舰船网络入侵风险等级估计算法研究

针对当前舰船网络入侵风险等级估计算法存在的缺陷,以提高舰船网络入侵风险等级评估正确率为目标,设计了一种改进极限学习机的舰船网络入侵风险等级估计算法。首先根据专家和相关研究设计舰船网络入侵风险等级估计的指标,并根据指标采集相应的舰船网络入侵风险等级估计数据,然后采用极限学习机对舰船网络入侵风险等级进行建模,并采用粒子群算法优化舰船网络入侵风险等级估计模型的参数,最后进行舰船网络入侵风险等级估计验证性实验。实验结果表明,改进极限学习机获得了十分理想的舰船网络入侵风险等级估计结果,而且估计性能要远优于当前其它舰船网络入侵风险等级估计算法,具有更高的实际应用价值。     

基于参数优化的舰船电动机故障诊断

相关向量机在舰船电动机故障诊断过程中,参数直接影响舰船电动机故障诊断结果,为了解决当前相关向量机参数优化难题,设计了粒子群算法优化相关向量机的舰船电动机故障诊断方法。首先分析舰船电动机故障诊断现状,并采集舰船电动机工作状态信号,然后提取舰船电动机工作状态信号提取特征,利用相关向量机建立舰船电动机故障诊断模型,并采用粒子群算法对舰船电动机故障诊断模型参数进行优化,最后进行舰船电动机故障诊断仿真实验。结果表明,相对于其他舰船电动机故障诊断方法,本文方法的舰船电动机故障诊断精度更高,故障诊断结果更加可靠,诊断效率更高,具有一定的工程应用前景。     

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。     

舰船货物运输物流最优路径选择研究

舰船货物运输物流最优路径可以降低企业的运输成本,因此对其进行研究具有十分重要的经济价值,为了获得最优的舰船货物运输物流路径,提出了组合算法的舰船货物运输物流最优路径选择方法。首先分析当前舰船货物运输物流最优路径选择研究的现状,找到难以找到舰船货物运输物流最优路径的原因,然后设计了舰船货物运输物流最优路径选择的数学模型,采用蚁群算法和粒子群算法的组合算法进行求解,搜索舰船货物运输物流最优路径,最后与单一的蚁群算法和粒子群算法进行舰船货物运输物流最优路径选择仿真实验。结果表明,组合算法的舰船货物运输物流最优路径选择结果不仅要明显优于单一的蚁群算法和粒子群算法,而且提高获得了最优舰船货物运输物流路径的成功率,选择效率也得到了明显的改善。     

OceanInfo平台中舰船操纵运动控制研究

针对 OceanInfo平台中的舰船运动控制,研究舰船在航向保持中的混沌运动及其控制问题。基于 PID控制方法的简单性和有效性,应用 PID控制进行平台中的舰船混沌运动的有效控制和航向保持,对其控制参数难以确定的问题,提出改进的动态混沌粒子群优化（PSO）算法进行控制器参数整定并进行仿真实验。实验结果表明：本文提出的改进优化算法能够实现 PID参数的优化整定,其结果能够更为有效地进行舰船航向保持及混沌运动控制,且方法简单、容易编程实现。     

OceanInfo平台中舰船操纵运动控制研究

针对Ocean Info平台中的舰船运动控制,研究舰船在航向保持中的混沌运动及其控制问题。基于PID控制方法的简单性和有效性,应用PID控制进行平台中的舰船混沌运动的有效控制和航向保持,对其控制参数难以确定的问题,提出改进的动态混沌粒子群优化(PSO)算法进行控制器参数整定并进行仿真实验。实验结果表明:本文提出的改进优化算法能够实现PID参数的优化整定,其结果能够更为有效地进行舰船航向保持及混沌运动控制,且方法简单、容易编程实现。     

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。     

基于量子粒子群算法的舰船无线网络路由方法

针对当前舰船无线网络路由方法存在的数据传输时延大,舰船无线网络路由的可靠性差等问题,设计了基于量子粒子群算法的舰船无线网络路由方法。首先分析了舰船无线网络路由方法的工作机理,然后根据舰船无线网络传输的要求将用户服务划分为3大类,并对舰船无线网络传输性能指标进行分析,最后采用量子粒子群算法建立无线网络传输路由,并通过仿真实验分析了舰船无线网络传输的各项性能指标,结果表明,本文方法减少了舰船无线网络路由中的数据传输时延,提高了舰船无线网络数据传输可靠性,改善了舰船无线网络通信质量,无线网络通信的整体效果要明显优于当前其他舰船无线网络路由方法。     

基于改进粒子群算法的舰船电力系统无功优化

依据舰船电力系统的特点,构建适用于舰船电力系统的优化模型。率先采用自适应粒子群算法对舰船电力系统进行无功优化。与标准粒子群算法相比,新算法有效克服了标准粒子群算法在优化过程中前期易陷入局部最优和后期收敛速度慢的缺点。优化后,舰船电力系统的有功网损降低明显,电压分布也更加合理,保证了舰船电力系统安全稳定的运行。     

云平台和神经网络的舰船目标检测

为了解决当前舰船目标检测过程中存在的检测误差、检测实时性差的缺点,设计了一种云平台和神经网络的舰船目标检测方法。首先采用混合高斯模型对舰船目标所在区域进行获取,然后采用粒子滤波算法对舰船目标进行跟踪和检测,并采用神经网络对舰船目标粒子滤波算法的权值进行优化和更新操作,解决粒子滤波算法的缺陷,最后基于云平台对舰船目标检测方法进行了设计,并进行了舰船目标检测仿真模拟实验。结果表明,本文方法可以对各种环境中的舰船目标进行准确的检测,提高了舰船目标检测的鲁棒性,而且舰船目标检测实时性也得到了明显的改善,克服了当前舰船目标检测方法存在的缺陷,是一种有效的舰船目标检测方法。