全域旅游时代旅游供应链重构研究

传统的线下“跟团观光游”在经历了OTA时代的线上交易便利后,正在全域旅游战略的推进下快速向智慧旅游、自由行、“旅居”生活转变,旅游需求越来越呈现出多元化、个性化、大众化的特点,传统旅游供应链存在的低效、柔性不足和供需结构失衡等问题,已无法满足全域旅游时代对旅游供应链提出的新要求.通过对传统旅游供应链的审视,提出构建智慧...     

网络重构法在舰船区域配电系统中的应用研究

运用网络重构法对舰船区域配电系统进行了分析.在考虑了电网损耗和开关动作次数因素的基础上建立数学模型,并应用改进的遗传算法--单亲遗传算法(PGA)进行求解.着重分析了单亲遗传算法针对舰船区域配电系统的特点产生相应的染色体编码、初始群体、基因移位、基因突变.本文的研究证明了单亲遗传算法可有效消除常规遗传算法中对可行性解严重破坏的缺点以及网络重构法应用在舰船区域配电系统中的有效性.     

“绿色货运”助推节能减排——“中国绿色货运行动”正式启动

4月18日,"中国绿色货运行动"在京正式启动,本次行动以"绿色货运,节能减排"为主题,将通过倡导"绿色货运"理念、提高道路货运效率、推广节能减排技术、提倡安全生产,促进道路货物运输行业高效、绿色、安全发展。"中国绿色货运行动"指导委员会名誉主任、中国道路运输协会会长杨利民表示,协会将在政府主管部门的指导下,积极发挥     

基于多媒体技术的舰船轨迹虚拟重构技术

对舰船轨迹的虚拟重构主要包括了对舰船模型和舰船尾流的三维视景仿真重构,为了提高舰船轨迹虚拟重构的逼真度,在多媒体视觉下,提出一种基于Vega prime和Multigen Creator建模的舰船轨迹虚拟重构技术,对获取的舰船船体数据和尾流数据进行数据加载和信息编译,在虚拟场景中根据场景状态信息和渲染指令进行海洋场景、舰船模型和尾流气泡模型的绘制。采用不规则三角网分割方法实现分区域三维重构和图像处理,实现舰船轨迹虚拟重构优化。仿真结果表明,采用该方法进行舰船轨迹虚拟重构和视景仿真的逼真性较好,图像渲染能力较强,具有较好的视觉效果。     

基于网络拓扑结构的大型船舶电力系统的建模及算法研究

船舶电力系统是船舶动力的重要生命源。本文在网络拓扑的基础上对船舶电力系统进行重构,建立电力系统的重构模型,并通过改进的遗传算法求解最佳组合解,最后通过对故障后的网络拓扑跟踪进行仿真,实验结果表明,本文算法能够满足一级负载和部分二级负载的供电,可行性强。     

基于ARM的可重构控制器在船舶电站自动化控制系统的应用研究

船舶电站对电力推进装置和船载用电设备的正常运行有重要作用,随着计算机技术和通信网络技术在船舶上的广泛应用,船舶电站的自动化控制迎来了一个新的发展阶段。本研究在传统船舶电站控制系统的基础上,充分利用基于32位ARM微处理器的嵌入式可重构控制器,设计了一种新型的船舶电站自动化控制系统,并对该船舶电站自动化控制系统的硬件结构和软件程序进行了详细的介绍。后期的Matlab/Simulink仿真表明,该船舶电站自动化控制系统具有效率高,稳定性好等优点。     

基于智能重构算法的舰船电力系统研究

现代船舶电力系统结构复杂,电网组网规模庞大,如何保障电网及电力系统运行稳定是船舶安全运行的首要解决条件。配电网络管理系统是监测、管理电网负载运行的有效手段,对于电网故障,需要通过重构网络及算法分析定位故障点及原因,基于电网重构故障定位的准确性与时效性直接关系到电网运行稳定,随着组网规模扩大,传统重构算法已不能满足要求。本文重点研究了基于高斯动态算法智能电网故障重构方法,有效提高了故障搜索的准确性。     

混沌理论在船舶辐射噪声特征提取中的应用

随着海洋开发的深入,水声信号处理是水下目标识别的基础,由于目标辐射噪声的干扰,识别的精度会降低。船舶辐射噪声特征值提取是水声信号处理的重要组成。水下目标物辐射噪声是一个非线性信号,随着时间延长,传播行为随机性越来越强。混沌理论是研究非线性随机信号的重要理论,本文在研究船舶辐射噪声非线性特性及混沌理论的基础上,利用非线性多空间重构技术对辐射噪声特性进行提取,最后对水下目标噪声实测数据进行仿真。     

中国港口加强节能减排积极应对全球气候变化——在第9届东北亚港口协会会长会议上的主题演讲

<正>近年来,围绕全球气候变化问题,我国作为最大的发展中国家,在节能减排方面作出了巨大的努力,充分展示了中国谋发展、促合作、负责任的大国形象。2009年11月26日,我国政府宣布了控制温室气体排放的行动目标,即到2020年单位     

一种基于模型的水声弱信号检测方法(英文)

Detection of weak underwater signals is an area of general interest in marine engineering. A weak signal detection scheme was developed; it combined nonlinear dynamical reconstruction techniques, radial basis function (RBF) neural networks and an extended Kalman filter (EKF). In this method chaos theory was used to model background noise. Noise was predicted by phase space reconstruction techniques and RBF neural networks in a synergistic manner. In the absence of a signal, prediction error stayed low and became relatively large when the input contained a signal. EKF was used to improve the convergence rate of the RBF neural network. Application of the scheme to different experimental data sets showed that the algorithm can detect signals hidden in strong noise even when the signal-to-noise ratio (SNR) is less than −40d B.