改善在舰载相控阵雷达的光束控制中指向精度的参数指标,同时增强光束控制器性能与舰载相控阵雷达检测的准确性,本文通过相关影响因素分析,选取合理的器件参数,期望达到最佳效果。然后研究基于分数阶耦合复值神经网络的光束指向控制策略,通过对分数阶复值神经网络的投影同步的研究证明,系统的投影同步可以控制光束的指向。采用哈里斯鹰算法（HHO）对液晶相控阵进行光束指向精度优化,仿真实验结果表明,本文设计的全局与局部并行优化策略的哈里斯鹰算法,归一化精度误差由100数量级优化为10-4数量级,有效提高了舰载相控阵雷达的检测精度。     

船舶车辆舱风道智能化设计方法

为减少设计返工次数，提高设计效率，基于风道压降和噪声的计算过程，详细分析了11个重要技术参数的相互关系，并提出一种由输入数据、计算、输出数据和条件判断等4个模块组成的风道智能化设计流程。结果表明：该设计方法加强了工程师对风道压降、整体阻力系数、总消音量、风口噪声值和风机轴功率等风道重要设计参数的过程监控，有助于及时发现问题并调整设计方案，可提高设计效率。研究成果可为船舶风道设计提供参考。     

舰船逆变器的故障诊断

逆变器对舰船正常工作起着非常重要的作用,当前舰船逆变器故障诊断方法存在训练时间长、诊断精度低等问题。为了获得更加理想的舰船逆变器故障诊断结果,提出基于混沌粒子群算法和极限学习机的舰船逆变器故障诊断方法。首先对舰船逆变器故障诊断研究进展进行分析,找到当前影响舰船逆变器故障诊断的影响因素,然后采用极限学习机对舰船逆变器故障诊断进行建模,并采用混沌粒子群算法对极限学习机参数进行优化,确定最优的舰船逆变器故障诊断模型,最后与其他舰船逆变器故障诊断方法进行对比测试。结果表明,本文方法能够有效提高舰船逆变器故障诊断速度和诊断的精度高,可以准确实现舰船逆变器故障诊断。     

船舶航行网络流量的建模与预测

船舶航行网络流量受到外界因素的干扰,具有比较强的随机性,当前船舶航行网络流量的预测准确性差,为了改善船舶航行网络流量预测的效果,设计一种高精度的船舶航行网络流量建模与预测方法。首先收集一维船舶航行网络流量样本,并通过变换得到一种多维的船舶航行网络流量样本,然后引入极限学习机描述船舶航行网络流量的变化规律,并对极限学习机参数进行优化,改进基本极限学习机的不足,最后进行船舶航行网络流量预测的应用实例,分析本文方法的可行性,结果表明,本文方法的船舶航行网络流量预测误差小于5%,低于实际应用要求的10%,同时船舶航行网络流量建模过程自化程度高,简单,获得了较快的船舶航行网络流量预测速度,为解决船舶航行网络流量的预测问题提供了一种建模技术。     

基于AFSA优化的支持向量机柴油机性能预测模型

电控高压共轨技术的采用使得船用柴油机性能及排放具有了更大的优化空间，但同时柴油机控制参数增多使得柴油机性能的预测变得更为复杂。为了建立精确的柴油机性能预测模型，利用回归支持向量机，通过对实验数据的学习以获得预测模型。支持向量机的预测精度会因其参数的选择出现一定的差异，所以需要对支持向量机参数选择进行研究和优化。以某型船用高速大功率电控高压共轨柴油机为研究对象，建立支持向量机预测模型，分析其预测性能受参数选择的影响，并利用人工鱼群算法对其进行优化。结果表明，基于人工鱼群算法优化的回归支持向量机能够建立精度较高的柴油机性能预测模型，且人工鱼群算法具有很好的寻优性能。     

改进的BP神经网络在路基沉降预测中的应用

针对传统BP神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的BP神经网络预测方法,采用遗传算法优化BP神经网络的初始权重,建立路基沉降预测模型。该模型可克服BP神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统BP神经网络预测模型对比,结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。     

优化算法对船舶可靠性的影响分析

通过构建径向基(Radial Basis Function,RBF)神经网络近似模型,分别采用自适应模拟退火算法(Adaptive Simulated Annealing,ASA)、多岛遗传算法(Multi-Island Genetic Algorithm,MIGA)、粒子群法(Particle Swarm Optimization,PSO)3种优化算法,以重量最轻为目标,对油船整体舱段进行基于CCS规范的优化设计;之后利用Abaqus非线性有限元法计算了轻量化舱段的极限强度,并通过建立极限状态方程,进一步研究优化算法对船体极限强度可靠性的影响;最后,为直观、量化地反映船舶的风险变化程度,通过提出失效概率折减率μ,发现PSO-RBF算法下减重单位舱段重量,船体梁失效概率增加最少。     

船舶液货舱舱容计量与修正

用全站仪对船舱进行分段精确测量,取得各截面上测点的准确数据坐标。建立船舶舱数学模型,采用B样条方法对所测数据进行曲线拟合,形成数学舱图。利用Matlab计算舱剖面相应高度的截面面积,再积分求出相应高度的型容积,扣除舱内部构件体积,得出正平容积表。对船舶实际状态的型容积进行容积修正,同时扣除相应高度构件的体积,得出在不同高度不同状态下的舱容修正表。将两表对照使用,得出液货舱内准确的液货体积。     

无风管喷流诱导通风系统在水面舰船装载舱的应用与探讨

文章分析了现代水面舰船机库和车辆库通风系统设计的要求和特点,借鉴民用船舶滚装处所和陆用地下停车场喷流诱导通风系统的设计理念和经验,对无风管喷流诱导通风系统在舰船机库和车辆库通风系统中的应用和设计方法进行了分析探讨,为舰船装载舱通风系统设计提供新的设计思路。     

基于极限学习机的舰船焊缝缺陷识别检测研究

焊接技术是影响舰船制造水平的重要因素,在舰船焊接中受多种因素影响会出现焊缝缺陷,尤其在压力管道、外板等焊接部位易出现焊缝,对舰船航行安全构成极大威胁,易引发航行事故。为有效消除焊缝缺陷,必须采用识别监测技术准确识别缺陷和定位缺陷,并对焊缝缺陷进行处理,以提高舰船焊接质量,稳定舰船结构。本文介绍极限学习机算法、优势与改进,提出基于极限学习机的舰船焊缝缺陷识别检测技术方法,能够准确检测出舰船焊缝缺陷。     

基于CFD计算的客滚船滚装处所通风系统设计

针对客滚船滚装处所的通风设计难度大的问题,以某客滚船的滚装处所通风系统为研究对象,使用CFD计算滚装处所内流场和风道内压力,提出通风流场的CDF解决方案.结果 表明:运用CFD计算有利于在设计阶段发现滚装处所通风系统的流场问题,并可以对解决方案进行计算验证,也可以准确地计算风道内的风压损失,有利于风机的选型.     

基于马氏距离的舰船装备修理价格组合预测

为更加准确地确定舰船装备全寿命费用,提高装备经费的使用效益,针对我国舰船装备修理价格影响因素多、不确定性大的特点,提出采用组合预测方法对其进行预测建模;针对基于欧氏距离的组合预测方法不能处理用于组合的单项预测模型之间的相关性问题,提出采用马氏距离作为建模基础,建立基于马氏距离的舰船装备修理价格组合预测模型。应用结果显示,基于马氏距离的组合预测要比基于欧氏距离的组合预测以及各单项预测具有更好的稳定性,预测风险更小。