基于动态时间错位的多元批次轨迹同步化

动态时间错位（Dynamic time warping）是一种灵活的、定常的模式匹配方案,它是基于动态规划理论提出的,能使模式内的相似特征合理匹配,它已在语音识别领域得到了成功的应用。笔者闭动态时间错位（DTW）的理论运用于分析和处理间歇反应过程中批次轨迹不同步的问题。在间歇反应过程中,由于批次与批次之间受物理特性和约束的影响,批次轨迹常具有持续时间不同步的特点。如果要用统计的方法分析和比较两个批次轨迹的数据特征,必须使两个批次的持续时间长度保持一致。动态时间错位（DTW）理论可适时转换、扩张或压缩两个批次轨迹的局部模式特征,取得两轨迹之间的最短距离和最优同步路径使两批次轨迹实现同步化。     

海洋工程平台项目物资追溯管理的批次管理方法

基于海洋工程平台项目特点,研究物资分类、物资编码和物资批次编码等关键技术,引入批次管理方法。按批次阶段形成亚批次清单（Bill of Lots,BOL）,建立物资追溯管理模型,为海洋工程平台项目实现产品全生命周期内的物资追溯管理提供理论依据。     

基于LSTM-GRU模型的船体结构应力预测分析

船体结构应力预测对船舶航行安全具有重要意义,然而由于船体结构应力数据具有强随机性,传统方法难以有效准确地对其进行预测。为解决这一问题,采用对非线性关系具有很强拟合能力的长短期记忆网络（LSTM）和门控循环单元（GRU）组合方法对船体结构应力数据进行预测,并通过模型试验验证该方法的稳定性和可行性。结果表明,相比传统的循环神经网络（RNN）模型和单个预测模型,该组合模型在预测精度和效果方面都有明显优势,能够有效预测船体结构应力。其中,预测值与实际值的误差保持在3%以内,决定系数为0.91。     

SOFM和HMM在旋转机械升降速全过程故障诊断中的应用

HMM模型是一个处理非平稳时间序列的统计模型。针对旋转机械升降速过程振动的特点,本文提出了利用SOFM神经网络对振动信号进行矢量量化,并用量化后的序列训练HMM模型,利用该模型对旋转机械升降速过程进行故障诊断。实验证明该方法是比过程的一种有效的诊断手段。     

多元统计分析在潜艇噪声源识别中的应用

利用主元分析方法对舰船机械设备运行过程信息提取特征信号,采用Q和Hotelling s T2统计量生成控制限,通过对过程变量贡献图的分析确定故障源.对实验室舰船舱段模型内机械设备的试验结果分析表明:主元分析故障诊断模型能够有效地对设备状态进行监测,并能较准确地诊断设备运行中发生的故障.     

船舶操纵性指数预报研究

为了对营运船舶的操纵性进行预报,基于SPSS软件的相关分析和统计功能,采用多项回归法对59艘船舶的K、T指数统计资料进行分析,得出具有一定精度的K′、T′指数估算公式.考虑船型数据之间非线性因素的影响,构造了四元二阶多项式回归模型.增加了渔船等中、小型船舶,使回归方程更具有普遍性.所构建的船舶操纵性指数回归模型较原有的回归模型将K′、T′的复相关系数精度分别提高了8.5%和7.2%,在保证原回归方程显著性的基础上兼顾了数据拟合的精度和回归多项式的简洁性.因此,该模型对操船者在航海实践中评估船舶的操纵性有一定的实用价值.     

基于 mN LS方程的周期波群非线性演化数值模拟研究

论文基于控制深水复波包络演化的修正的四阶非线性薛定谔方程（mNLS）建立模型,利用离散时间步长的虚拟频谱方法（split‐step pseudospectral method）进行求解,模拟了周期波群的非线性演化,对演化过程中复包络幅值、波面位移、谱成分能量以及模态值的变化进行分析。结果表明：该模型可以有效地模拟周期波群的非线性演化。     

基于Simulink的跳频通信系统同步过程建模与仿真

在Simulink／Matlab环境下建立了含有同步过程的完整跳频通信系统模型。该模型采用了实际跳频通信中常用的同步头和时间信息（TOD）相结合的方法。仿真实验结果表明,该模型能较好模拟跳频系统各部分功能,完整再现跳频系统同步过程,为进一步开展对跳频系统的研究提供了一种有效的平台。     

洛克希德·马丁公司获得21亿美元合同开始第三批次F-35战斗机

【据洛克希德·马丁公司网站2009年6月4日报道】美国国防部已与洛克希德·马丁公司签订21亿美元合同，生产17架F．35闪电Ⅱ隐形战斗机第三批次低速初始生产（LRIP）。合同还包括第一份国际订单一两架销往英国的F-35测试飞机和一架销往荷兰。该合同向2008年5月签订的合同补充了1．97亿美元投资第三批次低速初始生产的长周期材料，     

豪华客滚船全频段舱室噪声预报及降噪设计

豪华客滚船对于整体性能和舒适性要求较高,但由于船体结构复杂、舱室数量众多、多重噪声激励下,存在噪声预报准确性不足,降噪设计难度大的问题。本文提出一种基于统计能量法（SEA）、有限元-统计能量法（FE-SEA）,有限元法（EFEA）的豪华客滚船全频段噪声预报方法,并结合贡献量分析开展舱室降噪设计。首先,基于统计能量法建立高频声振耦合模型,计算各板子系统模态密度,进行频段划分,进而建立有限元-统计能量分析模型和有限元模型;其次,通过设置损耗因子、耦合损耗因子,确定螺旋桨振动噪声,主机和电机辐射噪声、振动噪声及空调通风噪声等主要噪声源,进行全频段声学分析。最后,根据《船上噪声等级规则》MSC.337(91)噪声标准规范,提出相应降噪方案,并进行贡献量分析。结果表明,该研究成功对船舶舱室进行全频段声学预测,经降噪处理后,舱室噪声值满足规范值要求。     

引入经验模态分解的舰船运动非线性极短期预报

船舶运动的极短期预报在船舶系统、设备作业等方面具有重要的意义，采用自回归模型对船舶运动进行预报等预报效果，如精度和时间长度，与实际应用的需要还存在较大距离。在自回归（AR）数学模型中引入经验模态分解（EMD）法，利用该方法将船舶运动的时历数据以“筛分”的方式分解成几个平稳的本征模态函数（IMF），并分别建立每个IMF的AR模型，用AR模型进行预报，然后将每个IMF的预报结果相加，将各预报结果的和作为原始信号的预报结果。采用该方法进行船舶非线性极短期预报对提高预报精度有一定的积极作用。     

交通流非线性回归模型的变点统计分析

以往的交通流状态辨识主要集中在交通流状态预辨识（即交通流预测）和实时辨识（即事件检测或交通流突变检测）上,在一定程度上忽略了对交通流变量规律的辨认。依据交通流理论,采用非线性回归模型变点的统计方法,对变点识别的关键问题进行了分析。结合淄博市中心路的实地数据对本方法进行了标定和检验,验证了方法的有效性和可行性。     

岸桥BROMMA吊具通用性改造

我公司现有岸桥为诺尔（NOELL）、三井（MIT-SUI）、振华（ZPMC）3个品牌,共11台,以6个批次购买的不同时期的产品。岸桥上配备的吊具品种也十分繁多,11台岸桥所配备的吊具一共24台,见表1。     

灰色马尔科夫组合模型对结构剩余寿命预测的研究

灰色马尔科夫组合模型是将灰色GM（1,1）模型与马尔科夫链有机地结合起来,利用各自优点并充分考虑大型结构整体变化趋势和局部波动的情况。通过对某桥梁结构的损伤系数进行预测分析并与GM（1,1）预测结果进行对比,该方法解决了GM（1,1）模型对波动性较大数据拟合较差,预测精度较低的缺陷。     

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。     

多船舶同时航行中的调度数学模型设计与实现

在多船舶同时行进航道水上交通网络中,船舶拥堵容易导致水上安全事故,需要进行水上航道船舶航行调度。本文针对当前调度模型的吞吐量低,时滞较大的问题,提出一种基于船舶航行流量分簇预测的多船舶同时行进中的调度数学模型。构建多船舶同时行进的通行流量的信息感知模型,采用RFID标签识别技术进行船舶航行流量的数学统计,构建船舶进出港的交通态势预测多元状态方程,以历史测量信息作为先验统计量对方程进行优化求解,实现船舶航行流量分簇预测,以此为信息统计量进行交通调度。仿真结果表明,采用该模型进行多船舶同时行进调度,能提高单位时间内的航道通行量,且对航道船舶流量的预测精度较高,调度的时间开销较小。     

虚拟海洋环境中的舰船运动的仿真

采用源汇法和STF切片法,计算了在不同浪向下舰船横向运动的水动力模型系数和波浪扰动力（矩）,并存入数据库。提出采用四阶龙格-库塔法求解舰船运动水动力模型的线性微分方程组,获得了舰船随时间变化的各自由度运动幅值。采用虚拟现实技术,创建了天空和海面波浪等三维海洋虚拟场景,实现了具有真实感的、随时间变化的三维舰船运动（横摇、艏摇、横荡）在该场景中的动态仿真。     

基于GRU-DconvLSTM的船舶轨迹预测

利用深度学习方法预测船舶未来航行趋势，对海上交通安全以及船舶管理具有重要意义。在船舶自动识别系统（AIS）中已知的经度、纬度、航速数据基础上，提出一种基于门控循环单元结合双卷积层长短期记忆神经网络（GRU-Dconv LSTM）预测模型。根据原始数据的变化趋势，采用标准差法对数据中的异常值进行处理，得到最终试验数据。该模型一方面通过门控循环单元（GRU）学习船舶历史数据上的运动规律；并采用双卷积层与长短期记忆神经网络（LSTM）结合的形式充分提取数据深层信息，提高模型对时序数据深层次特征的挖掘能力。将该模型与卷积长短期记忆神经网络（CNN-LSTM）、卷积门控循环神经网络（CNN-GRU）以及卷积层长短期记忆（Conv-LSTM）神经网络等3个模型进行对比，将均方根误差、平均绝对误差、平均绝对百分比误差作为评价标准，结果表明，GRU-Dconv LSTM模型在经度和纬度预测上误差较小，精确度较高。     

基于Bayes融合的装备平均修复时间评估方法

建立基于Bayes理论的小子样评估模型,在方差未知时,这些模型能对装备的平均修复时间（MTTR）进行评估,具有较好的评估特性,对减少试验次数,缩短试验时间,减少试验费用等都具有重要的价值。     

面向船舶管子加工分组调度的矩阵实数编码遗传算法

分析了船舶管子加工车间任务重且加工进度会严重影响船舶制造进度的问题，结合管子加工成组技术和管件族制造法，建立了船舶管子的混合流水车间多目标分组加工模型。利用矩阵实数编码遗传算法（MRCGA）能对该加工模型建立有效的分组调度方案。该算法能保证在迭代过程中子代个体基因的交叉、变异的合法性和可行性，相较于遗传算法（GA）具有较好的寻优能力和稳定性。结果表明，调度目标最大完工时间降低了46.98%，很大程度上提高了船舶管子加工分组调度车间的生产效率。