共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
基于改进粒子群算法的舰船电力系统无功优化 总被引:6,自引:6,他引:0
《舰船科学技术》2014,(12):47-51
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。 相似文献
4.
分析舰船电力通信网络安全智能预警效果具有重要意义,针对当前舰船电力通信网络安全智能预警系统存在的误差大,精度低的缺陷,设计了基于光传感技术的舰船电力通信网络安全智能预警系统。首先分析舰船电力通信网络安全智能预警系统的研究现状,并指出各种系统缺陷,然后采用光传感器采集舰船电力通信网络安全状态信息,并根据状态信息的小波信息熵识别舰船电力通信网络安全状态,根据网络安全状态识别结果设计相应预警保护措施,采用仿真实验分析了智能预警系统的性能,结果表明,本文系统的舰船电力通信网络安全状态识别精度高,加快了舰船电力通信网络安全识别速度,可以快速实现舰船电力通信网络安全预警,具有重要的实际价值。 相似文献
5.
6.
7.
为了提高对舰船三维路径规划和协同调度能力,提出基于改进粒子群优化算法的舰船三维路径规划方法。采用视点模型跟踪方法实现对舰船三维路径移动任务规划设计,获得舰船的方位信息编队任务分布特征量。通过改进粒子群仿生算分获取虚拟刚体状态约束特征值,结合方位信息编队移动分布情况,实现对目标舰船编队的形成、保持与跟踪识别。通过对舰船目标三维参数估计结果,实现对舰船的路径规划。仿真结果表明,采用该方法进行舰船三维路径规划的空间规划能力和参数能力较好,能准确估计舰船位置和空间方位信息。 相似文献
8.
《舰船科学技术》2021,(6)
在应用现有方法时,由于任务执行与任务调度性能存在问题,因此在舰船网络云资源调度方法的设计中应用蚁群算法,提出一种基于蚁群算法的舰船网络云资源调度方法。在基于蚁群算法对舰船网络云资源调度方法进行设计的过程中,首先需要对舰船网络云资源实施初始化处理。每只蚂蚁都携带着基本任务信息,在此基础上对各资源可能被选的概率进行计算。根据蚁群算法对舰船网络云资源调度模型进行构建,模型由云资源代理模块、云资源目录模块、用户模块、用户代理模块构成。通过进行任务执行时间与调度任务总效用的对比实验,证明该方法的任务执行时间更短、调度任务总效用更高,实现了任务执行与任务调度性能的提升。 相似文献
9.
10.
11.
12.
《舰船科学技术》2019,(24)
当前舰船图像自动分割方法存在"过分割"或者"欠分割"现象,使得舰船图像自动分割误差大。为了提高舰船图像自动分割精度,提出了基于深度卷积网络的舰船图像自动分割方法。对当前舰船图像自动分割的研究现状进行分析,找到引起舰船图像分割误差的原因。采用活动轮廓模型对舰船图像进行粗分割,并找到其中的舰船图像错误分割区域。最后,采用深度卷积网络对舰船图像的错误分割结果进行校正,实现舰船图像进行精细分割,并与活动轮廓模型的舰船图像自动分割方法进行了对比实验。结果表明,相对于活动轮廓模型,深度卷积网络的舰船图像分割精度更高,降低了舰船图像的误分割率,验证了本文舰船图像自动分割方法的优越性。 相似文献
13.
为了解决海上通信环境中的干扰和传输问题,提升舰船通信网络通信质量和可靠性,提出基于Kmeans聚类的舰船通信网络异常数据检测方法。构建舰船通信网络通信多径信道模型,利用该模型获取舰船通信网络数据。使用基于超窄带滤波的舰船通信网络数据滤波处理方法去除舰船通信网络数据内的干扰噪声,将无噪声的舰船通信网络数据作为输入,使用K-means聚类算法输出舰船通信网络异常数据检测结果。结果表明,该方法采集舰船通信网络数据较为准确,并可有效去除数据内含有的干扰噪声,降低舰船通信网络数据幅值区间,同时可用聚类方式准确检测舰船通信网络异常数据,应用效果较为显著。 相似文献
14.
15.
路径规划对舰船应急物流配送具有十分重要的意义,当前蚁群优化算法存在初始信息素少,无法得到最优的舰船应急物流路径规划的缺陷。为了高效、准确对舰船应急物流路径规划问题进行求解,提出了基于双层蚁群优化算法的舰船应急物流路径规划方法。首先分析当前舰船应急物流路径规划研究现状,并建立舰船应急物流路径规划模型,然后采用粒子群算法快速找到舰船应急物流路径可行解集合,将其作为蚂蚁的初始信息,最后根据初始信息对舰船应急物流最优路径进行搜索,并进行了舰船应急物流路径规划仿真测试。双层蚁群优优化算法可以对舰船应急物流路径规划问题进行精准求解,克服了当前舰船应急物流路径规划方法的缺陷,而且舰船应急物流路径规划问题求解效率更高。 相似文献
16.
入侵行为检测是保证舰船网络安全的核心技术,当前入侵行为检测与识别存在检测误差大,识别准确性差等严重不足,为此设计基于核主成分分析和聚类分析算法的舰船网络入侵行为的检测与识别方法。首先对舰船网络入侵行为的检测的原理进行分析,并收集大量的舰船网络入侵行为检测特征。然后采用核主成分分析对舰船网络入侵行为检测特征进行选择,并通过聚类分析算法建立训练样本。最后建立舰船网络入侵行为检测与识别模型。利用标准舰船网络入侵数据集的仿真测试结果表明,本文方法不仅可以大幅度减少舰船网络入侵行为特征数量,降低舰船网络入侵行为检测的复杂度,舰船网络入侵行为检测的实时性增强,而且能够获得更高正确率的舰船网络入侵行为检测结果。 相似文献
17.
18.
《舰船科学技术》2019,(24)
当前舰船网络具有规模大、复杂多变的特点,网络入侵行为种类繁多,传统舰船网络入侵行为分类模型无法满足实际应用的需求。为了更好地保证舰船网络通信安全,对各种舰船网络行为准确分类,设计云计算的舰船网络入侵行为分类模型。构建云计算的舰船网络入侵行为分类模型的框架,引入云计算中的MapReduce技术实现舰船网络入侵行为并行分类,并采用BP神经网络实现单个节点的舰船网络入侵行为分类过程。最后,采用Hadoop搭建舰船网络入侵行为分类平台,并进行舰船网络入侵行为分类实例分析。结果表明,本文模型在保证高正确率舰船网络入侵行为分类结果的基础上,加快了舰船网络入侵行为分类速度,为大规模舰船网络入侵行为研究奠定了一定的技术基础。 相似文献