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。     

重力式网箱锚碇形式优化的研究

基于深水重力式网箱常用的锚碇形式,借助物理模型试验的方法,对四点锚碇式、正向网格及斜向网格三种锚碇形式的网箱在不同海况条件下的锚绳受力状态进行了分析,得出了正向网格式锚绳具有较好的受力特性,故可考虑在深水网箱养殖中使用.     

基于变分模态时频分布下的水下目标DOA估计研究

在声呐、雷达等设备的目标探测中,声源方位估计是需要解决的关键问题之一。针对水下传感器阵列接收信号的波达方向角(DOA)估计算法中,传统的BP神经网络算法会因网络参数不合理和层数过多导致过拟合的问题,以往通过粒子群算法(PSO)进行优化后,网络仍容易过早结束训练而导致性能不佳。为此,本文提出一种基于变分模态分解结合粒子群算法优化后的BP神经网络算法。首先对目标回波信号进行可变模态分解,对分解得到的各分量进行时频分析后叠加的谱图特征作为经粒子群算法优化后的BP神经网络算法的输入进行训练测试,以此来提高阵元接收目标回波的DOA估计精度。仿真实验结果表明,结合变分模态分解及粒子群算法优化的BP神经网络具有更好的识别效果和泛化能力,提高了DOA的估计精度。     

随机波浪载荷作用下深水自升式海洋平台动力响应分析

基于有限元方法,建立了深水自升式海洋平台的数学模型。结合线性化的莫里森方程和随机波浪理论,采用谱分析方法计算随机波浪栽荷。以某典型深水自升式海洋平台为原型,利用ANSYS有限元软件建立了平台的有限元模型。在此基础上,对平台结构分剐进行了的模态分析和动力响应分析,分析得到了平台的频率特性和动力特性。     

基于EMD的矢量水声器方位估计算法

对经验模态分解算法(EMD算法)进行深入研究,对其基本原理、基本性质以及存在的问题进行分析。为改善EMD算法在方位估计的精度,减少高频噪声、间断干扰的影响,本文采用Hilbert-Huang变换方法来消除模态混叠现象。实验结果表明,本文提出的基于EMD的矢量水声器方位估计算法,能够有效提高方位估计的精度。     

重力式深水网箱的抗台设计与水动力性能分析

针对重力式深水网箱抗台风能力较弱,容易出现浮架损坏、锚绳断裂和网衣严重变形等问题,以一典型重力式深水网箱为研究对象,结合传统网格式系泊,提出在底部附加系泊缆的新型抗台设计方案,基于势流理论和非线性有限元方法,建立网箱数值模型,在不同入射角和波高下,对比分析传统网格式和新型抗台式系泊的网箱系泊缆张力、浮架运动和网箱变形....     

基于变分模态分解算法VMD的GIS机械故障诊断研究

地理信息系统(GIS)对于海上的船舶交通管理、远洋航运物流管理等具有重要的作用,GIS系统的硬件组成主要包括各类数据库平台、传感器、智能终端等。为了确保GIS系统的平稳运行,本文针对GIS系统的机械故障诊断问题进行了研究,介绍一种基于变分模态分解算法VMD的故障诊断算法,阐述该诊断方法的流程。该算法将GIS系统的机械故障信号分解问题转化为变分问题,对于提高GIS机械故障的诊断效率,提高诊断精度有一定的作用。     

不规则波和流下的重力式网箱水弹性响应研究

文章对重力式网箱在不规则波和流作用下的水弹性响应分析进行了研究,通过有限元方法建立实尺度网箱模型并对网箱的运动和变形进行了分析。在数值模型中,通过非线性弹簧单元和Truss单元来模拟锚链和渔网结构,通过若干耦合的梁按照"浮力分配法"来计算浮圈的瞬时浮力。基于这个计算模型,文中充分研究了当网箱处于波流载荷下,浮圈的各阶弹性体模态所占权重。结果显示,当有义波高增大时,在垂直方向上会激发出更多的浮圈弹性体模态,而流则主要影响水平方向上的刚体模态。     

现代海水网箱、海洋牧场技术进展及研究方法

本文对现代深海网箱海洋牧场的特点做出总结,展示不同类型的深水抗风浪外海网箱,论述了国外海洋牧场技术发展现状,详细分析了重力式浮式网箱的水动力特性研究的重点、难点问题,总结了网衣系统、浮架系统的和配重系统的水动力性能特点和研究方法,并对近年来深水抗风浪网箱的研究热点和发展方向做出一定展望。     

基于VMD-SSA-GRU的船舶运动姿态预测

船舶运动姿态的准确预测对船舶的运动补偿意义重大,因此提出一种基于变分模态分解（VMD）和麻雀搜索算法（SSA）优化门控循环单元（GRU）的船舶运动姿态预测模型。首先利用VMD将船舶运动姿态数据分解为若干个本征模态分量,然后对各个本征模态分量分别建立SSA-GRU预测模型进行预测,最后累加得到预测结果。通过实船模拟的船舶运动姿态数据进行验证,证明此预测模型较于SSA-GRU和GRU预测模型预测精度均有相应提升,验证了本预测模型在船舶运动姿态数据预测的有效性。     

深水半潜式生产平台建造精度控制要点

南海某深水半潜式生产平台有着超大跨距的桁架式上部组块以及带立柱储油功能的下部船体，其大跨距、超高度的典型特点给深水半潜式平台整体建造精度控制带来极大挑战。通过制定整体的精度策划方案，重点对总装搭载、立柱顶部支撑管、插尖导向等关键位置进行精度控制方法研究，对环境温度、焊接收缩等影响精度的数据进行收集、分析，进而调整优化精度控制方案，形成一整套适用于深水半潜式生产平台建造精度控制的技术方法，保证深水半潜式生产平台建造精度满足设计要求，为上部组块与下部浮体大合龙的顺利完成奠定基础。     

风电安装平台坐底冲刷结构强度分析评估

以“泓邦号”风机安装平台为例,对坐底式风机安装平台在坐底冲刷工况下的结构强度进行分析评估。利用FEMAP软件建立结构有限元模型,采用NX-Nastran求解器对平台的整体结构强度进行计算和评估。在此基础上,对平台在不同冲刷掏空条件下的结构强度计算结果进行对比,为同类型风电安装平台在坐底冲刷工况下的强度分析提供参考。     

基于极点对称模态分解和支持向量机的船用齿轮箱故障诊断

针对船用齿轮箱故障难以识别的问题,提出了将极点对称模态分解(Extreme-point Symmetric Mode Decomposition, ESMD)和支持向量机(Support Vector Machine, SVM)相结合的故障诊断方法。先将船用齿轮箱振动信号进行ESMD分解,可得到一系列模态和一条最佳自适应全局均线。以分解模态与原始信号的能量比值为相关度衡量标准,将相关度较高的前三个模态分别作奇异值分解并得到奇异值矩阵。经过归一化处理后,输入支持向量机训练获得多分类诊断模型,并进行测试。测试结果表明,相比经验模态分解(Empirical Mode Decomposition, EMD)与SVM结合的方法,本文的方法能更好地对船用齿轮箱故障作出诊断和预测。     

基于经验模态分解的大型轮船锚机齿轮箱故障诊断

经验模态分解法(EMD)是一种针对信号变化的自适应处理方法。针对某大型轮船锚机齿轮箱,首先通过测量不同转速和位置的振动信号预估故障源;其次对采集出的原始故障信号进行处理,提取故障特征,即通过EMD将原始信号分解为若干个IMF分量,不同的IMF分量包含不同频段所对应的能量,然后再对IMF分量进行包络分析和谱分析,最终便可确定故障源,并对其进行修复。通过测试比较,验证了EMD理论方法的正确性和有效性。     

基于HHT的船舶综合电力系统故障时间定位新方法

针对强噪声环境下船舶综合电力系统故障时间定位精度不高的问题,提出一种基于Hilbert-Huang变换(HHT)和自适应软阈值法的船舶综合电力系统故障时间定位新方法。首先,电能信号经EMD分解为若干固有模态函数(IMF),对第一个IMF分量进行Hilbert变换得到其瞬时幅值向量。然后,在分析故障波形变化规律的基础上,定义并计算故障信号的瞬时幅值差分向量。最后,设计一种自适应软阈值处理方法,将瞬时幅值差分向量变换为故障时间特征向量,经加权均值后,实现故障时间定位。仿真试验结果表明,该方法能够精确定位不同强度噪声下的故障起止时间,在1 k Hz采样频率下精度为0.88 ms,适用于实际船舶综合电力系统故障的时间定位。     

基于变分模态分解与模糊聚类的船用齿轮箱故障诊断

针对船用齿轮箱故障类型诊断精度不高的问题,提出一种结合变分模态分解(Variational Mode Decomposition, VMD)与核模糊聚类(Kernel Fuzzy C-Means, KFCM)的故障诊断方法。先对齿轮箱振动信号展开VMD分析,获得含有大量故障特征信息的固有特征模函数(Intrinsic Mode Function, IMF),然后计算出各IMF分量的奇异值并构建故障特征向量矩阵,最后将其输入到以KFCM算法为框架的故障分类器中进行模型训练,并对模型性能测试与评估。结果表明,所提方法具有较高的故障识别准确率。     

某面向深水网箱作业的水下机器人

为解决目前深水网箱对水下作业机器人的需求问题,以作业型遥控式水下机器人(ROV)与系统需求为出发点,设计一种集成水下运动载体、高清摄像头、作业机械臂及末端执行器的美人鱼形水下机器人,同时要求满足机动驱动灵活,安全高效,信号传输稳定,适用于无人或辅助完成深水网箱作业.     

基于经验模式分解的滤波去噪算法

经验模式分解法被认为是非线性、非平稳数据处理方法的新进展.其最大优点是根据信号本身的特性自适应地产生合适的模态函数,这些模态函数能很好地反映信号在任何时间局部的频率特征,克服了小波变换中要选取合适小波基的困难.基于经验模式分解的分解特性,本文提出了一种新的阈值去噪方法,通过事先建立的经验阈值,根据自适应方法对噪声进行去除,然后对去除的噪声进行随机采样后加入到去噪信号中重新滤波,通过反复滤波迭代进行噪声的去除.实验结果证明了本方法与小波相比具有自身独特的优势.     

相关系数判决的EMD在振动数据趋势项提取中的应用

提出了一种利用经验模态分解提取振动数据中趋势项的新方法。采用经验模态分解将原始信号分解为若干固有模态函数,计算各IMF分量与原始信号的相关系数,以相关系数为判据,设定判定阈值对趋势项与真实信号的IMF分量进行区分。仿真模拟和工程试验数据处理结果证明,该方法对趋势项类型具有普适性,且不易受到模态混叠效应的影响。     

MEMD分解在舰船非平稳信号处理中的应用

在对舰船非平稳信号进行研究和分析时,希尔伯特-黄变换(HHT)方法表现出了其优越性,但此方法的核心算法EMD还存在缺陷.本文针对模态分解中出现的模态混迭现象进行分析,引入多分辨分析技术对经验模态分解方法进行改进一基于多分辨分析的经验模态分解方法(MEMD).通过对信号模拟试验,并与原始EMD方法的结果作比较,得出了此法...