水下无人集群优化部署算法设计与分析

部署优化是水下无人传感器集群重要任务之一,针对水下探测需要,本文设计基于粒子群与人工鱼群法混合部署算法。首先利用先用改进粒子群算法进行初期寻优,然后利用人工鱼群算法进行后期寻优,完成水下无人集群节点部署优化设计。通过对特定场景设计,设定实验约束条件,利用Matlab完成优化部署算法的系统仿真实验,对覆盖率进行对比分析,得出部署优化算法覆盖率提高了25%,覆盖度曲线初期收敛快,后期寻优效果有明显提升。     

混合人工蜂群算法在船舶通信网络优化中的应用

混合人工蜂群算法是一种基于仿生学的智能算法,该算法通过模拟蜂群中的分工行为进行局部寻优,能够实现优化问题的快速收敛。船舶无线通信网络由网络节点、网络链路、船舶终端等构成,通信网络的性能关系到船舶导航、AIS系统运行等。本文结合混合人工蜂群算法,进行船舶无线通信网络的覆盖率提升等优化研究,有助于改善当前船舶无线通信网络的性能。     

人工鱼群算法的船用配电网故障恢复算法

当前配电网故障恢复算法只设置了迭代次数参数,导致算法在恢复船用配电网故障时,收敛速度慢且不稳定,提出人工鱼群算法的船用配电网故障恢复算法。根据船用配电网组成,建立配电网模型;将模型简化为一个无向图,确定配电网拓扑结构;设置人工鱼群算法3项参数,选择算法中的觅食算子,设计配电网故障恢复算法步骤,恢复配电网故障。设置配电网故障算例,实验结果表明:研究算法较此次实验选择的2组算法,配电网所对应的网损明显减少了41.26 kW,25.62 kW,59.22 kW,34.83 kW,具有快且稳定的收敛速度。     

改进差分进化算法在舰船电力系统网络重构中的应用

针对舰船电力系统的网络重构,建立了以负载恢复量、开关操作数和发电机效率均衡为多优化目标的舰船电力系统故障恢复模型,提出了一种带自适应离散断点算子和动态变异、交叉因子的改进离散差分进化算法进行求解。改进后的算法能有效地提高收敛速度,并克服传统差分进化算法收敛精度不高、易陷入局部最优的问题。舰船电力系统网络故障恢复算例表明,该方法能获得更好的系统重构方案,并具有较好的优化性能。     

基于改进的神经网络的船舶碰撞危险度的模型

针对船舶碰撞危险度具有模糊性、不确定性等特点,依据模糊理论方法建立的船舶碰撞危险度的数学模型,直接采用来船航速、来船航向、来船对本船的相对舷角和来船对本船距离作为神经网络的输入,采用Levenberg-Mrquardt优化算法这种改进的BP神经网络进行训练和仿真,并与标准BP算法和动量BP算法进行比较,发现经过改进的网络求得碰撞危险度比标准BP算法和动量BP算法具有更好的效果,网络能够更有效收敛,大大提高了网络的收敛速度和泛化能力。     

人工鱼群算法的紧急情况下船舶物流配送系统

为降低紧急情况下船舶物流配送成本,设计了一个基于人工鱼群算法的紧急情况下船舶物流配送系统。该系统的硬件包括了单片机、无线通信模块、电源模块,在软件部分,利用人工鱼群算法对配送路径进行了规划,以此完成基于人工鱼群算法的紧急情况下船舶物流配送系统设计。实验结果表明,此次研究的配送系统不仅降低了船舶物流配送成本,还提高了船舶物流配送路径的规划速度,满足设计需求。     

一种提高粒子群算法优化性能的方法

针对粒子群优化算法在解决控制领域优化问题时存在的不足,文章在现有粒子群算法的几种改进方法分析的基础上,提出通过控制算法位置和速度的初始化策略,来提高算法的收敛速度、精度和成功率,该方法适用于各种粒子群改进算法。最后,通过两种改进后的粒子群算法,采用初始化策略对典型单峰函数和多峰函数进行实验测试,结果表明,该方法可以有效提高两种改进粒子群算法的搜索成功率、收敛速度和准确性。     

加速混沌优化算法的改进及其在船型论证中的应用

利用混沌运动所特有的随机性、遍历性和规律性,对加速混沌优化算法进行一些改进,提高了混沌优化算法的收敛速度和精确性.改进的加速混沌优化算法利用混沌运动的性质,同时不断缩小变量的搜索空间,在混沌优化搜索过程中,以具有一定保证的当前最优解为中心,不断地缩小优化变量的搜索区间,调整细化参数,促使搜索能够更快、更有效地向全局最优解收敛.将该改进算法应用到具体的船型论证中,不仅证明了该改进算法简单,容易实现,具有较高的收敛速度和可靠性,而且具有较高的寻优精度和较少的优化迭代次数,也体现了该算法在船型论证领域中的实用性和有效性.     

基于LSTM-PSO-SVM的船用LNG双燃料发动机故障预测

针对船用LNG双燃料发动机设备复杂,故障预测效率低、准确度差的问题,提出一种长短期记忆网络与改进粒子群优化算法优化支持向量机融合的预测模型。利用LSTM模型时间序列变化的能力对设备未来的运行状态进行预测,然后采用非线性自适应惯性权重改进PSO算法对SVM参数进行寻优,以提高其寻优能力和收敛速度;改进的LSTM-PSO-SVM融合模型可实现对设备故障状态的快速、准确预测。通过对某船用LNG双燃料发动机的故障预测仿真,结果表明上述模型具有更高的故障识别准确率和更快的识别速度,能够准确预测船用LNG双燃料发动机潜在故障。     

基于改进人工蜂群进化算法的移动机器人路径规划与仿真分析

针对经典人工蜂群算法在机器人路径规划中易于陷入局部极值,且寻优过程收敛速度较慢等问题,提出了一种基于约束优化的改进人工蜂群算法.通过设计变异算子来增大极值在陷入局部最优时的跳出概率,提高机器人路径规划的收敛能力.在机器人路径规划上,对文中方法、遗传算法、A*算法以及经典人工蜂群算法进行性能评估.实验结果表明,文中方法能有效避免路径规划中的局部极值,减少机器人路径规划时间损耗,提高了路径规划效率.     

改进遗传算法在驳船配载中的应用

驳船是大型海洋结构物下水作业的一种常用运输工具。驳船的配载主要是依据静力学平衡原理和船舶基本知识对船舶浮态的调节。为了在较短时间内完成配载作业,对遗传算法进行了改进,提出种群全部交叉和分布式动态惩罚函数法等改进机制,对驳船配载中的调载水量分布进行优化。计算结果表明,改进遗传算法的配载方案比基本配载方案时间更短、效率更高。运用本改进遗传算法对驳船配载进行方案优化,能够满足工程要求,缩短上驳作业时间。     

对ANN技术表达船体曲线算法的改进

应用人工神经元网络（ANN）技术表达船体曲线。根据问题性质,选用小波基作为前向单层神经网络的神经元激励函数,结合逐层学习（OHLO）算法对一艘3．6万吨散货船的后半体进行了表达。编程运算结果表明,该方法速度较传统的BP算法有较大提高。     

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。     

主汽温PID参数整定的多目标遗传优化研究

综合考虑舰船锅炉控制系统的跟随性能、扰动抑制性能和鲁棒性能,提出一种基于多目标遗传算法和多属性决策的PID参数设计方法,采用改进非支配解排序的多目标遗传算法求出Pareto最优解。由Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行权值计算,再采用逼近理想解的排序方法进行多属性决策研究,对Pareto最优解给出排序。计算某锅炉主汽温PID控制的数值算例,结果表明方法通用性良好,所设计的PID性能优异,适合工程实际应用。     

UUV操纵性能综合优化模型研究

操纵性能是无人潜器（UUV）航行的重要性能之一,其优劣直接影响到UUV的航行安全和稳定性,UUV操纵性能评判和优化是UUV优化设计的重要组成部分.基于AUTOSUB型无人潜器的设计模型,在充分分析艇体操纵性能的基础上,重点研究UUV水平运动和垂直运动性能,提出了较为完备的UUV操纵性能优化数学模型.采用模糊评判方法构造操纵性系统总目标函数,利用专家咨询法确定了各子系统的权重;通过大量艇体操纵性能数据对各个性能指标进行统计分析,选择模糊数学中对应的隶属度函数进行拟合,确定相应隶属度函数参数;利用禁忌搜索算法对遗传算法的改进而得到的遗传禁忌搜索算法（GA-TS）,由并行和分层策略改进遗传算法得到的并行遗传算法（PGA）以及遗传二次载波算法（LGA）,将数学模型与这3种算法集成,利用C＋＋语言编写了UUV操纵性能优化软件.通过对总系统优化得到的遗传禁忌搜索算法寻优能力最强,利用该算法研究水平面运动和垂直面运动2个子系统,得到各个性能指标权重对系统目标函数影响程度的排序,同时分别得到-组最佳性能的权重分配.     

基于时间依赖网络的车辆调度问题研究

针对城市道路交通存在的不确定性问题,提出将动态车辆调度问题置于时间依赖网络的思想,建立了包括车辆固定成本费用、路阻费用和违反时间窗约束费用在内的广义费用最小化数学模型,采用改进的蚁群算法进行优化求解。仿真实验表明,该方法充分利用了城市道路交通时变性所呈现的周期性特点,是运输与物流企业进行车辆调度时节约成本的有效方法。     

基于"stretching"技术的粒子群优化算法

粒子群优化算法是一种随机的全局优化搜索方法。本文系统的介绍了粒子群优化算法和"Stretching"技术并提出了基于"stretching"技术的粒子群算法,然后用标准测试函数对新算法进行了实验。实验结果表明新算法在解的收敛性和稳定性等方面优于基本的粒子群优化算法。     

基于BP神经网络的CFAR检测器标称化因子确定方法

在运用恒虚警（CFAR）检测算法中,一个非常重要的工作是根据给定的恒虚警率确定其标称化因子。当标称化因子关于虚警率的关系式很难甚至于是不可能得到时,传统上采用仿真方法,但仿真方法的计算量非常大。为此文章利用BP神经网络具有强大的逼近任意非线性关系式的能力,提出了一种基于BP神经网络的CFAR检测器标称化因子确定方法。通过实例研究表明,通过对BP神经网络的输入进行自然对数的变换后,其对虚警概率和标称化因子的关系进行逼近时需要的训练次数将大为减少,研究还表明基于BP神经网络的标称化因子确定方法具有相当高的精度。     

通信信号调制样式的自动识别

针对卫星通信信号中常用的数字信号调制样式的自动识别问题,提出一种基于人工神经网络（ArtificialNeuralNet,ANN）的识别算法,该算法在几乎没有先验信息的条件下,以几种调相信号为基本模型,通过双隐层人工神经网络获取频谱特征,进而判别出不同信号的调制样式。仿真及实测数据验证表明,该算法在低信噪比条件下,随着神经元组合数量的增加,数字调制样识别的正确率有明显提高。     

基于BP人工神经网络的公路软土地基沉降预测

采用BP人工神经网络,利用杭瑞高速公路软土地基实测沉降数据直接建模,进行了软土地基最终沉降量的预测,将预测结果与曲线拟合法中的双曲线法、指数曲线法、三点法的预测结果进行了对比分析。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行。