新造船能效设计指数介绍及分析

二氧化碳排放一直是航运界关心和关注的焦点,国际海事组织IMO第57届环境与保护委员会MEPC57、MEPC58、MEPC59次会议以及温室气体工作组第二次会议上对此都进行了激烈的讨论.根据所收集到的资料,对新造船能效设计指数EEDI(原:新造船CO_2指数)进行了分析和研究,并对减少二氧化碳排放可采取的措施进行了探讨.     

德国货船将装天帆回归风力航海减少油耗

据有关媒体报道,一家德国海运公司计划明年在一艘货船上装备一个巨大的高科技船帆,增加货船的推进力,节省燃料.“天帆“是一张160平方米(191平方码)、被拴在桅杆上的帆,它已经顺利通过了数年的试验,德国不莱梅的布鲁格船舶公司相信,天帆将使得该公司的货船削减15%到20%的燃料费用.……     

基于Elman网络的舰船组合导航系统误差补偿研究

为了提高卡尔曼滤波估计精度，提出了一种基于回归神经网络补偿卡尔曼滤波器估计误差的方法。根据Elman网络与非线性ARMA模型工作原理的相似性，利用Elman网络做误差估计器，补偿卡尔曼滤波器的估计精度。实际舰船航行数据仿真测试表明，该方法有效可行。     

软土地基围堤外侧桩基础施工时机*

在软土地基上修筑港口工程时,外侧栈桥桩基础的施工时机和工程安全直接受到围堤填筑加载过程的制约和影响。依托某一级渔港工程,通过围堤加载过程中软土地基侧向变形分析及深层水平位移跟踪监测数据的多元回归拟合,分析预测了地基水平位移随围堤加载过程的变化规律和发展趋势,在此基础上通过ANSYS三维建模分析围堤加载过程中灌注桩的内力及变形,最终确定了外侧灌注桩基础的施工时机。研究表明：该软土地基在加载过程中的侧向变形符合指数函数变化规律;围堤加载而导致软土地基产生的侧向变形对外侧灌注桩位移的影响作用比对其自身内力影响要大;当地基土体上部产生最大水平位移150 mm时,灌注桩混凝土的屈服应力安全度仍较大,据此可提出外侧栈桥灌注桩基础的施工时机,该方法可供类似工程设计与施工借鉴。     

影响沥青混合料VMA的因素分析

施工过程中对下面层Superpave25、中面层Superpave20两种类型的混合料现场取样,在实验室使用旋转压实成型试件测得试件体积指标,通过抽提试验分析级配与生产配合比的差异,运用多元线性回归方法分析影响矿料间隙率(VMA)的主要因素,并且通过工程实例验证回归公式的正确性。影响下面层VMA的4个主要因素为筛孔0.15 mm通过率、筛孔0.6 mm通过率、筛孔0.075 mm通过率、筛孔4.75 mm通过率;影响中面层VMA的4个主要因素为筛孔0.6 mm通过率、筛孔1.18 mm通过率、筛孔0.15 mm通过率、筛孔19 mm通过率。     

偏最小二乘回归在舰船维修费用预测中的应用

考虑到偏最小二乘回归方法在处理小样本多元数据方面具有独特的优势,分析了影响舰船维修费用的因素,结合变量投影重要性分析方法对影响因素进行筛选,提出用偏最小二乘回归方法建立舰船维修费用预测模型。通过实例进行计算,用历史数据预测舰船维修费用,在数据样本量小的情况下,预测结果较多元回归方法精度高。     

考虑温度作用的浸金属碳滑板磨损量预测方法研究

随着列车速度的不断提升,受电弓滑板磨耗增加,对弓网系统运行的安全性和经济性造成威胁。目前,铁路部门仍采用传统人工登顶方法检测滑板磨损情况,效率低、安全性差、且干扰正常行车。因此,亟需探索简便、高效的滑板磨损量预测方法,以指导受电弓滑板的检修与更换。通过改变电流、温度参数进行多组试验发现,在低电流工况下,滑板磨损量随温度提升逐渐下降,在高电流工况下,滑板磨损量随温度提升先减小后增加;基于偏最小二乘回归法,建立了考虑温度作用的浸金属碳滑板磨损量预测模型,模型检测相对误差小于6%;选取不同材料滑板时,磨损量对各影响因素变化的敏感程度存在显著差异。研究结果对完善受电弓滑板磨损量预测模型,降低铁路运营维修成本,提高列车弓网系统运行稳定性具有一定指导意义。     

基于SPSS技术的船舶操纵性指数K、T预报

为了提高船舶操纵性指数K、T的预报精度以便更好地评价船舶性能,采用多元非线性回归模型,利用SPSS软件对43艘商船的K、T指数实船试验结果进行了回归分析。研究了对K、T有显著影响的非线性因素,给出了两个最优回归多项式。以某杂货船为例进行了操纵性指数的预报,预报效果令人满意,K、T误差分别为4.4%和1.1%。与原有的线性模型相比,预报误差分别减小了16.4%和70.3%。该文提出的非线性模型在回归方程的显著性以及对K′、T′值的预报准确性上均较线性模型有了很大提高,对操船者在航海实践中评估船舶的操纵性能有一定的参考价值。     

无人驾驶车辆城市交叉口周边车辆轨迹预测

针对城市交叉口周边车辆长时轨迹预测问题,搭建路基和实车采集平台采集大量轨迹数据,采用高斯混合模型(Gaussian Mixture Model,GMM)识别目标运动模式,采用高斯过程回归(Gaussian Processes Regression,GPR)模型进行城市交叉口周边车辆轨迹长时预测,采用路基数据集对预测模型...