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。     

基于改进粒子群算法的舰船电力系统无功优化

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。     

粒子群优化神经网络的舰船网络安全预测模型

在舰船管理系统中,网络具有不可替代的重要作用,确保网络安全是重中之重。为准确预测出未来一段时间内的网络安全状况,可以采用相应的预测模型。在舰船网络安全预测模型构建过程中,通常采用的都是神经网络模型,由于该模型容易陷入局部极小,加之收敛速度相对较慢,所以需要采取有效的方法对预测模型加以优化改进。本文提出基于粒子群优化算法的神经网络模型,通过仿真实验,进一步验证了优化方法的可行性,经过优化后的预测模型,精确度得到显著提升。     

人工智能技术舰船航行自动控制研究

传统舰船航行自动控制功能主要通过算法对定义舰船轨迹数据与舰船航行数据综合分析计算,根据计算结果对PID自动控制器下达控制指令来完成自动控制操作。此种控制模式受到算法定义逻辑限制存在一定的控制误差,无法真正做到舰船航行的精准控制。为解决上述问题,提出人工智能技术的舰船航行自动控制研究。首先对舰船航行轨迹进行模型计算,接着对舰船PID控制数据进行模型计算。最后,通过人工智能技术对航向轨迹与PID控制数据进行关联计算,得到精准的舰船航行控制数据。通过对比实验对提出的控制方法与传统控制方法进行对比,数据证明提出方法的控制精准度高于传统自动控制系统。     

基于协同过滤的舰船营运数据挖掘算法研究与实现

传统的舰船营运数据挖掘算法存在着性能较差的缺陷,为此提出基于协同过滤的舰船营运数据挖掘算法研究与实现。将采集的多种数据来源的舰船营运数据进行集成,以得到的舰船营运数据集成为依据,构建矩阵分解模型,得到用户对舰船营运数据预测评分矩阵,采用分层随机梯度下降法对预测评分矩阵进行求解,以得到的预测评分为基础采用协同过滤算法实现了舰船营运数据的挖掘。通过实验得到,提出的舰船营运数据挖掘算法的RMSE参数平均值比传统算法小了0.34,说明提出的舰船营运数据挖掘算法具备更好的性能。     

基于MAS和数据网格技术的舰船辅机协同设计

在构建舰船辅机协同设计多智能体(Multi-Agent System,简写为MAS)过程中,各Agent之间存在某种内在的冲突、联系和规律。为了有效地发现和消解Agent设计需求和控制规律,引入智能控制解决方法和数据网格服务技术,它能为舰船辅机产品协同设计MAS系统的构建提供技术保障。提出了基于模糊灰色理论的冲突解决控制模型。建立了模糊理论和灰色关联算法的冲突消解模型,目标是在舰船辅机协同设计MAS系统中,得出所有灰色关联度数值大于预定临界值的分类规则及设计结果,以便控制未来趋势和进行规划。最后用舰船辅机-船用锅炉选型MAS设计控制归类规律作为算例,验证了算法的合理性。     

多波段舰船图像目标局部特征识别方法

针对传统的多波段舰船图像局部特征识别方法存在的识别速度慢的缺点,提出一种多波段舰船图像目标局部特征识别方法。通过检测关键点和特征匹配,提取多波段舰船图像目标的局部特征;利用多分类器组合,通过线性分类器和非线性分类器对局部特征开展训练和识别。通过对比实验,与传统的多波段舰船图像局部特征识别方法作比较。实验结果表明,提出的多波段舰船图像局部特征识别方法具有更快的识别速度。     

云计算环境下模糊舰船图像局部特征提取方法研究

为弥补SIFT算法在匹配精度上存在的不足,设计云计算环境下的模糊舰船图像局部特征提取方法。在云计算服务框架中,实现矢量描述子的分类操作,完成云计算环境下的舰船图像节点匹配处理。在此基础上,按照舰船图像的局部特征构造需求,建立模糊图像的稀疏数据库,再根据必要特征提取量的计算结果,实现新型模糊舰船图像局部特征提取方法的顺利应用。对比实验结果表明,与SIFT算法相比,应用新型局部特征提取方法后,舰船图像模糊匹配精度最大值接近75%,传统提取遗留问题得到妥善解决。     

粒子群优化算法在海底地形导航中的应用

通过研究将连续粒子群优化算法离散化,提出二进制离散粒子群优化算法。在海底地形导航的非线性、实时性、精准性的情况下,利用2个子群的协同进化来降低陷入局部最优的风险,有效提高收敛速度。最后通过与传统的地形轮廓匹配算法进行对比,说明本文算法在经纬度误差和最佳匹配点定位方面更具优越性。     

贝叶斯统计模型在舰船机电自动控制系统中的应用

为提升舰船机电自动控制效果,设计贝叶斯统计模型的舰船机电自动控制系统。现场设备层采集舰船机电设备运行数据,利用贝叶斯统计模型检测运行数据内的异常值,并剔除异常值,可编程逻辑控制器依据机电设备运行数据,确定机电控制向量;用户操作终端依据控制向量,生成舰船机电控制指令,经由传输层传输至现场设备层,利用执行机构按照控制指令自动控制机电设备。实验证明,该系统可有效采集舰船机电设备运行数据,并实现异常值检测,精准自动控制舰船机电。     

智能视频监控中舰船假目标图像检测算法

传统舰船假目标图像检测算法存在检测精准度低的缺陷,为此提出智能视频监控中舰船假目标图像检测算法研究。将智能视频监控中采集的图像采用灰度化处理得到灰度图像,利用直方图均衡化处理灰度图像,提升图像的质量。采用滤波处理方法将得到的图像进行去噪,完成图像的预处理,为图像检测做准备。采用小波变换方法对上述得到的图像进行特征提取,将得到的图像特征输入到图像检测模型中,与真目标图像特征进行逐一比较,输出假目标图像,实现了对舰船假目标图像的检测。实验结果表明,提出的舰船假目标图像检测算法检测精准度比传统算法高出21.8%,说明提出的舰船假目标图像检测算法具备极高的有效性。     

蚁群算法在舰船建模与控制中的应用

传统蚁群算法只能单纯针对舰船路径进行规划,且在规划计算过程中仅能针对一个目标进行分析计算,导致计算中的有效信息素过少,计算所建立的规划控制模型准确度降低。因此,本文提出蚁群算法在舰船建模与控制中的应用。首先,采用蚁群算法对舰船航行场景进行建模,并对模型中的有效信息素进行优化量的导入更新。最后,对完成更新信息素的模型进行多目标参量计算,实现提升蚁群算法规划控制模型的精准度。为了证明设计的有效性,通过对比仿真实验来完成验证操作并得出可行性结论。     

混合遗传算法的舰船减横摇控制方法

在舰船减横摇控制中,尤其当遇到海浪干扰后,控制参数的优化时间较长,导致控制的实时性达不到要求,使舰船无法达到最佳控制状态。基于此,采用混合遗传算法,设计一种舰船减横摇控制方法。采用自适应调节策略,优化遗传算法,设计PID控制器,利用设计的PID控制器,通过优化控制器参数,对舰船减横摇实施控制。通过对比实验,与2种传统方法作比较。实验结果表明,提出的舰船减横摇控制方法能够在较短的时间内将舰船横摇角控制至最小,所需时间比传统方法 1缩短600 s,比传统方法 2缩短550 s,且控制后的舰船横摇角最小。     

基于时间序列分析算法的船舶磁场估计

传统遗传算法船舶磁场估计方法中会使估计值陷入局部最优,影响估计精度,因此设计一种基于时间序列分析算法的船舶磁场估计方法。首先建立舰船磁场模型,主要利用椭圆和偶极子来建立一个平面的混合模型,安排偶极子在其中的分布,得到任意测量点周围的磁场模型和实际测量磁场与椭圆模型周围磁场的关系,在计算过程中引入时间序列分析算法,得到加权指数滑动时间窗的描述,根据局部自协方差矩阵估算公式得到特征向量矩阵投影,结合目标函数,得到最优的估计解。通过仿真实验结果表明,设计的估计方法得到的拟合相似值高于传统方法,说明设计的方法估计结果更加精准。     

基于改进神经网络算法的舰船操纵性能预报系统

针对传统舰船操纵性能预报系统预报精度低、稳定性差、效率慢等弊端,设计一种新的基于改进神经网络的舰船操纵性能预报系统。对标准神经网络算法容易陷入局部最优解的不足进行改进,用共轭梯度法取代原梯度下降算法,介绍了改进后的神经网络算法。通过矩阵方式对舰船操纵稳定性的构成进行描述,利用改进的神经网络算法设计舰船操纵稳定性预报系统。实验结果表明,所设计系统预报精度高、稳定性强、效率快,能有效完成舰船操纵稳定性的预报。     

多约束条件下最优航向控制中的蚁群算法研究

我国最优航向控制技术是智能航海技术中的关键技术之一,能够保证船舶按照最优航向航线到达目的地,提高航行的安全性和经济性。在最优航向控制技术中,引入蚁群算法可满足求解最优化路径的要求,进一步优化最优航向控制系统的性能。本文分析传统蚁群算法的基本原理和缺陷,提出改进后的栅格蚁群算法,以弥补传统算法的不足,并基于栅格蚁群算法构建起多约束条件下的最优航向控制模型,对模型进行实验仿真分析,仿真结果表明该模型可得出最优航向航线结果。     

船舶运动控制的Agent与MAS体系研究与构建

本文在船舶机电设备的智能化控制和协同控制研究基础上，针对船舶运动控制特点，提出了构建子系统个体智能体(Agent)和多智能体系统(MAS)的策略和方法，以此解决船舶多智能设备的自学习和自适应、即插即用、协同控制等问题；并提出了构建船舶运动控制的Agent与心体系的框架和编程要点。     

数据挖掘在舰船电力负荷预测中的应用研究

首先描述基于数据挖掘的舰船电力负荷预测系统架构,然后按照此架构进行系统实现,并结合舰船电力负载预测的特点,利用遗传算法获取较好的搜索空间,这样可以避免BP神经网络算法陷入局部最优的情况。通过对比实验结果可知,本文所采用的遗传算法和BP神经网络相结合的优化算法预测能力强,拟合度高。     

全景视觉舰船图像局部特征点检测

针对传统的舰船图像局部特征点检测技术在检测特征点时,因重复抓取造成检测结果中噪点比例过高,影响有效信息读取的问题,因此设计全景视觉舰船图像局部特征点检测技术。在对舰船图像预处理后,计算稳定度和匹配度2个舰船图像局部特征点的检测参数。将计算得到的检测参数作为高斯金字塔的参数,使用高斯尺度空间法检测舰船图像特征点,完成全景视觉舰船局部特征点检测技术的设计。设计与传统的舰船图像局部特征点检测技术的对比实验,结果表明全景视觉舰船局部特征点检测技术能够有效减少特征点检测后的噪点数,检测效果更佳。     

基于CSSOA的多船智能避碰决策研究

[目的]智能避碰决策作为船舶安全航行的关键技术之一,对智能船舶的发展具有重要意义。针对多船会遇下的智能避碰决策问题,提出一种基于高斯变异和Tent混沌的改进麻雀搜索优化算法（CSSOA）。[方法]算法采用Tent混沌映射初始化麻雀原始种群,提高其多样性,并对适应能力差和搜索停滞的麻雀个体进行混沌映射,利用高斯变异提升局部搜索能力和鲁棒性,改进方案优化启发式算法收敛速度慢和易陷入局部最优的问题。综合考虑船舶间船速比、最小会遇距离、相对距离、最小会遇时间、相对方位等因素,利用模糊隶属度函数建立船舶碰撞风险模型,并通过多船典型会遇场景进行实例验证。[结果]实验结果显示,改进算法的平均迭代次数较粒子群算法和原麻雀算法分别减少了77.97%和53.57%。[结论]改进后的麻雀优化算法能以更优的收敛速度寻到安全经济的避碰路径,为船舶驾驶员提供避碰决策参考。