基于模糊层次分析的海上发射船性能优化

针对海上发射船性能优化体系的不健全,建立火箭竖起时的弯矩模型,以方形系数、船长和船宽为优化变量,设计了基于模糊层次分析的海上发射船性能优化模型。首先,从影响发射船性能的因素出发,提出以火箭承受弯矩、发射船稳性、阻力和造价为评价指标,通过判定矩阵确定各性能指标的权重,并对各个指标单独进行分析计算。最后,计算母型船和96个样本点的综合评分。优化后的船型相比母型船,弯矩评分提高了19.87%,稳性评分提高了2.99%,阻力评分提高了23.19%,造价评分降低了8.35%。本文研究对海上发射船性能优化有指导作用。     

基于近似模型的海上发射船船型优化

基于径向基函数神经网络模型,以火箭承受弯矩为单目标优化函数,对双体发射船船型参数进行优化。选定船型方形系数CB和长宽比LA/B为优化变量,利用Lackenby方法,对船型参数化建模;应用最优拉丁超立方方法选取样本点,采用二次插值方法扩充样本点数据,建立双体船运动响应及功率近似模型;利用多岛遗传算法搜索最优船型。结果表明,优化后的船型可使火箭弯矩减小3.86%,从而为双体火箭发射船的设计及相关船型研究提供参考。     

基于近似模型的海上发射船船型优化

基于耐径向基函数神经网络模型(RBF),以火箭承受弯矩为单目标优化函数,对双体发射船船型参数进行优化研究。选定对船型参数CB和L/B作为优化变量,利用Lackenby方法,对船型参数化建模,应用最优拉丁超立方方法(LHD)选取样本点,采用二次插值方法扩充样本点数据,建立双体船运动响应及阻力近似模型,利用多岛遗传算法(MIGA)搜索最优船型。结果表明优化后船型的火箭弯矩减小3.86%,从而为双体火箭发射船的设计及相关船型研究提供参考。     

基于GA-灰色BP神经网络船舶备件需求预测模型

船舶维修备件的及时保障是船舶设备正常生产作业的保证，备件需求量的准确预测对于航运公司降低运营成本、提高管理效率起着至关重要的作用。文章从某船设备维修备件的历史数据进行分析，构建一种基于灰色模型的多层前馈（BP）神经网络模型，并采用遗传算法（GA）进行优化。首先对船舶设备备件需求影响因素进行分析，通过灰色模型确定备件需求的关键指标，并将结果作为BP神经网络的输入层，从而输出需求预测值。与灰色模型、GA-BP模型预测值对比发现，基于GA-灰色BP神经网络组合模型对于船舶备件的需求预测精度误差仅为0.147%。结果表明，使用GA优化可以提高灰色BP神经网络的预测精度，为船舶维修备件需求预测提供了一种新思路。     

海上风电场运维船配备优化方法

海上风电场运维船配备优化是以运维船类型和数量为目标的多目标优化问题。设置近远海风电场和海上风电故障类型两个判别参数，将多目标数学模型简化为包含两个函数变量的单目标模型。海上风电场每月运维工作量函数变量采用反向传播(Back Propagation, BP)神经网络方法求解，而作业窗口期函数变量采用建立海上风电场运维船作业窗口期4维图谱的方式完成取值，完成海上风电场运维船配备优化数学模型的运算流程。海上风电场运维船配备优化可提升海上风电场运维管理系统的智能化程度。     

海上火箭热发射过程中发射平台耦合运动响应分析

在海上火箭热发射工况下,以海上发射平台作为主要研究对象,基于Realizable k-ε湍流模型以及三维势流理论,进行火箭尾流冲击载荷以及风、浪、流联合作用下的平台时域运动响应研究。对比分析了2种海况下海上发射期间发射平台的垂荡、横摇、纵摇以及艏摇4个方向的运动,通过分析计算,海况一比海况二更有利于火箭和海上发射平台的双向安全且应避免发射平台横浪时进行海上热发射。此外,提出了1种海上发射工况下尾流冲击的简易计算方法并得到了单拉瓦尔管燃气尾流冲击的压强时历曲线,为后续发射平台的结构性能以及运动性能研究奠定了理论和工程基础。     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于自适应变异PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法(self-adapting particle swarm optimization algorithm,SAPSO),将该算法与误差反传(back propagation,BP)神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船"育鲲"轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于正交设计与 BP -GA 算法的船体结构耐撞性能优化设计

船体结构耐撞性优化设计的主要目的是在船舶碰撞研究的基础上对结构进行优化设计,提高船体结构的耐撞性能。基于正交试验设计、BP神经网络和遗传算法,形成了船体结构耐撞性能优化设计方法。提出了一种耐撞性综合指标,并以此指标作为优化的目标函数,以结构质量为约束条件,利用MSC/Dytran有限元软件对船舶碰撞进行数值仿真,完成对某船舷侧结构进行耐撞性优化设计,结果表明优化过后结构耐撞性能有较大提高,这为结构耐撞性能优化设计提供了一种新的思路和方法。     

30000m~3 LNG船线型设计与优化

以30 000 m~3 LNG船线型设计为背景,研究了2种推进型式,为该类采用吊舱式推进器船型的线型设计积累了经验。使用FRAMEWORK软件和SHIPFLOW软件对由母型船初始变换过来的单桨和双吊舱线型进行阻力方面的优化,并最后进行了船模试验验证,试验结果显示优化后的线型性能指标优良。     

基于多周期目标的海上救助船配置优化

为提高海上救助水平和效率,考虑事故的时变性和救助船的不可用等因素对海上救助船进行动态配置,以救助站点覆盖事故数量最大化和救助船动态调度成本最小化为目标,建立多周期多目标的多重覆盖模型,并设计多目标蚁群算法进行优化求解。多周期救助船配置方案经实例验证,证明了模型和算法的有效性,为我国海上救助船的配置提供新的思路。     

基于多周期目标的海上救助船配置优化

为提高海上救助水平和效率,考虑事故的时变性和救助船的不可用等因素对海上救助船进行动态配置,以救助站点覆盖事故数量最大化和救助船动态调度成本最小化为目标,建立多周期多目标的多重覆盖模型,并设计多目标蚁群算法进行优化求解。多周期救助船配置方案经实例验证,证明了模型和算法的有效性,为我国海上救助船的配置提供新的思路。     

62000 DWT多用途船的船型优化

在母型船的基础上对一艘62 000 DWT多用途船进行船型优化,以使其在设计吃水和结构吃水状态下获得更加优良的性能。分析母型船的船身压力和兴波,对压力梯度变化较大的区域变化船体局部几何形状;对艏部的进流角度和艉部的去流段长度进行优化,以降低兴波阻力和减小船艉的流动分离。使用Star ccm+对最终的优化线型进行计算,并与母型船的结果对比,结果表明,优化船型与母型船相比,在设计吃水和结构吃水的阻力下降明显,船身表面压力梯度分布和螺旋桨盘面处的伴流分布更为均匀,达到了优化目的。结构吃水状态下的模型试验表明,阻力数值计算结果准确。线型优化使得船型具有更优良的性能,达到能效指数的要求,满足节能减排的目标。     

基于改进的神经网络的船舶碰撞危险度的模型

针对船舶碰撞危险度具有模糊性、不确定性等特点,依据模糊理论方法建立的船舶碰撞危险度的数学模型,直接采用来船航速、来船航向、来船对本船的相对舷角和来船对本船距离作为神经网络的输入,采用Levenberg-Mrquardt优化算法这种改进的BP神经网络进行训练和仿真,并与标准BP算法和动量BP算法进行比较,发现经过改进的网络求得碰撞危险度比标准BP算法和动量BP算法具有更好的效果,网络能够更有效收敛,大大提高了网络的收敛速度和泛化能力。     

神经网络在船舶主柴油机建模中的应用

该文研究用BP神经网络建立船舶主柴油机模型的方法,并对BP算法进行了改进,提出了一种动态优化学习率的方法,对6L80MC柴油机实际数据用BP网络进行计算的结果表明,该算法能有效地建立船舶主柴油机模型。该模型已成功用于船舶主机遥控仿真系统中。     

降低总纵弯矩的散货船分舱优化设计技术研究

梳理了降低总纵弯矩的散货船分舱优化流程。以中船重工船舶设计研究中心有限公司开发设计、山海关船舶重工有限责任公司建造的93 000 DWT散货船作为母型船,进行目标船货舱区分舱方案设计,通过参数化建模,快速建立22种分舱方案。针对每种分舱方案,合理的确定空船重量分布,根据规范要求和船东需求,确定典型装载工况。输出每个载况完整状态和单个货舱破损状态的弯矩剪力信息,统计和比较每种分舱方案的弯矩剪力极值,综合考虑其他性能指标,选定最优方案。通过中垂弯矩的有效控制,避免了弯矩剪力增加引起相关构件尺寸的增大,造成空船重量不必要的额外增加,为适当削减部分构件的尺寸提供条件,为降低空船重量奠定基础。     

基于黏流的三体船片体布局优化

三体船片体布置对全船阻力和耐波性有重要影响。论文以一艘三体船为研究对象,采用基于黏流的naoe-FOAM-SJTU求解器预报母型船在Fr=0.18,波长-船长比为1.1时迎浪规则波中的纵摇和垂荡运动。利用船型优化软件OPTShip-SJTU,通过改变片体布置对该船的耐波性开展优化设计。为了减小计算工作量,依据优化拉丁方试验设计,批量评估水动力性能并建立克里金近似模型。通过多目标遗传算法得到优化船型,并对其进行CFD验证,以确保优化结论的可靠性。研究结果表明,合理地设计三体船主体和片体的间距可减轻它们间的兴波干扰并改善其耐波性能。     

绞吸式挖泥船疏浚作业仿真训练器的研制

绞吸式挖泥船疏浚作业仿真训练器以国产“1750m^3/h绞吸式挖泥船”为仿真母型船，设计，制造出与母型船架驶室内相似的操纵盘台，并采用多种先进的建模技术，建立起系统工作模型，使其能模拟实船的运行工况，有助于受训练者疏浚作业的原理及作业方法，学会对疏浚施工进行优化。     

基于改进卷积神经网络的船舶目标检测

为提高无人船研究中的船舶辨识速度和精度,弥补海上船舶目标检测中船载自动识别系统(Automatic Identification System,AIS)和雷达图像的不足,提出一种基于改进卷积神经网络的船舶目标检测模型。设计多策略的卷积神经网络模型,利用船舶图像数据进行训练和测试,并将测试结果与基于区域提名和基于回归方法的卷积神经网络模型结果相对比。试验结果表明,改进的卷积神经网络模型的船舶检测准确率高于另外2种模型。     

基于改进PSO-BP神经网络的船舶交通流预测分析

为了进一步提高船舶交通流的预报精确度,文章建立了一种自适应变异的粒子群优化算法SAPSO,将BP神经网络模型与SAPSO算法相结合,进行船舶海上交通流分析预测。此外,文章采用灰色关联分析法GCA确定交通流预测模型的输入维数。SAPSO-BP预测模型运用自适应变异的PSO算法优化传统BP神经网络的模型参数,克服了传统BP神经网络的对模型的初始权值阈值敏感和易陷入局部最优的缺点,进而提高模型的预报精度。选用天津港口区域的船舶AIS实验数据,验证了预测模型的有效性。