基于遗传算法的船舶横向运动水动力参数辨识的研究

随着海上资源开发与航运物流的发展,海上舰船的动力性能和载重量也不断提高。其中,船舶的动力性能直接决定了船舶的航行安全,对船舶动力性能进行分析和优化有重要的意义。本文研究的主要内容是船舶运动水动力参数的辨识,采用基于遗传算法的参数辨识方法,并详细介绍了该基于遗传算法的横向运动力参数辨识的过程,具有重要的意义。     

参数辨识在船舶运动控制中的研究与应用

本文以系统辨识的方法,对船舶运动模型--KT方程的参数进行辨识.通过分别研究最小二乘法和遗传算法在船舶运动方程参数辨识中的应用,提出了一种结合最小二乘法和间接模型参考自适应法的混合辨识算法,并经仿真实验数据的辨识结果分析,有力地证明了本方法的可行性和合理性.     

基于分阶段粒子群优化算法的船舶横向运动水动力参数辨识

提出了一种基于分阶段粒子群优化算法的船舶横向运动参数辨识问题。针对船舶横向水动力参数多、参数之间耦合度高的特点,提出了一种计算参数敏感性系数的方法,并依据敏感性系数对参数进行了分类,采用分阶段粒子群优化算法对参数进行辨识。对船舶横向运动参数辨识问题的求解结果表明,该算法能够快速地辨识出满足精度要求的船舶横向运动参数,验证了算法的有效性。     

基于云粒子群算法的船舶纵摇运动参数辨识

提出一种基于云粒子群优化算法的船舶纵摇运动参数辨识方法。该方法利用正态云发生器自适应调整粒子群算法的惯性权重,并在算法进化过程中对粒子位置进行基于云模型的变异操作,可以很好地解决算法早熟收敛的缺点,能够提高算法的收敛精度和收敛速度。应用该算法对船舶纵摇有关运动参数进行辨识,辨识结果在可以接受的范围之内。     

改进蚁群算法的船舶纵向运动参数辨识方法研究

船舶的工作环境十分复杂,纵向运动参数辨识可以保证船舶的正常航行,避免意外事故的发生。针对当前船舶纵向运动参数辨识方法存在难以找到全局最优值、参数搜索精度低等不足,设计了基于改进蚁群算法的船舶纵向运动参数辨识方法。首先对船舶纵向运动特点进行分析,将船舶纵向运动参数辨识看作是一个非线性优化问题,然后结合船舶纵向运动参数初始化蚁群种群,并通过模拟蚁群的搜索食物机制对船舶纵向运动参数最优解进行查找,当达到最大迭代次数时,得到了最优船舶纵向运动参数,最后对船舶纵向运动参数辨识方法的性能进行测试,改进蚁群算法可以得到高精度的船舶纵向运动参数辨识结果,船舶纵向运动参数辨识误差控制在有效范围内,验证了本文方法的有效性,并与其他船舶纵向运动参数辨识方法进行对比测试,本文方法的船舶纵向运动参数辨识更优,验证了本文方法的优越性。     

云自适应粒子群优化算法在船舶纵向运动参数辨识中的应用

为解决粒子群算法存在的易收敛于局部最优的问题,提高算法的精度和速度,本文提出云自适应粒子群优化算法,并将该算法应用于船舶纵向运动参数识别模型中,经过辨识得到的船舶纵向运动参数的误差值在允许范围内,且状态参数和理论值具有较高吻合度。     

小波阈值消噪在耙吸挖泥船参数辨识中的应用

船舶和海洋技术的快速发展对船舶数学模型提出了更高的要求,为消除船舶试验数据中含有的噪声等不良因素,获取准确的数据用于建模,将小波阈值消噪法用于数据预处理,通过仿真对比了消噪前后辨识出的船舶模型相关参数,并将辨识结果用于耙吸挖泥船变吃水作业状态下的运动仿真,验证了小波阈值消噪在耙吸挖泥船参数辨识中的有效性及其工程价值。     

基于ASNLS算法的智能浮标浮潜模型参数辨识

[目的]针对智能浮标大深度浮潜模型难以精确量化的问题,提出一种抗数据饱和及测量噪声的最小二乘算法（ASNLS）,以实现浮潜多参数识别及深度预测。[方法]首先,在智能浮标浮潜运动灰箱模型中引入其执行机构的非线性动作特性以契合实际模型,并将连续型浮潜运动方程转化为离散模式以匹配实际离散的数据采样方式;然后,将离散型运动方程构造为基于相关函数的表达形式,以减弱噪声对参数辨识的影响;最后,通过调整协方差矩阵的取值,实现该浮潜参数辨识算法的抗数据饱和功能。[结果]基于2021年智能浮标在南海的大深度试验数据,开展了浮潜运动模型参数辨识及深度预测,验证结果表明：相较于传统的最小二乘算法及支持向量机算法,ASNLS算法的收敛速度更快（较最小二乘算法提高了31.8%）、深度预测误差更小（不同深度下的平均绝对百分比误差均小于9%）。[结论]ASNLS算法可为智能浮标的深度控制和预报提供有效的浮潜模型支撑。     

子空间在线辨识算法原理及应用技术研究

为了解决船舶数学模型中水动力参数可能随着外界海洋环境的不同而发生漂移的问题，提出一种在线更新船舶黑箱模型的子空间辨识策略。该方法根据子空间辨识过程中QR分解的特点，采用Givens旋转矩阵对该复杂分解过程进行处理，从而降低计算复杂度，并通过改进使得子空间辨识算法能够适用于在线辨识。最终将该算法应用于动力定位系统中，实现了对船舶模型参数的实时调整，克服了传统船舶模型辨识算法只能对模型进行离线辨识的缺点，同时也为动力定位中紧急情况下的船位推算提供了较为准确的模型依据，最大限度地提高了作业的安全性。文末的仿真及实船数据进一步验证了算法的有效性。     

船舶电力系统负荷模型及参数辨识研究

该文在分析了船舶电力系统负荷特性的基础上,将陆用电力系统负荷仿真研究中的一种综合负荷模型引入到船舶电力系统负荷仿真研究中,采用遗传算法辨识了模型参数,并进行了实际模型与辨识模型的对比分析,验证了模型的合理性.     

变分法的参数约束估计法(英文)

The accuracy of parameter estimation is critical when digitally modeling a ship. A parameter estimation method with constraints was developed, based on the variational method. Performance functions and constraint equations in the variational method are constructed by analyzing input and output equations of the system. The problem of parameter estimation was transformed into a problem of least squares estimation. The parameter estimation equation was analyzed in order to get an optimized estimation of parameters based on the Lagrange multiplication operator. Simulation results showed that this method is better than the traditional least squares estimation, producing a higher precision when identifying parameters. It has very important practical value in areas of application such as system identification and parameter estimation.     

应用支持向量机的船舶操纵运动响应模型辨识

建模是评估船舶操纵性和可控性的重要前提.基于自由自航船模试验的系统辨识方法是求取船舶操纵运动数学模型中的水动力系数的有效手段之一.文中提出了一种使用支持向量回归估计的船舶操纵运动响应模型辨识方法,该方法通过训练自由自航试验数据样本得到参数回归模型.辨识和仿真结果验证了文中所提出的方法的有效性.     

Study of automatic designing of line heating technique parameters

1Introduction Lineheatingisashellplateheatprocessingmethod usedinshipbuildingproduction.Itisacomplexand difficulttechnique,mainlyusedindoublebending shellplateforming.Becausetherearemanyinfluence factorsinplateforming,theinfluencedisciplineis hardtopredic…     

基于遗传算法的船艇冷库模糊控制仿真研究

船艇冷库温度的精确数学模型难以建立,针对传统PID控制精度不高和常规模糊控制获取控制规则和隶属度函数方法的不足,提出利用遗传算法对船艇冷库模糊控制系统的控制规则和隶属度函数进行优化,通过仿真表明,该算法能够使模糊控制系统的控制品质得到较大的改善和提高。     

基于改进混沌优化算法的船舶综合负荷模型参数辨识

参数在线辨识是目前电力系统负荷建模的主要手段,而在辨识方法上主要使用了优化类算法.首先改进以往混沌优化算法的流程,增加参数搜索范围自动缩小的功能,减少一次混沌序列生成的步骤.对测试函数的优化结果表明改进算法在保证精度的基础上大大提高了寻优速度.然后,将该改进算法应用到了船舶综合负荷模型的参数辨识上,仿真结果说明该算法寻优速度快,并且有良好的辨识精度.通过对仿真结果的分析指出,对于负荷模型参数辨识,合理缩小参数寻优范围有助于提高算法的精度.     

基于迭代局部搜索和自适应粒子群优化的SVM短期负荷预测

为了能够进一步的提高船舶电力负荷的预测精度,针对SVM模型在负荷预测中存在的参数选取问题,该研究提出了一种新的参数优化算法:基于迭代局部搜索和自适应粒子群优化的组合算法。自适应粒子群算法提高了传统粒子群算法的收敛速度,引入的迭代局部搜索思想,配合新的极值评价标准能够很好的解决粒子群算法容易陷入局部最优的问题。仿真结果表明,利用新的参数优化算法使得SVM预测模型的精度得到了很大的提高。     

基于改进BP-GA方法的FPSO舷侧结构耐撞性能优化设计

基于遗传算法和ABAQUS参数化有限元仿真技术,对传统的BP-GA优化方法进行改进,并采用改进的BP-GA方法对浮式生产储油卸油装置(FPSO)舷侧结构的耐撞性能进行优化,以验证其可行性和准确性。结果表明,与传统的BP神经网络相比,经遗传算法优化的BP神经网络具有更高的预测精度和更强的泛化能力;改进的BP-GA优化方法可在结构减重的基础上进一步提高结构的耐撞性能,能较好地适用于复杂的FPSO舷侧结构耐撞性优化设计。采用的优化方法具有通用性,可为抗爆性能的优化设计提供参考。     

遗传算法在船舶电缆布局优化设计中的应用研究

船舶电缆布局优化是实现船舶布线自动化的一项技术难题,这一问题的解决可节省大量电缆布局设计的时间和费用。建立优化模型,并对传统遗传算法中初始种群的产生方法、选择算子及变异算子进行改进,增加检测操作,从而构造求解该模型的改进遗传算法。仿真结果表明,该算法是一种具有全局寻优能力的布局优化方法,具有高效性、实用性,并可扩展于解决船舶设计中的其它优化问题。