基于数据挖掘技术的船舶物流成本分析和估计

船舶物流成本与多种因素有关,具有十分大的波动性。当前船舶物流成本分析和估计方法由于没有考虑船舶物流成本波动性,难以描述船舶物流成本的变化趋势。为了提高船舶物流成本分析和估计的准确性,提出基于数据挖掘技术的船舶物流成本分析和估计方法。首先分析船舶物流成本分析和估计的研究进展,建立船舶物流成本分析和估计的数学模型,然后引入数据挖掘技术对数学模型进行求解,拟合船舶物流成本变化趋势,最后与经典船舶物流成本分析和估计方法进行实验测试。结果表明,数据挖掘技术的船舶物流成本分析和估计精度超过92%,而经典方法的船舶物流成本分析和估计均低于90%,且数据挖掘技术的船舶物流成本分析和估计效率更高,验证了本文船舶物流成本分析和估计方法的优势。     

船舶水上纵向运动的非线性数学模型构建

为了解决当前船舶水上纵向运动预测精度的问题,设计了一种船舶水上纵向运动的非线性数学模型构建方法。首先分析了当前船舶水上纵向运动的线性数学模型的缺陷,然后引入非线性建模方法—神经网络对船舶水上纵向运动变化特点进行拟合,建立船舶水上纵向运动的非线性预测模型,最后与线性船舶水上纵向运动建模方法进行仿真对比实验。结果表明,本文方法的船舶水上纵向运动预测精度高,船舶水上纵向运动预测误差要小于线性船舶水上纵向运动建模方法,验证了本文非线性船舶水上纵向运动建模方法的有效性以及优越性。     

船舶航向自动控制的蚁群优化算法

针对当前船舶航向自动控制算法存在的局限性,为了提高船舶航向自动控制的精度,提出船舶航向自动控制的蚁群优化算法。首先对船舶航向自动控制的工作原理进行分析,建立船舶航向自动控制的数学模型,然后采用蚁群算法模拟蚂蚁搜索食物机制对船舶航向自动控制的数学模型进行优化,最后进行船舶航向自动控制的仿真模拟实验。结果表明,本文方法提高了船舶航向自动控制精度,工作十分稳定,而且船舶航向自动控制的超调量小于当前其它船舶航向自动控制算法。     

船舶电力系统低功耗电子电路故障智能获取研究

低功耗电子电路是船舶电力系统的主要组成部分,也是最易出现故障的部分,针对当前船舶电力系统低功耗电子电路故障获取方法存在的不足,为了提高船舶电力系统低功耗电子电路故障获取精度,设计了基于数据挖掘的船舶电力系统低功耗电子电路故障获取方法。首先分析当前船舶电力系统低功耗电子电路故障获取研究存在的问题,指出当前获取方法存在的局限性,然后提取船舶电力系统低功耗电子电路故障特征,采用数据挖掘技术构建船舶电力系统低功耗电子电路故障获取模型,最后进行了船舶电力系统低功耗电子电路故障获取仿真实验,实验结果表明,本文方法的船舶电力系统低功耗电子电路故障获取平均精度超过95%,远远高于对比方法的船舶电力系统低功耗电子电路故障获取精度,降低了船舶电力系统低功耗电子电路故障获取错误。     

大规模船舶通信网络数据量估计数学模型构建与仿真分析

针对原有船舶通信网络数据量估计的数学模型对网络数据量展开预估时,网络节点定位估算能力较差的问题,设计大规模船舶通信网络数据量估计的数学模型构建。根据设定的数学模型构建流程,采用MLCEC算法提升网络节点的预估精度,获取通信网络节点估算值。而后,在估算的节点位置设定传感器获取单一节点数据收发量,设定计算过程,对通信网络中节点数据收发量展开统计,得出船舶通信网络数据量预估值。至此,大规模船舶通信网络数据量估计的数学模型构建完成。设计仿真分析环节,通过与原有数据模型相比,此数学模型对通信网络中节点位置的定位与估算精度较高。综上可知,大规模船舶通信网络数据量估计的数学模型估算效果优于原有模型。     

基于神经网络的船舶物流配送成本预测

高精度的船舶物流配送成本预测可以节省成本,提高船舶物流配送企业的利润,因此具有重要的研究意义。为了获得更高精度的船舶物流配送成本预测结果,提出神经网络的船舶物流配送成本预测方法。首先采集船舶物流配送成本历史数据,通过变换技术建立船舶物流配送成本预测的学习样本,然后引入BP神经网络对船舶物流配送成本学习样本进行训练,拟合船舶物流配送成本的变化特点,从而实现船舶物流配送成本预测,最后与当前经典船舶物流配送成本预测方法进行优越性测试。结果表明,BP神经网络的船舶物流配送成本不仅预测精度平均高于对比方法 5%以上,而且船舶物流配送成本预测稳定性更优,预测结果可以为船舶物流配送企业提供有用的信息。     

大数据背景下船舶现代物流配送系统的设计与实现

现代物流管理系统可以帮助企业及时了解船舶物流相关信息,是物流配送最为关键的一个环节。当前物流配送系统没有考虑现代船舶物流量大、实时性要求高等特点,使得船舶物流配送效率低、配送成本高。为了减少船舶物流配送时间,缩短船舶物流配送距离,提出一种大数据背景下的船舶现代物流配送系统。首先对船舶现代物流配送系统的总体功能进行分析,并重点对船舶现代物流配送路径问题进行研究,然后采用粒子群算法对船舶现代物流配送路径进行求解,从而实现船舶现代物流配送系统设计,最后对船舶现代物流配送系统性能进行了测试。本文系统解决了当前船舶现代物流配送系统存在的缺陷,提高了搜索最优船舶现代物流配送路径的效率,减少了船舶现代物流配送时间和距离,有利于提高船舶物流配送企业的经济效益。     

船舶航向非线性控制的数学模型与分析

传统的船舶航向控制模型存在着航向控制精确度的缺陷,为此提出船舶航向非线性控制数学模型研究与分析。建立船舶航向分析坐标系对船舶航向参数进行确定,根据确定的参数建立船舶航向非线性运动数学模型,以上述模型为基础采用粒子群算法对船舶航向非线性控制程序进行编写与执行,实现了船舶航向非线性控制数学模型的建立。通过实验得到,建立的船舶航向非线性控制数学模型航向控制精确度比传统模型高出30.8%,说明建立的船舶航向非线性控制数学模型具备极高的有效性。     

船舶通信网络非线性流量预测的数学建模分析

为了提高船舶通信网络非线性流量预测的精度,设计一个船舶通信网络非线性流量预测数学模型。首先对船舶通信网络数据采集,然后对采集的数据进行预处理,最后应用神经网络算法建立船舶通信网络非线性流量预测模型,以此完成了船舶通信网络非线性流量预测。实验对比结果表明,此次研究的船舶通信网络非线性流量预测数学模型有效提高了流量预测的精准度,并减少了船舶通信网络非线性流量预测时间,具备一定的实际应用意义。     

蚁群优化PID的船舶逆变器控制

船舶逆变器是一种具有强耦合的非线性系统,为了提高船舶逆变器的控制精度,设计了基于蚁群优化PID的船舶逆变器控制方法,首先对当前船舶逆变器控制的研究现状进行分析,找出当前控制方法存在的缺陷,然后建立船舶逆变器的PID控制器数学模型,并采用蚁群算法对PID控制器的参数进行在线整定和优化,最后采用仿真测试对蚁群优化PID的船舶逆变器控制方法进行验证性分析,本文方法获得十分理想的船舶逆变器控制结果,尤其在受到外界干扰时,其船舶逆变器控制优越性更加明显。     

基于数据挖掘的船舶电力推进系统暂态特性研究

相对于传统船舶动力推进方式,船舶动力推进系统具有能耗小、性能好的优点,暂态特性直接影响船舶动力推进系统的工作性能,当前方法无法有效地分析船舶电力推进系统暂态特性,为此设计了基于数据挖掘的船舶电力推进系统暂态特性研究方法。首先对船舶电力推进系统暂态特性变化特点进行分析,建立船舶电力推进系统暂态特性的数学模型,然后通过数据挖掘方法对船舶电力推进系统暂态特性进行研究,分析扰动因素对船舶电力推进系统暂态特性的影响,最后通过仿真实验测试研究方法的有效性。结果表明,本文方法可以高精度船舶电力推进系统暂态特性,提高了船舶电力推进系统的可靠性和工作稳定性。     

大数据背景的船舶出航频率非线性估计

传统船舶出航频率非线性估计算法输出估计值与实际频率值之间误差较大,已经无法适应大数据背景下的估计应用。为了解决误差较大问题,提出大数据背景的船舶出航频率非线性估计方法。结合大数据计算特征,构建船舶出航参量进行出航流量的状态模型。通过模型输出相关频率变量特征,对频率估计误差展开分析计算。最后,根据分析系数值,对其进行估计内点差量的补偿计算,从而完成对非线性估计误差问题的优化。数据对比表明,提出的非线性估计输出值,相较传统评估输出值更为接近实际频率值。     

船舶事故发生频率估计的非线性数学模型研究

传统船舶事故发生频率估计模型对评估数据的维度过高,导致部分有效评估因素因维度限制,无法参与模型的评估,降低了模型评估输出结果的严谨性,无法适应事故发生频率评估的非线性特征。为了解决传统评估模型存在的不足,提出船舶事故发生频率估计的非线性数学模型研究。首先根据非线性特征对模型构建数据信息进行归一化整理,然后对归一化数据进行降维计算,重构模型参量定义。最后,按照重构参量维度,完成船舶事故发生频率估计模型的建立。为了验证建立模型的准确性,采用数据对比方法,利用实例数据调试,与传统模型进行对比,调试结果证明提出模型的评估准确率能够到达97.6%以上。     

基于多维关键数据挖掘的船舶航行路径控制算法

船舶航行路径受到航向、速度、发动机性能参数等关键数据的影响,对路径稳定性控制较为困难,为了提高船舶航行路径控制的稳定性,提出一种多维关键数据挖掘的船舶航行路径控制算法。构建船舶航行的运动学模型,采用轴加速度计、磁力计和三轴陀螺仪等测量设备进行船舶航行路径的多维参量采集,对采集的原始参量数据进行自适应融合处理,进行船舶航行路径控制参量的量化跟踪估计,采用多维关键数据挖掘方法获得船舶航行的最优的姿态角和最优路径解析参量,实现船舶航行路径优化控制。仿真结果表明,采用该方法进行船舶航行路径控制的稳定性和鲁棒性较好,对关键数据的估计精度较高,提高了船舶整体控制的稳健性。     

基于层次分析法的船舶维修风险量化评估方法

船舶维修风险与多种因素相关,因素的选择和权重确定十分关键,为了准确对船舶维修风险进行估计,设计了基于层次分析法的船舶维修风险量化评估方法。首先分析当前船舶维修风险评估的研究现状,指出当前船舶维修风险评估方法存在的不足,然后采用层次分析确定船舶维修风险因子和相应的权重,最后采用支持向量机建立船舶维修风险量化评估模型,并通过具体的船舶维修风险评估实验分析其性能。本文方法的船舶维修风险评估精度超过95%,远远高于船舶维修风险评估的实际应用要求,而且船舶维修风险评估结果要优于其它方法,实验结果验证了本文方法的有效性。     

基于灰色模型的港口船舶通航能力估计

港口船舶通航能力估计具有十分重要的研究意义,由于港口船舶通航能力与多种因素直接或者间接相关,使得港口船舶通航能力不仅具有固定的变化趋势,同时具有随机的变化趋势。为了更好地描述港口船舶通航能力的变化趋势,本文提出基于灰色模型的港口船舶通航能力估计方法。对国内当前港口船舶通航能力研究现状进行分析,找到不同港口船舶通航能力估计方法的局限性。收集港口船舶通航能力的相关数据,采用灰色模型从相关数据中发现港口船舶通航能力变化特点,建立港口船舶通航能力估计模型,并引入神经网络对港口船舶通航能力估计误差进行修正。最后,进行了港口船舶通航能力估计性能的仿真测试。结果表明,本文方法可以准确拟合港口船舶通航能力变化趋势,港口船舶通航能力估计精度达到90%以上,在相同条件下,估计效果要优于当前经典港口船舶通航能力估计方法,具有十分广泛的应用前景。     

无线传感器网络WSN在船舶动力定位系统中的应用

船舶动力定位系统是一种船舶位置与动力控制系统,能够根据海浪、海风等外界干扰条件,协调船舶的推进系统、导航系统,自动修正船舶的当前位置,保持船舶姿态和航向的稳定,确保船舶能够按照正确的航线行驶。船舶动力定位系统的关键在于正确估计船舶的当前位置,在这种情况下,传统使用的GPS、北斗等卫星定位系统精度较低,难以实现船舶灵活、快速、高精度的调整与控制动作。本文提出一种基于无线传感器网络WSN的船舶动力定位控制模型,利用传感器网络测量外界风力、风向,结合当前船舶的行驶航向,利用数学模型估计船舶的偏移量,进而进行智能的控制。通过仿真实验表明,相比于传统方法,本文提出的方法能够以较低的实现代价,实现较高的动力定位精度,具有较高的实用价值。     

船舶永磁同步电机直接转矩控制机制研究

直接转矩控制是船舶永磁同步电机调速系统的关键技术,船舶永磁同步电机调速系统具有非线性等变化,当前船舶永磁同步电机直接转矩控制存在控制不精确、转速超调量大等缺陷。为了提高船舶永磁同步电机直接转矩控制效果,设计了基于小波神经网络的船舶永磁同步电机直接转矩控制机制。首先分析当前船舶永磁同步电机直接转矩控制进展,建立船舶永磁同步电机直接转矩控制的数学模型,然后采用小波神经网络和PID相融合的船舶永磁同步电机直接转矩控制机制,最后采用Simulink软件建立船舶永磁同步电机直接转矩控制仿真平台。仿真测试结果表明,本文机制减少了船舶永磁同步电机直接转矩控制误差,船舶永磁同步电机转速超调量几乎为0,使船舶永磁同步电机调速系统具备更好的稳态性能,控制效果要明显优于其他船舶永磁同步电机直接转矩控制机制。     

支持向量机的船舶短期电力负荷预测方法

船舶的短期电力负荷具有强烈的非线性变化特点,传统方法无法描述船舶短期电力负荷的变化趋势,以解决当前船舶短期电力负荷预测误差大的难题,提出了基于支持向量机的船舶短期电力负荷预测方法。首先对船舶短期电力负荷预测的研究现状进行分析,指出引起不足的原因,然后采用支持向量机对船舶短期电力负荷数据进行学习,建立可以反映船舶短期电力负荷变化的预测模型,最后进行了船舶短期电力负荷预测的验证性测试。结果表明,支持向量机可以提高船舶短期电力负荷预测精度,可以对将来船舶短期电力负荷值进行准确估计,具有较高的实际应用价值。     

基于遥感图像的船舶航迹追踪算法研究

为了克服当前船舶航迹追踪算法存在的精度低、耗时长等不足,设计了基于遥感图像的船舶航迹追踪算法。首先采集船舶航迹的遥感图像,并得到船舶初始航迹,然后采用均值漂移算法和卡尔曼滤波算法对船舶航迹进行估计,达到船舶航迹追踪目的,最后进行船舶航迹追踪有效性测试,结果表明,本文算法解决了当前船舶航迹追踪算法存在的难题,获得了十分理想的船舶航迹追踪结果。