柴油主机数学模型及转速控制系统仿真研究

为了便于航海科研及教学,使学生充分了解船舱各设备之间的协调工作原理及自动化功能,轮机模拟器现已得到广泛应用。在研发轮机模拟器时,建立船舶柴油主机数学模型是重点研究内容之一。本文结合轮机模拟器实际研发流程,对一体化柴油主机进行一阶及二阶滞后数学建模,并基于PID,分析其转速控制系统。     

基于PSO-BP神经网络的油船中部结构优化

以舱段质量为目标函数,以相关规范要求的板厚及应力为约束条件,通过灵敏度分析确定设计变量,对油船中部结构优化。构建基于粒子群优化的BP神经网络模型,并代替有限元分析确定应力与设计变量之间关系,从而对舱段进行结构优化。优化后舱段质量降低了4.2%,优化后的有限元分析结果表明满足规范要求,PSOBP神经网络模型在船舶结构优化设计中具有可行性。     

遗传算法整定在船舶减摇鳍电伺服系统设计中的应用

降低船舶在风浪流等环境中的横摇能减少船舶航行的事故。通过船舶减摇鳍电伺服系统能够提高系统的过载保护、提高输出转矩。本文将遗传算法应用于PID控制参数的整定过程中,通过仿真实验说明本文算法在船舶减摇过程中稳定性好、鲁棒性强,更适合于船舶减摇鳍电伺服系统的设计。     

基于二分法的车辆状态参数融合估计

为提高车辆状态参数估计的精度和可靠性,提出一种基于二分法的车辆状态参数融合估计方法。首先,设计了基于车辆3自由度动力学模型的扩展卡尔曼滤波算法和由数据驱动的径向基神经网络车辆状态参数估计算法。然后,为了进一步提高估计算法的可靠性和减小单一算法的估计误差,提出将模型驱动的估计算法和数据驱动的估计算法相补偿的融合估计方法,基于二分法设置扩展卡尔曼滤波和径向基神经网络估计结果的权重,利用估计算法的融合提高估计精度。最后通过MATLAB/Simulink与CarSim的联合仿真和实车在环试验对该融合方法的有效性进行了验证。结果表明,估计结果变化趋势与实际相符,所提出的融合算法的估计精度比单一扩展卡尔曼滤波算法和径向基神经网络算法有明显的提升。     

基于神经网络的出行目的推算研究

出行目的是交通出行的关键属性和重要内容,其对分析交通行为具有关键作用。随着被动数据的不断获取,通过数据挖掘方法推算出行目的既弥补了被动数据的缺陷,也可为进一步分析交通行为提供完善的数据基础。本文通过总结国内外学者在交通出行目的推算方面的研究经验,基于现有的调查数据,采用神经网络方法进行出行目的推算,推算的出行目的的准确性达到86%,在此基础上分析了对模型具有显著影响的因素,由此得到在出行目的推算中的关键因素为时间和空间变量。     

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。     

正交异性组合桥面构造优化

正交异性组合桥面由于其较好的抗疲劳性能和静力承载能力、相对较轻的自重近年来在实际工程中得到较多应用。正交异性组合桥面通常由正交异性钢板和混凝土层组成,在加入混凝土层后结构刚度发生较大变化,若正交异性板仍采用传统正交异性钢桥面的构造形式将会造成不必要的钢材用量和焊接量增加。采用遗传算法,以单位面积造价最小为目标,结合现有规范考虑了构造约束和承载能力约束两类约束条件,采用两种应力控制方案,对不同桥面板跨度和混凝土厚度的正交异性组合桥面的构造进行优化。同时解决了构造改变导致荷载分配改变对承载能力分析造成的影响。优化结果表明,桥面跨度4.5m时,与未优化组合桥面相比,优化方案用钢量可降低1.7%~10.1%,焊接量可降低16.5%~31.8%。     

基于神经网络的车辆急加速工况驾驶性评价研究

针对驾驶性评价中主观评价一致性差及客观评价无法反映人体主观感受的问题,基于对急加速工况的特点分析,构建了急加速工况的驾驶性客观评价体系,并使用BP神经网络搭建驾驶性主观评分预测模型,建立主客观评价间的映射关系.最后,通过实车试验得到驾驶性主客观评价数据集,对神经网络进行训练和测试.结果表明,预测模型的整体准确率在95％...     

基于OpenMV的云台追踪系统设计

为解决传统目标识别过程中目标不能移动、动态追踪等问题,基于OpenMV,采用PID控制、模块识别、颜色识别、图像处理等技术和方法,设计了一种能够自主动态追踪目标物体的云台系统。锥桶的动态追踪识别测试结果表明:系统能够较好地完成动态追踪。