基于混沌分析法的舰船电力系统稳定性研究

对舰船电力系统进行分析建模,并根据电力系统模型状态的非线性混沌特征,结合模型幅值扰动参数,分析出混沌现象产生的原因和影响因素。在此基础上,有针对性地利用自适应反演算法在模型中引入适当的控制器,有效地避免电力系统运行中因干扰进入混沌震荡状态,保证了舰船电力系统的正常运行和舰船的安全稳定。研究结果表明,即使舰船电力系统出现混沌现象时,也可以根据其特征状态进行有效的稳定性控制,保持舰船的综合性能。     

一种数字混沌加密系统的嵌入式仿真实现

海上舰船之间以及舰船与控制中心之间通信的加密及解密事关整个海战成败。本文对用于海上舰船通信加密系统中热门Baptista混沌加密算法进行了系统研究,分析在实际舰船通信系统中实现的利弊。针对Baptista算法在产生的混沌加密信号出现的周期规律性以及动力衰退性弊端,改进此算法,提出一种加强型控制位混沌加密算法。此算法通过增加控制位对混沌加密明文进行自适应控制,使其不规律改变混沌系统运行轨迹,克服Baptista算法的周期性以及动力衰退性。最后设计基于此算法的FPGA仿真系统,对其进行验证。     

自适应粒子群优化的船舶动力定位云模型控制器设计

云模型控制理论是智能控制学科的新兴领域,因此如何扩展云模型的应用范围并使其走向工程化实用化成为云模型理论的研究重点。针对船舶运动模型具有不确定性和外部扰动随机性等特点,而云模型具有兼顾模糊性和随机性的特质,尝试将云模型应用于船舶动力定位的控制过程。为解决云模型控制器参数难以整定的问题,提出基于自适应粒子群优化算法的云模型控制器设计方法。仿真试验证明了云模型控制和粒子群优化的可行性和有效性。     

基于船舶最少作业时间的集装箱码头操作策略

相比较船舶在港作业效率,船公司更加关注船舶在港停留时间。将集装箱船在港时间进行分解,发现集装箱船在港作业时间并不完全取决于装卸集装箱数量和分配装卸桥数量,而是由"关键相邻柜口"的集装箱数量来决定的。通过"关键相邻柜口"的配载计划优化、作业拖车数量的增加和分级堆场堆存等操作策略的执行,可有效控制"关键相邻柜口"的作业时间,缩短船舶在港作业时间,提升船公司准班率。     

基于计算流体动力学的最小阻力船型自动优化

基于计算流体动力学(CFD)理论,利用i SIGHT优化设计平台构建一种船型自动优化方法。该方法集成船型变换及自动生成技术、CFD技术及优化算法。优化过程中,编制船型参数化融合模块实现船型变换与SHIPFLOW软件输入数据间的自动连接;采用遗传算法与二次序列规划法相结合的组合优化方法实现从全局探索再到局部空间寻优的整个流程。以某双艉集装箱船为例,优化后船体兴波阻力明显下降,总阻力也得到显著的改善,获得了设计航速下总阻力最小的船艏与船艉线型组合,表明了该方法的可行性与有效性。研究显示,所提出的方法可以获得阻力性能优良的船体型线供设计者参考,具有较强的工程适用性,在基于CFD的船型自动优化方面具有广阔的应用前景。     

基于改进TRL校准算法的二极管参数测量

加载二极管的频率选择表面和能量选择表面(以下统称"自激励表面")具有自适应的防护特征,能够防护强电磁攻击。二极管本身参数的测量是自激励表面设计中重要的环节,准确测得二极管特征参数对于设计出满足需求的防护表面至关重要。介绍传统去嵌入法,针对传统去嵌入法存在校准件制作精度要求高、相位延时有范围的缺点,改进了用于二极管参数测量的去嵌入算法;测量几种不同PIN型号的二极管,通过对比PIN参数手册与测试结果,验证了测试方法的有效性。     

基于Q学习算法的摘挂列车调车作业计划优化

针对摘挂列车编组调车作业计划编制问题,基于强化学习技术和Q学习算法,提出1种调车作业计划优化方法。在表格调车法的基础上,将调车作业计划分为下落和重组2个部分。通过动作、状态和奖励3要素构建调车作业问题的强化学习模型,以调车机车为智能体,以车组下落的股道编号为动作,以待编车列的下落情况为状态,形成车组挂车、摘车具体条件和车辆重组流程,并依据车组下落的连接状态和车辆重组后产生的总调车程设计奖励函数。改进Q学习算法求解模型,以最小化调车程为目标,建立待编车列与最优调车作业计划之间的映射关系,智能体学习充分后即可求解得到最优的调车作业计划。通过3组算例对比验证本方法效果,结果表明:相较于统筹对口法和排序二叉树法,本方法使用的股道数量更少、调车作业计划更优;相较于分支定界法,本方法可在更短时间内求解质量近似的调车作业计划。因而,本方法有助于提高车站调车作业计划编制的智能化决策水平。     

基于特征熵权与样本加权的大跨桥梁多车道交通荷载聚类模型

为满足交通流荷载作用下大跨桥梁结构评估的需要,研究了基于荷载参数特征的交通流状态划分方法。首先,基于实测交通流数据,按照车道属性统计分析得到交通流的单位小时特征参数样本,选择单位小时内车型比例、车头间距及交通流速度作为交通流状态划分的参考特征;其次,改进经典k-means聚类算法以增强其对高维、复杂交通流荷载分类的鲁棒性,即通过引入特征熵值来表征各特征参数对聚类效果的重要性,同时计算样本点与周围样本点的接近程度来赋予样本点权值,以削弱样本离散性对聚类质量的不利影响;最后,通过聚类算法得到11种具有不同参数特征的交通流荷载,分析了其作用下某大跨斜拉桥拉索应力响应及造成的疲劳损伤。结果表明：改进算法的聚类质量指标比原始k-means算法提高了40%以上,对交通流状态划分具有良好的适用性;通过算法得到的不同类别的交通流荷载的特征参数差异性明显,其占有率也大不相同,同一类别的交通流荷载各样本特征参数聚拢效果良好;同车道内不同类别的交通流荷载的拉索等效应力差别较大,其变异系数均在0.2以上,尤其在考虑了不同交通流荷载模型的占有率后,这种差异性进一步增大。上述结果表明该交通流荷载聚类与模拟方法是有...     

考虑多目标的城市停车换乘选址优化模型及算法

停车换乘选址问题是城市交通网络设计研究的重点领域,已有研究的优化目标多集中在系统总费用方面,而对交通可持续发展方面考虑不足。为此,提出综合考虑多方面目标的停车换乘设施选址优化模型及其求解算法。首先,基于超网络理论,提出多方式城市交通系统的超网络模型并定义O-D (Origin-destination)间的超路径、有效超路径及子路径,结合出行者出行过程及交通网络拥挤特征,给出超路径费用的数学表达;其次,基于多方式交通网络随机均衡配流结果,构建交通总阻抗、污染物排放量以及交通系统公平性等系统优化指标的计算模型,并建立用以描述停车换乘设施选址问题的多目标优化模型;进而,以多目标系统优化模型为上层问题,以超网络下满足Logit分配的多方式交通网络配流模型为下层问题,构建描述城市多方式交通系统停车换乘设施选址问题的双层规划模型,并基于模型特征,结合“记录-搜索”思想设计非支配排序遗传算法进行求解;最后,基于Sioux Falls网络设计算例。研究结果表明：算法能够在有限的步骤内搜索到90%以上的Pareto最优解;平均而言,停车换乘措施使得交通总阻抗减小了0.31%,污染物排放量减少了7.32%...     

应用粒子群优化算法改进无人船航行路径规划研究

在已开发的FR无人船的设计与实现背景基础上,针对其航线规划使用传统算法时易于困处局部最优、抗干扰适应性不够和控制精度不高等问题,应用粒子群优化算法来改进求解更优航迹。通过在粒子初始化时添加适应度函数加以修正改进,使路径种群在初始化有较高的有效性,从而增进算法的整体收敛速度和航迹跟踪精度。研究完成模型构建、算法优化、模拟仿真计算和试验验证。计算及试验结果显示,应用改进粒子群优化算法在复杂环境中,FR无人船能规避水面障碍物,逃离局部最小值点,准确到达设定点,收敛速度更快,满足及时响应的需要。