混沌方法在舰船辐射噪声分析中的应用研究

为了检测舰船辐射噪声中的非线性特征,本文采用混沌、分形理论从信号产生的机理、相空间轨迹、分形维数和Lyapunov指数等4个方面着重研究了舰船辐射噪声的混沌现象.研究结果表明舰船辐射噪声信号中确实存在混沌现象,且不同类别的信号具有不同的非线性特征,该结果将为水声信号处理、水下目标检测和识别提供新的理论方法.     

交叉航道内船舶交通流量的混沌特征研究

针对交叉航道管理中需要掌握船舶交通流量的基本特征问题,根据交叉航道的特点,构建交叉航道船舶交通流量时间序列,利用最大Lyapunov指数和递归图分析方法证明了交叉航道船舶交通流量具有混沌特征。递归率(RR)、确定率(DET)和层流率(LAM)三种递归参数的计算结果表明:4个时间片段下船舶交通流量时间序列均表现出混沌特征,但是时间片段2下的时间序列混沌特征最明显;随着时间片段值的增加,系统的混沌特征逐渐减弱。     

准周期激励非线性隔振系统的混沌研究

建立了准周期激励下非线性隔振系统的模型;应用Poincare映射方法对系统进行降维处理后,在Poincare截面上分析了系统稳定流形和不稳定流形的行为.应用Melnikov方法确定了系统产生混沌的参数区域.结果表明双曲不变环面的稳定流形和不稳定流形之间同宿横截相交是导致该系统产生混沌的根本原因,并给出了系统出现混沌时的相图、Poincare截面图,计算了Lyapunov指数.     

非理想气泡振动混沌特性应用

通过计算非理想气泡振动模型的Lyapunov指数谱,绘出气泡振动模型的关联维与嵌入维关系图,得到气泡振动的关联维数,验证了非理想气泡振动的混沌特性。在此基础上,计算了气泡振动由倍周期分叉通向混沌过程中所对应的模糊函数,并绘制相应的模糊函数图形。结果表明,混沌响应信号作为主动探测信号将具有较强的分辨力,该结论为水下目标混沌信号检测奠定了理论基础。     

基于CAWOA-BP的船舶凝给水系统故障诊断

为克服传统专家经验在故障诊断方面的不足,实现船舶凝给水系统的智能诊断,在标准BP神经网络基础上提出一种优化后的CAWOA-BP故障诊断模型。采用混沌映射以及自适应权重调整策略优化WOA鲸鱼算法,利用优化后的WOA鲸鱼算法改进BP神经网络的权值及阈值矩阵。由于船舶凝给水系统的状态监测数据是复杂多维度数据,利用UMAP降维算法对原始数据进行降维。最后,利用降维处理后的数据训练CAWOA-BP神经网络模型,实现故障诊断。通过对正常及故障数据的学习,发现优化后的CAWOA-BP模型相比于标准BP,WOA-BP,PSO-BP故障诊断模型具有更高的准确率、精确率、召回率及预测误差。研究表明,基于优化后的CAWOA-BP神经网络故障诊断方法能够更加精确实现船舶凝给水系统的故障诊断。     

基于混合粒子群算法的土钉支护结构设计参数优化

在土层工程地质情况一定的条件下,如何寻找一组最佳设计参数,以达到既经济又安全的目的,是土钉支护设计的一个重要问题。这是一个复杂的优化设计问题。就此,提出基于混合粒子群优化(PSO)算法的基坑土钉支护优化设计方法,以单位长度土钉墙的土钉材料造价作为优化的目标函数。该方法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度,不活动粒子的处理使算法避免了“早熟”现象的出现。工程实例计算表明,该方法是进行土钉支护结构优化设计的有效方法。     

用谐波小波变换法研究船舶横摇的非线性动力特性

本文探索了一种用小波分析的方法来研究船舶非线性横摇系统的运动.对于非线性非自治系统的响应主要有周期、准周期和混沌几种状态.而在系统参数变化时,又由周期分叉形成了准周期和混沌.因此,需要对周期解做更多的研究.当系统响应是周期的,通过小波变换,可以得到一些不同频率的谐波,这些谐波与谐波平衡法得到的解非常相似,因此也就可以作为系统的近似解.如果系统响应是混沌的,通过小波变换,始终都得不到周期的信号,这一点明显区别于周期运动.也就是说通过小波变换这种方法,可以明显地区别出混沌和周期.     

模糊混沌算法及其在船舶性能或结构特性综合优化的应用研究

将限界搜索模糊优化与混沌算法复合构成限界搜索模糊混沌算法,并将其应用于大中型船舶性能或结构特性综合优化计算分析中.建立了以加权和形式为目标函数的综合优化数学模型,编制了计算软件,进行了大量对比计算.计算结果表明:这些优化方法和计算软件界面友好、可靠性和计算效率高,并且具有较高的实用性,运用于大中型船舶性能或结构特性综合优化是切实可行的;对于大中型船舶方案或初步设计也有使用价值.     

基于减法聚类模糊神经网络高速公路混沌控制

研究了基于减法聚类的高速公路混沌系统模糊神经网络控制方法.提出通过数据挖掘技术建立交通流混沌控制器知识库的思想,设计了以密度、上游流量和最大李亚普诺夫指数作为输入,红灯时间作为输出的T-S模糊神经网络混沌控制器.采用减法聚类确定控制器结构提取模糊规则、控制器初始参数;应用模糊神经网络方法对控制器参数进行优化;结合遗传算法对聚类半径进行优化.仿真实验分析了该控制方法的控制效果,证明了该混沌控制方法的有效性.     

基于加速混沌优化算法的支持向量机参数选择

针对支持向量机参数选择问题,以惩罚系数、不敏感系数和RBF核函数中的宽度系数为优化变量,采用Chebyshev映射代替Logistic映射产生初始混沌序列,改变原有的搜索公式及增加3次载波,提出了一种改进的加速混沌优化算法(ISCOA)。将该算法应用于人工数据集和实际数据集中,并与常规的交叉验证法进行比较。试验结果表明:在人工数据集中,采用ISCOA在时间上缩短了至少23.43%,精度上提高了至少6.31%;在实际数据集中,预测值更接近实际值,相对误差均控制在3.13%以下,该算法具有较高的预测精度和寻优效果。