基于人机合作的船舶舱内管路布局优化算法

现有船舶舱内管路布局优化算法由于应用技术的缺陷,存在着算法收敛代数多、算法收敛时间长的问题,无法满足目前船舶舱内管路布局的需求,故提出基于人机合作的船舶舱内管路布局优化算法研究。为了简化船舶舱内管路布局优化问题,对管路布局要素进行数学抽象,通过数学形式表示管路布局要素,以此为基础,依据人机合作与多蚁群进化算法构建管路布局优化模型,确定人工个体加入时机,制定管路布局优化算法流程,即可实现船舶舱内管路布局的优化。实验数据表明,与现有算法相比较,提出算法收敛代数较少、收敛时间较短,证实提出算法应用性能更好,可以获得更好的管路布局优化效果。     

基于协同进化的舰船分支管路系统路径优化研究

提出基于协同进化方法的舰船船舶分支管路系统三维空间布局的优化方法,突破了先前分支管路布局优化研究中必须首先确定管路敷设顺序和分支点位置的思想,将分支管路系统分解为多个单独的管路,每个单独的管路代表一个种群,种群间相互影响适应度的评价以使分支管路系统布局达到最优.仿真算例证明该方法的可行性和有效性.     

基于人机结合遗传算法的船舶管路三维布局优化设计

船舶管路布局优化问题属于带性能约束的组合优化问题,单纯采用计算机很难进行有效的求解。基于此,论文提出了基于人机合作充分考虑和利用设计人员的专业知识和经验,发挥人机各自特长,将人工解与算法解在改进遗传算法基因层面上进行结合,生成船舶管路三维布局优化设计方法;该方法一方面可以发挥计算机的计算优势,另一方面也充分利用了设计者的设计经验,在一定程度上缓解了求解问题的计算复杂性和工程复杂性,同时有效地引导算法进行搜索,得到满足工程要求的稳定解。最后,通过数值仿真实验验证,证明了该方法的可行性和有效性。     

基于协同差分进化算法的船舶分支管路布局优化设计

分支管路是船舶管路系统中最常见和最重要的管路形式。基于协同进化算法和差分进化算法，提出了一种船舶分支管路的新型优化设计方法，并通过3组仿真算例验证了所提优化方法的有效性和实用性。与现有的船舶分支管路设计方法相比，所提优化方法不依赖于网格空间，节省了预处理计算时间和内存；此外，所提优化方法能够对分支管路的每条分支进行并行优化设计，具有较强的全局搜索能力。研究内容对船舶管路智能化设计具有一定意义。     

蚁群优化算法在潜艇三维空间导航规划算法中的应用

潜艇三维空间导航规划是指在已知或未知的条件下,利用环境建模与路径搜索方法,为潜艇规划出安全、快速、隐蔽的航行路径。为提高导航规划算法的稳定性与效率,本文对蚁群算法进行改进,给出一种基于多蚁群协同的并行优化的潜艇导航规划算法,并使用Matlab与VC++对该算法进行仿真实验。实验结果表明,本文算法能够得到较为可行的路径规划。     

基于人机交互-蚁群算法的船舶交通多航道调度优化

传统基于纯蚁群算法的船舶交通多航道调度优化无法根据实际情况调整船舶优先级,船舶占港时间较长,经济效益差,因此设计一种基于人机交互-蚁群算法的船舶交通多航道调度优化方法。建立多航道调度优化模型,明确各船舶调度策略,确定调度时间、等待时间最小的目标函数,建立避免调度过程中产生混乱和协调船舶交叉的约束条件;在调度优化中引入人机交互-蚁群算法,采用人工设置临时改变船舶工作的优先级,以此来提高港口工作效率,并设置算法的搜索顺序,完成船舶交通多航道调度优化的研究。在算例仿真中,为验证传统方法与设计方法的调度结果,设置港口参数并分析两方法的调度方案,结果表明设计的方法得到的方案能有效缩短船舶平均在港口的停留时间和恢复正常生产所需要的时间。     

改进自适应惯性权重粒子群算法及其在核动力管道布置中的应用北大核心CSCD

[目的]旨在研究非线性自适应惯性权重粒子群优化算法,实现船用核动力一回路系统管道路径的布置优化设计。[方法]根据船用核动力一回路系统的管道布局设计特点,建立一回路系统的管道布局空间模型、约束条件和评价函数;基于管道节点数量,提出一种粒子群优化(PSO)算法的新型定长编码方法,然后结合该编码方法建立方向引导机制;在此基础上,针对粒子群优化算法易陷入局部最优解、收敛速度慢的缺点,结合辅助线性变化的学习因子,提出一种基于非线性自适应惯性权重的改进粒子群优化算法;将改进粒子群优化算法与协同进化算法相结合,提出一种用于求解分支管道布局问题的协同进化粒子群优化算法,以用于核动力一回路系统的管道布局优化。[结果]仿真结果显示,所提的改进算法与标准算法相比收敛速度提高了40%~50%,不仅能够得到更好的管道布局效果,还解决了标准粒子群优化算法容易陷入局部最优解的问题。[结论]研究成果可为船用核动力一回路系统管道布置的优化设计提供有益的参考。     

狭小工作舱布局优化方法

针对狭小工作舱作业空间小、时间长、无舒适性的特点,提出一种基于人体疲劳特性的布局优化方法用来减轻肌肉疲劳。首先,利用实验所得人体上肢肌肉疲劳特性值,建立三维人体运动学模型。然后,以坐标变换的方法建立手指空间坐标求解思路,得到全局坐标系中不同位置的疲劳特性值,实现人体上肢作业姿势的生理参数化定义。同时,采用专家评价法与层次分析法相结合,确定待布物的人机权重。最后,以载人潜航器舱室为例,结合蚁群算法对载人潜航器舱内主控台进行布局设计,并采用JACK软件进行模拟验证。结果表明,此布局优化方法可以缓解载人潜航器操作员的疲劳,改善载人潜航器舱室的人机环境。     

一种船用LNG管路管夹布局优化方法

船用LNG管路的应力大小和分布对于管夹的布局非常敏感,提出一种船用低温管路管夹布局优化方法,建立以管路应力为目标函数,管夹数量和位置为变量的优化模型,并提出一种基因同化-遗传算法。在该算法中,管夹的数量和位置可同时进行优化。将该方法应用于某LNG液相管路,有效的降低了管路的应力。     

船舶管路布局优化设计中的CAD设计

现代大型船舶的电气系统、水循环系统非常复杂,解决好船舶的管路布局有助于改善船体的整体空间设计,这也是船舶工业的重要研究领域。不同于传统的管理布局方法,本文研究一种船舶管理的CAD设计方法,利用计算机优化算法(粒子群算法和共同进化算法)实现船舶管路的最优布局,能够提高船舶管路布局的效率,有重要的实际应用价值。     

最小偏差法船舶调度

采用基于最小偏差法的遗传算法对迅隆公司船队航班安排模型进行优化,并与采用蚁群算法优化的结果进行对比,从优化结果可以看出:基于最小偏差法的遗传算法优化结果优于原方案及蚁群算法优化方案,因此在多目标优化过程中,采用合理的决策方法能得到更好的优化方案。     

基于动态油耗模型的节能航迹规划

针对某案例船的实时能耗数据库，从航迹角度分析了能耗特性并设计了一种节能航迹规划方法。首先，采用栅格法构建了海域模型，根据环境参数与船舶性能参数对船舶油耗的影响，拟合了船舶油耗模型，并植入到海域栅格模型中；进而采用里程蚁和能耗蚁协同规划机制，设计了一种双蚁群算法，提升了算法对格栅属性的动态适应性；最后，基于案例船能耗数据库执行了动态节能航迹规划算法，迭代过程和路径节能效果表明：该算法拥有高效的寻优能力并且收敛速度较快，能为船舶实时节能航迹规划技术提供解决方案。     

多自主水下航行器区域搜索与协同围捕方法研究

针对多个自主水下航行器(AUVs)执行区域搜索和协同围捕入侵对象的任务案例,设计了多航行器混合分层式体系结构,提出了分区域随机搜索策略和基于势点的优化围捕策略。将蚁群算法和人工势场法相结合,实现了AUVs路径规划与避碰。基于AUV六自由度运动模型和PID控制器,通过仿真实验验证了算法的有效性。仿真结果表明,AUVs具有在障碍环境中执行区域搜索和对入侵对象协同围捕的作业能力,设计的方法可应用于自主水下航行器的围捕任务。     

一种半潜式支持平台靠泊路径跟踪控制方法

针对PSO算法在应用到路径跟踪时，容易陷入局部最优的缺陷和惯性权重调节机制的局限性，提出基于粒子进化率的改进IM-PSO优化算法。该算法一方面利用粒子的进化率及时调整粒子的惯性权重，提高算法的搜索速度；另一方面利用免疫系统的免疫机制增加粒子的多样性，提高PSO算法摆脱局部最优的能力。选取北海型半潜式支持平台作为工程案例，在北海真实海况下进行靠泊路径跟踪控制的仿真分析，对PID路径跟踪控制器参数进行优化。仿真结果表明，与标准PSO优化方法相比，该方法优化的靠泊路径跟踪控制器的稳定性更高，提高了运算效率，收敛精度更高。     

虚拟机舱管路布局算法优化设计

针对当前船舶管路布局设计主要依靠经验丰富的设计人员手动敷设完成,为提高管路自动化布局效率,提出了一种基于改进遗传算法的三维空间管路设计方法,以辅助设计者完成管路布局工作。通过在经典遗传算法的整体框架中引入免疫选择机制,增加免疫检测算子和免疫平衡算子,改进了遗传算法仅依靠适应度值选择后代个体易造成算法陷入局部最优解的不足,维护了种群多样性,提高了算法运行效率。以船舶机舱为对象建立虚拟机舱仿真环境,采用栅格法对布局空间进行划分,以十进制浮点数编码方式进行算法编码设计。MATLAB仿真结果验证了改进遗传算法在管路布局优化设计问题上的可行性和搜索效率,采用C#语言编写脚本控制程序,在Unity3D虚拟机舱环境中实现了管路路径的布局设计。     

基于粒子群优化的多路径规划方法研究

借鉴遗传算法求解多峰函数优化问题的思想,开展了基于粒子群优化的多路径规划方法研究.给出了多路径规划算法的基本思想和算法流程,讨论了算法中粒子群的多样化方法以及多种群的隔离进化策略,并针对多个仿真环境进行了仿真实验.仿真结果表明,本文设计的多路径规划算法能针对不同的环境模型进行环境划分,正确、有效地规划出多条运动路径.     

蚁群算法在PID参数优化中的应用研究

本文介绍了蚁群算法的基本原理,将蚁群算法应用到了PID控制的参数优化问题中,并详细给出了基于蚁群算法的PID控制参数优化算法的实现步骤。为了验证本文算法的可行性,我们对文献[1]中的例子进行了仿真,并将仿真结果与文献[1]给出的基于遗传算法的PID控制参数优化结果进行了比较,发现:基于蚁群算法的PID参数优化算法无论是在最优解的质量方面还是在算法的执行效率方面都要优于基于遗传算法的PID参数优化算法。     

基于蚁群算法一坞多船生产计划组合优化研究

针对一坞多船生产计划组合优化问题,本文基于蚁群算法提出了以缩短船坞周期为主要目标函数、提前拉线照光及减少总组平台工位需求为次要目标函数的多目标优化方法。首先通过算例对比验证了蚁群算法的有效性,进而对某造船企业一坞多船状态下总组/搭载计划进行了组合优化研究,取得了良好的优化效果。     

基于蚁群算法的AUV全局路径规划方法

在大范围海洋环境中，应用蚁群算法对自主式水下潜器（AUV）的全局路径规划问题进行了研究。基于栅格环境模型建立了蚁群可视图模型，设计了蚁群信息素更新规则；给出了蚁群全局路径规划的操作步骤；针对蚁群规划路径不平滑问题，设计了切割算子和插点算子。仿真实验结果表明，蚁群全局规划算法非常适合于求解复杂环境中的规划问题，规划时间短、路径平滑。     

改进的遗传算法在游艇舱室布局优化设计中的应用

针对游艇舱室布局这一复杂的多目标问题,在探讨遗传算法基本原理的基础上,提出以基于Pareto前沿的多目标优化方法NSGA-Ⅱ进行求解,然后分析游艇舱室布局的数学优化模型,并用NSGA-Ⅱ算法对其进行优化计算,并用实例进行验证。结果表明,这种算法确实有效,并得到一系列满足要求的最优解。