改进差分进化算法在舰船电力系统网络重构中的应用

针对舰船电力系统的网络重构,建立了以负载恢复量、开关操作数和发电机效率均衡为多优化目标的舰船电力系统故障恢复模型,提出了一种带自适应离散断点算子和动态变异、交叉因子的改进离散差分进化算法进行求解。改进后的算法能有效地提高收敛速度,并克服传统差分进化算法收敛精度不高、易陷入局部最优的问题。舰船电力系统网络故障恢复算例表明,该方法能获得更好的系统重构方案,并具有较好的优化性能。     

基于差分进化算法的船舶电网系统状态评估研究

船舶电网系统状态对于船舶安全航行产生直接影响,为此研究基于进化差分算法的船舶电网系统状态评估方法,保障舰船安全航行。采用文献法与专家咨询法构建初始舰船电网系统状态评估指标体系,利用进化差分算法在初始评估指标体系内筛选指标,构建最终用于评估舰船电网系统状态的指标体系。采用模糊综合评估方法,确定评估结果划分等级,计算评估指标权重值,构建综合评估矩阵,通过评估矩阵与权重值实现舰船电网系统状态模糊综合评估,获取评估结果。测试结果显示,该方法所构建评估指标体系的整体Cronbachs’α系数值在0.85以上,显著高于标准值,且所得评估结果与舰船电网系统当前状态一致,说明了评估结果的准确性。     

舰船环形电力重构系统中多智能控制算法研究

舰船电力网络重构能够有效的保证船舶的正常运转。本文在传统粒子群算法的基础上,利用开关的二进制编码来表示其状态,阐述其实现流程。最后在列表法系数矩阵的基础上利用粒子群算法实现舰船电力网络的重构仿真。仿真实验结果表明本文算法开关代价最小,系统运行的稳定性好。     

基于改进差分进化算法的船舶曲面分段车间调度

为有效提升船舶曲面分段车间的加工效率,解决已有算法存在的易陷入局部最优解和初始解质量低的问题,提出一种改进的差分进化算法,对曲面分段调度问题进行求解。以最小化完工时间和最小化班组间负荷差距为目标,建立该曲面分段调度问题的双目标数学模型,并采用改进的差分进化算法对该问题进行求解。该改进差分进化算法将全局搜索策略与局部搜索策略相结合,能提升初始解的质量,并加快收敛速度。使用某船厂的实际数据对该算法进行有效性验证,结果表明,该算法能有效求解船舶曲面分段调度问题,能更好地提升船舶曲面分段制造调度作业效率。     

基于动态视频信息分析的海上舰船目标检测方法

海上作业工作中,通常通过机器视觉获取环境视频信息。其中,分析海上舰船目标是一项重要工作。为此,提出基于动态视频信息分析的海上舰船目标检测方法。首先使用差分处理方法去除动态视频图像中的噪声,并适应度增强背景光线。然后缩小运动目标检测区域,实时更新背景模型,降低背景对检测目标的影响。在划分海上舰船动态视频图像后,检测天空和海天线,构建海面背景的纹理模型。最后,去除天空与非海面纹理的像素点,即可得到海上舰船目标。实验结果表明,该方法的检测精度高,对动态视频检测响应速度快且去噪效果较好。     

基于云推理的舰船安全状态评估模型

为了提高舰船通信和航行的安全性能,提出基于云推理的舰船安全状态评估模型,采用均衡博弈方法构建舰船安全状态评估的约束参量模型,结合自适应转发控制协议进行舰船安全状态评估的目标函数构建,采用云推理算法进行安全状态评估目标函数的优化求解,设计服务接口模式进行舰船航行状态的调度和安全评估,采用Lyapunove指数预测算法实现舰船安全状态有效预测和评估。仿真结果表明,采用该方法进行舰船安全状态评估的准确度较高,对舰船航行和调度的有效性较好,确保了舰船运行状态安全。     

三维动态舰船图像颜色特征自动提取及应用研究

以提升舰船颜色特征的应用技术水平,研究三维动态舰船图像颜色特征自动提取和应用方法。通过相机采集三维动态舰船图像颜色特征后,先使用PCA算法获取三维动态舰船图像的颜色特征子空间,再通过K-means聚类算法得到三维动态舰船图像颜色特征,以该颜色特征作为基础,分别利用支持向量机算法和二阶常速模型实现舰船目标识别和航迹跟踪。实验结果表明,该方法可有效提取三维动态舰船图像颜色特征的R、G、B分量,提取舰船图像颜色特征能力较强。将提取到的三维动态舰船图像颜色特征,应用到舰船目标识别和航迹跟踪,可有效识别舰船和跟踪舰船航迹,应用效果较为显著。     

网络重构法在舰船区域配电系统中的应用研究

运用网络重构法对舰船区域配电系统进行了分析.在考虑了电网损耗和开关动作次数因素的基础上建立数学模型,并应用改进的遗传算法--单亲遗传算法(PGA)进行求解.着重分析了单亲遗传算法针对舰船区域配电系统的特点产生相应的染色体编码、初始群体、基因移位、基因突变.本文的研究证明了单亲遗传算法可有效消除常规遗传算法中对可行性解严重破坏的缺点以及网络重构法应用在舰船区域配电系统中的有效性.     

船舶中压直流电力系统配电网络重构技术研究

船舶电力系统网络重构是一个多目标组合优化问题。针对船舶中压直流综合电力推进系统,建立其配电网络拓扑模型,设计改进的节点电势法对其配电网络进行潮流计算,研究其各支路故障情况下的线路电流与功率分布。根据负荷恢复量、稳定性及开关动作量,建立配电网络的故障重构模型。结合自适应权重法和杂交池算法,并设计"定向变异法"对粒子群算法予以改进,增强寻优速度及全域搜索能力,将其运用于配电网络的故障重构模型的求解。算例结果表明,利用该算法能更快速地获得更完备的重构方案,算法具有较强的寻优性能。     

基于视觉传达的模糊舰船图像目标分类检测

模糊舰船图像的有效分类识别可提高对目标的准确打击和辨识能力,提出基于视觉传达和图像增强的模糊舰船图像目标分类检测模型。构建模糊舰船图像的多传感视觉采集模型,采用目标图像与背景图像差分分析方法实现对舰船图像的目标特征提取和聚类处理,根据视觉聚类传达和目标图像的特征点增强结果,结合模糊C均值聚类算法,实现对舰船目标图像的分类检测。测试得知,该方法进行舰船目标分类检测的聚类性较好,识别精度较高,视觉传达效果显著增强。     

基于多智能体遗传算法的电力网络重构方法分析

电力网络重构对于舰船电力系统十分关键,针对传统遗传算法的电力网络重构效率低,稳定性差等缺陷,设计了基于多智能体遗传算法的舰船电力网络重构方法。首先分析当前舰船电力网络重构的研究现状,并采用供电负荷最大化作为目标函数,建立舰船电力网络重构的数学模型,然后引入多智能体遗传算法对舰船电力网络重构的数学模型进行求解,最后进行舰船电力网络重构仿真测试。结果表明,本文方法的舰船电力网络重构问题求解时间短,可以快速找到最优舰船电力网络重构方案,而且找到最优舰船电力网络重构方案的成功率要高于其他方法,具有一定的实用性。     

考虑任务排序策略的舰船建造车间虚拟制造单元动态调度

为提高舰船制造系统作业调度的柔性和效率,从车间层的作业计划角度出发,研究周期驱动条件下的虚拟制造单元多阶段动态调度问题并构建了动态调度数学模型。模型中考虑了加工任务动态需求、设备加工能力、负荷平衡、同类设备有多台的情况且提出共享资源协调排序策略,以实现最大完工时间和总物料运输距离之和最小化的目标。运用改进蚁群算法与启发式规则的混合算法进行求解。通过某船厂的实际生产数据验证了虚拟单元动态调度方法的可行性和有效性。     

港口发电系统电力动态负荷自动测试方法

传统舰船电力动态负荷测试方法,无法对动态下强烈性非线性电力负荷做精准化走势运算,导致轴带发电系统运行负荷与生成实际电力负荷误差增大、运算速度减慢的问题。针对此问题,提出舰船轴带发电系统电力动态负荷自动测试方法。首先,通过对传统方法问题产生原因进行分析,找出误差产生参数。然后,通过引入NDHFR向量优化算法,对现有动态负荷测试参数进行优化替换提升计算速度,并利用替换后的形参数据建立检测模型,完成动态负荷的自动测试。最后,通过对比试验证明,提出的舰船轴带发电系统电力动态负荷自动测试方法切实有效解决了误差大的问题。     

基于二进制粒子群算法的母联闭合型电网重构策略

为解决母联闭合型电网发生故障时的电网重构问题,提出一种基于二进制粒子群算法的电网重构策略.根据深水半潜平台电网特殊的网络架构和电气特性,建立以最大程度恢复重要负载供电为目标,以电网结构和系统容量为约束条件的母联闭合型电网故障恢复模型.为提升求解效率,为该模型设计基于二进制粒子群算法的两阶段优化求解流程,并将求解结果与混...     

基于北斗卫星的航海导航系统定位目标精准识别方法

针对现有舰船上采用的导航系统存在北斗卫星信号接入识别率低、目标识别精度差的问题。提出基于北斗卫星的舰船导航系统定位目标精准识别方法。针对传统方法对北斗卫星信号运算过程资源消耗大,运算率低的问题,引入Cstx小波融合算法,对北斗卫星信号进行定向专属计算。同时,为解决目标识别精准度低的问题,引入神经追踪特征算法,对专属解析后的北斗卫星图像目标进行动态特征追踪与提取锁定。最后,通过仿真模型实验证明,提出的基于北斗卫星的舰船导航系统定位目标精准识别方法,能够快速、有效、精准锁定识别北斗卫星导航内设定目标。     

基于差分进化算法的船舶自由浮态计算研究

及时准确获取船舶破损后的浮态参数是采取正确抗沉措施的重要前提,所以船舶自由浮态计算是船舶破损后快速扶正首先要解决的问题。采用差分进化算法对平衡多目标函数进行求解。差分进化算法采用实数编码,选择阶段采用了贪婪算法,实现更加简单。根据对2,000t专业溢油处置船的计算,并与遗传算法比较,计算结果更为精确,收敛速度相当。该方法可以在保证较高的收敛速度前提下,提高自由浮态的计算精度。     

机器学习算法的舰船路径跟踪误差估计

针对传统舰船路径跟踪误差估计方法存在误差估计性能较差的问题,设计一种机器学习算法的舰船路径跟踪误差估计方法,对舰船路径跟踪时的运动方向进行简化。根据其扰动状态对舰船路径跟踪实施扰动分析,获取舰船路径跟踪时的旋转角度与角速度。设舰船在初始跟踪位置开始跟踪目标船,通过轨迹跟踪获取目标船的参考运动轨迹,利用饱和输入约束获取舰船路径跟踪目标轨迹的控制参数,并将其作为目标船参考运动轨迹的决定优化变量,获取参考运动轨迹,利用机器学习算法对舰船路径跟踪误差进行估计。为了证明机器学习算法的舰船路径跟踪误差估计方法的误差估计性能较好,将传统方法与该方法进行对比实验,实验结果证明该方法的误差估计性能优于传统方法。     

大纵横倾耦合状态下舰船稳性算法研究

分析传统稳性算法的原理及缺陷,针对舰船航行状态复杂、稳性计算精度要求高的特点,提出一种适合大纵横倾耦合状态下的舰船稳性算法,通过建立并求解平衡方程的方法得到准确的稳性数据.     

基于多目标混沌云粒子群算法的泊位-岸桥分配研究

为了提高集装箱港口泊位-岸桥分配效果和优化效率,以集卡运距和船舶在港时间最小为优化目标,建立了多目标离散泊位-岸桥分配模型,利用混沌云粒子群算法对泊位-岸桥分配模型进行求解,开发了粒子可行-整数化处理模块,内嵌于混沌云粒子群算法进化中,制定了粒子编码规则,设计了多目标函数的粒子历史极值和全局极值的计算方法,提出了基于混沌云粒子群优化算法求解多目标离散泊位-岸桥分配模型的新方法,数值算例结果证明了该模型和算法的可行性和实用性。     

舰船多目标识别中的一种抗碎云干扰方法研究

随着计算机图像处理技术的飞速发展,各种智能化的目标检测设备已经被广泛应用在舰船目标的识别中,通过采用智能目标检测算法,智能设备能够对舰船的特征进行快速学习,然后进行计算机处理后,就能够快速准确地对目标的状态进行判断。但是,在目标数据获取的过程当中,常常会受到碎云的干扰。因此,本文主要介绍了一种改进后的目标识别算法,该算法能够显著降低碎云的干扰噪声,通过加强目标的特征信号,能够在碎云干扰情况下,快速对目标的特征进行定位和提取,通过对有用信号的滤波和模式识别,有效改善了对舰船多目标的识别效果。