基于MLPG法的船舶结构无网格自适应分析技术

研究船舶结构无网格自适应分析方法。首先运用无网格局部Petrov-Galerkin法,采用最小二乘法和加权余量法来求解结构位移场量的逼近函数,并给出问题的控制方程和刚度方程的一般表达式;然后采用Delaunay三角化细分方案对方程进行自适应计算;最后对船舶实肋板和带裂纹板进行应力分析计算,并通过与有限元法的计算结果进行比较,验证文章提出方法的有效性。     

基于入侵野草优化算法的粒子滤波算法

入侵野草优化(IWO)算法是近年来提出的一种简单、有效的基于种群的新颖数值优化算法,在许多领域得到成功运用。将IWO算法与粒子滤波(PF)算法相结合,提出一种基于IWO算法的粒子滤波算法(IWOPF)。该算法将IWO算法运用于粒子滤波的重采样中,以保证粒子的有效性和多样性。最后通过计算仿真验证该算法的有效性和优越性。     

基于无线传感器网络的运动目标检测动态聚类图

有效的目标跟踪需要积极的传感器节点对运动目标群实行跟踪。与单目标跟踪相比,聚类在效能上有显著提高。本文提出准确的相干和非相干运动模式下目标的聚类,采用隐式动态时间框架来评估在创建连接组件加权图的目标关系史。该算法采用目标跟踪中定位算法的关键特征,即估计当前和预测的位置来确定移动目标的方向和距离的关系。模拟结果显示,通过动态调整历史窗口大小和预测目标之间的关系,可以显著提高聚类的准确性并减少运算时间。     

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...     

Fe掺杂TiO2纳米粉体制备及光催化性能研究

为了探究煅烧温度和Fe离子掺杂浓度对TiO2纳米粉体晶体结构和光催化性能的影响,以TiCl4、NH4 OH、Fe(NO3)3·9H2 O为原料,采用共沉淀法成功制备了Fe掺杂TiO2纳米粒子,并通过XRD、UV-Vis等测试手段对样品进行了表征.结果表明:(1)TiO2纳米粉体的晶粒尺寸随煅烧温度升高而增大;(2)粉体...     

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。