遗传神经网络算法在船舶碰撞危险度确定中的应用

为提高船舶航行安全性,首先建立船舶碰撞危险度评估模型,并结合神经网络算法对特定的水域进行危险度模型拟合,获得较为准确的船舶碰撞危险度模型。基于Matlab软件对建立的模型进行编程计算。本文建立的船舶碰撞危险度模型经过50次误差训练后达到了较高的拟合精度,获得较好的效果,可为提高船舶航行安全性提供参考。     

代理模型技术及其在船舶板架强度和稳定性计算中的应用

对比分析了Kriging、径向基函数、多项式响应面三种代理模型在不同样本点比例和不同样本点空间分布下对4类典型数学函数的拟合精度和推广能力。研究结果表明,Kriging模型对典型数学函数具有较好的适用性和推广能力,径向基函数次之,多项式响应面的适应能力不足。在此基础上,基于Kriging方法构造了船舶双层底板架强度和稳定性计算代理模型,讨论了低样本点比例下Kriging模型代替有限元计算分析的适用性以及不同样本点空间分布对代理模型近似误差的影响。计算结果表明,在低样本点比例下一个均匀齐整的样本点空间分布更利于保证代理模型的精度。在所选取的样本点比例下Kriging模型对船舶板架强度和稳定性计算的适用性较好,近似误差满足工程精度要求。     

大型结构系统可靠性分析方法研究

结构系统的可靠性评估是结构设计的一个重要研究内容,而极限状态函数的建立是进行可靠性评估的基础.但是,大型结构系统的极限状态函数极为复杂,响应面法用简单的多项式进行模拟的精度较低,导致误差较大.文章提出用神经网络替代多项式来拟合复杂的极限状态函数,形成所谓的神经网络响应面.然后,基于塑性极限理论,文中提出了不依赖于失效模式的极限状态函数表达形式及采用ICP对该极限状态函数进行计算的方法.最后,依照拟合得到的神经网络响应面,给出了大型结构系统失效概率的方法.通过两个算例计算并和其它方法进行比较,表明该方法的计算精度较高,而计算时间大大降低.     

天津滨海软黏土蠕变特性及其经验模型研究

在室内三轴蠕变试验的基础上,分析了天津滨海地区重塑饱和软黏土的非线性蠕变特性。蠕变试验采用分级加载的方式进行,利用"陈氏法"对实测数据进行处理,得到饱和软黏土在不同应力状态下的蠕变试验曲线。在此基础上,依据黏土的应力-应变、应变-时间关系,分别用Singh-Mitchell和Mesri经验模型拟合试验数据。总结拟合结果,结合滨海软黏土的蠕变特性,提出一种分段拟合的Mesri模型,在蠕变前期,模型的应力-应变关系采用双曲线函数,应变-时间关系采用幂函数;在蠕变后期,模型的应力-应变关系采用双曲线函数,应变-时间关系采用双曲线函数,以两条拟合曲线的交点作为分段拟合的分界点。对比分析表明,该方法能更好地描述具有衰减稳定特性的蠕变曲线。选取天津滨海地区原状土蠕变试验数据对该模型进行验证,拟合结果较好,由此建立了适用于具有衰减稳定蠕变特性的滨海软黏土非线性蠕变模型。     

基于BP神经网络算法及推导的研究

介绍BP神经网络算法原理,就算法推导过程做出重点分析,给出构造BP网络模型的一般步骤以及该算法在曲线曲面函数逼近中的应用实例.实验表明,BP神经网络在曲线曲面函数中具有很好的逼近能力,训练后的模型具有较高的精度.     

基于L-M算法的BP神经网络预测艉轴管圆柱度误差

为优化艉轴管镗孔的镗削工艺,研究镗削用量和加工过程中各影响因素对艉轴管尺寸误差的影响,采用基于L-M算法的BP神经网络对影响艉轴管镗孔的各因素进行分析,得到艉轴管镗孔误差与各因素之间的非线性关系.建立多输入单输出的BP神经网络模型,并应用镗孔的实际数据对其进行训练.采用正交试验法得到相应的加工数据,对预测模型的有效性进行验证,结果表明,采用基于L-M算法的BP神经网络建立的艉轴管镗孔误差预测模型,能对艉轴管的镗孔误差进行较为准确的预测.     

船舶柴油机NOx排放特性神经网络预测中的试验设计

研究船舶柴油机NOx排放特性神经网络预测中的学习样本选取试验设计方法。根据用于主机的船舶柴油机可能持续运行范围的工况变化特点,提出采用功率因素变边界的均匀设计法进行试验设计选取样本,并验证了其可行性。研究结果表明,变边界均匀设计法选取的样本用于神经网络训练,预测精度明显高于随机样本选取法。4位级变边界均匀设计法选取的样本训练得到的神经网络模型,NOx排放浓度预测误差小于3.8%,NOx比排放预测误差小4.5%。     

最小二乘法分段在船舶航迹拟合研究中的应用

利用GPS获取到信息的船舶经纬度数据分段进行拟合,利用最小二乘法对分成3段的曲线进行船舶航行路线的拟合,建立拟合模型。通过矩阵运算将拟合函数转换为二次规划,最后通过实验仿真进行模型有效性验证。仿真结果表明,本文所采用的算法提高了航迹模拟的精准性,从而能够减小航程计算的误差。     

基于混沌神经网络的多目标跟踪技术研究

本文应用混沌神经网络求解多目标跟踪中的数据关联问题,给出了混沌神经网络的模型,构造了数据关联的能量函数表达式,在数据关联过程中,采用退火算法。仿真结果表明,应用混沌神经网络求解数据关联比Hop fie ld网络具有更块的收敛速度和更小的关联误差。     

一种多学科设计优化近似模型构建方法

通过采用单个参数控制样本的误差界限、采用Laplace损失函数和改变置信区间项,给出了一种基于单参数的Lagrangian支持向量回归算法。以实际数值函数为例,通过采用三组不同样本集进行拟合训练,构建了基于支持向量机的近似模型;以石油平台支援船总阻力估算为例,通过与模型试验及其他典型方法的对比,检验了算法用于近似模型构建的准确性和适用性。研究结果表明,采用支持向量机方法构建近似模型在小样本条件下比神经网络等传统方法具有更好的泛化性和推广能力,能够有效提高计算精度与优化效率,在复杂系统多学科优化设计中具有很大的应用价值。     

聚类分析在船舶碰撞中的应用分析

为避免船舶发生碰撞,提高船舶航行安全性,本文首先建立船舶碰撞模型。基于有限样本点,采用神经网络算法对其进行聚类分析,使得样本拟合误差收敛,具有较高的稳定性,并且收敛精度较高,可为工程实践提供参考。     

基于零空间的船舶自主靠泊自抗扰控制分配

[目的]针对船舶自主靠泊过程中遇到的环境载荷、岸壁效应、模型不确定以及控制分配误差等多源干扰的影响,提出一种基于零空间的自抗扰控制（ADRC）分配方法。[方法]首先,建立船舶靠泊运动数学模型、多源干扰模型和控制分配模型,并据此设计神经网络扩张状态观测器（NNESO）实时估计船舶运动及其所受到的多源干扰;然后,引入零空间技术设计控制分配算法,并基于该方法实现先泊位外镇定再平行靠泊方案;最后,证明船舶自主靠泊系统在所提方法下所有误差信号一致最终有界,保证船舶自主靠泊过程的安全性。[结果]仿真对比结果表明,所提方法在轨迹跟踪效果与二次规划（QP）法近似的情况下,求解所需时间为其1.3%,艏向最大分配误差为伪逆法（PI）的36.51%。[结论]所提方法在满足靠泊运动控制精度的同时,求解所需时间明显缩短,最大分配误差显著降低,保证了控制分配的实时性与精确性。     

船舶动力定位中的控制分配技术研究现状与展望

介绍了目前国内外关于船舶动力定位技术中,控制分配算法研究的进展情况。根据分配模型的特点,分为线性控制分配和非线性控制分配两大类。其中线性分配算法包括解线性方程组、伪逆法、约束线性优化法和误差最优的线性二次规划法,非线性分配算法包括序列二次规划法、动态寻优法和智能分配算法。文中简要介绍和分析以上各种方法的优缺点并进行比较,最后对船舶控制分配的一些关键性问题进行总结。     

CAUKF算法在船载导航目标跟踪中的应用

为定量分析内河船舶导航系统的跟踪性能,建立基于GPS/DR组合信息的船载导航系统非线性模型,以该模型作为系统模型,采用附有航向约束参考条件的自适应无迹变换卡尔曼滤波算法,推导得出非线性导航滤波器的滤波方程。按照船载目标的实际非线性模型进行演化时,采用此算法能够较好地实现非线性函数后验信息与估计误差的拟合。仿真结果表明,此算法比以往扩展卡尔曼滤波类算法在减少运算量和提高跟踪效果方面改善明显,具有良好的实用性。     

舰载捷联惯导姿态更新算法研究

针对舰艇、轮船等经常处于低频圆锥运动、角机动等恶劣工作环境,传统姿态更新的误差补偿方法在多子样更新中补偿效果较差的问题,提出了一种改进方法。通过建立角增量的2N-2阶近似模型并利用其各阶导数之间的解析关系,实现了对等效旋转矢量的进一步修正。使用参数解析法与改进算法分别推导研究了四子样情况下的优化结果,并分析研究了改进算法在四子样以上情况下的适用性。研究表明,与参数解析法相比,改进算法可以在四子样及四子样以上的情况下简单直观地得到更加精准的优化系数,且与四子样参数解析法相比,其误差缩小了2个数量级,同时也比五子样参数解析法更精确。     

船舶避碰系统感知层关键数据查询算法

针对当前使用的基于遍历算法、遗传算法受到感知层冗余数据影响,导致查询结果不精准。针对该问题,在船舶避碰系统下,使用感知层关键数据查询算法。构建关键数据聚类目标函数,结合模糊聚类分析技术处理感知层关键数据,缩短查询时间。利用查询树算法解析数据,并通过建立识别子标签,分配关键数据,由此设计关键数据查询流程。通过实验对比结果可知,该算法查询的对地航向信息、对地航速、航迹向和航行状态与实际信息一致,误差为0,具有精准查询结果。     

基于固定网格小波神经网络的不规则波中船舶横摇运动在线预报（英文）

船舶横摇运动预报对于船舶安全与作业非常重要。本文应用固定网格小波神经网络在线预报不规则波中的船舶横摇运动。该固定网格小波神经网络由离散的小波激活函数组成,其结构和参数可以基于滑动数据窗在线调整;在每一个滑动数据窗,误差下降比判据被用来从小波函数库中选择重要的小波函数项来构建小波神经网络模型,直到该模型可以较好地表达所研究的非线性系统,获得的模型一般比较简洁。预报结果表明,仅仅几个小波函数项就可以很好地捕捉到不规则波中船舶横摇运动的非线性动力学内在特性,这不仅展示了小波函数很强的非线性表达能力,也证实了所采用的建模方法对于预报船舶在不规则波中的横摇运动的有效性。     

基于深度置信神经网络的半潜式平台浮体运动模型和响应预测研究

半潜式平台承受着风、浪、流等复杂环境荷载的耦合作用,在工作海况下平台的浮体运动多为波频小幅运动.在极端海况下平台产生大幅运动对结构的安全带来威胁.本文基于深度学习理论,开展了半潜式平台运动响应预测及分布规律的研究.首先,按照10 min为时间间隔对环境监测信息进行划分,对风速、波浪压力等环境监测信息的分布规律进行研究并选取合适的分布拟合参数,结合分形学理论及统计分析的方法,提出了实测风速、波浪压力等数据的特征参数,并结合浪高、周期、流速、流向等实测数据,建立了具有降维特征的环境信息输入参数;其次,基于实测响应数据,以横摇为例,以10 min为时间间隔对其监测信息进行划分并对其分布规律进行研究,并选取合适的响应分布拟合参数作为响应的特征参数;接着,利用北斗远程传输系统传输的监测数据,基于深度置信神经网络(Deep Belief Network,DBN)建立极端海况下实测环境荷载与实测响应的关系模型,并与基于BP、Elman神经网络的关系模型预测结果进行对比,可以看出,基于DBN神经网络的关系模型预测误差仅为5.07％,结果较为准确;最后,基于DBN神经网络建立了荷载特征参数与响应分布拟合特征参数的关系模型,并与基于DNN、BP神经网络的关系模型预测结果进行对比.研究发现,基于DBN神经网络的预测模型结果更为准确,更接近于真实响应的分布规律,可以对工作海况下平台安全作业提供一定的指导.     

基于二维高斯样条函数的水下地磁被动定位

目前利用水下地磁信息对惯导误差进行校正多以各类匹配算法为核心,对此论文提出一种基于二维高斯样条函数的水下地磁被动定位新模式。文章首先介绍了一种利用二维高斯样条函数逼近的连续局部地磁场模型,随后在该模型的基础上将实测地磁表示为连续的解析形式,最后以实测地磁作为包含目标位置信息的量测值,并结合扩展卡尔曼滤波算法对目标位置进行最优估计。这种方法无需使用常用的匹配算法,因而也就摆脱了匹配算法的诸多限制。以分辨率为2′×2′的某区域地磁异常数据为背景场进行仿真,最终的仿真结果表明：经高斯样条函数逼近的局部地磁场模型平均误差小于0．26nT ,水下平均经、纬定位误差分别小于0．96和0．33海里。     

基于二维高斯样条函数的水下重力被动定位

目前利用水下地理信息对惯导误差进行校正多以各类匹配算法为核心,对此论文提出一种基于二维高斯样条函数的水下重力被动定位新模式.文章首先介绍了一种利用二维高斯样条函数逼近的连续局部重力场模型,随后在该模型的基础上将实测重力表示为连续的解析形式,最后以实测重力作为包含目标位置信息的量测值,并结合扩展卡尔曼滤波算法对目标位置进行最优估计.这种方法无需使用常用的匹配算法,因而也就摆脱了匹配算法的诸多限制.以分辨率为2＆#39;＆#215;2＆#39;的某区域重力异常数据为背景场进行仿真,最终的仿真结果表明：经高斯样条函数逼近的局部重力场模型平均误差小于0.19mGal,水下平均经、纬定位误差分别小于0.59和0.74海里.