基于蚁群算法的航线自动生成研究

为了减轻航海人员制定航线的繁复劳动,减少航线制定时的个人主观性,基于蚁群算法进行航线自动生成研究.以电子海图为基础,论述了网格划分、搜索策略、信息更新、航线选优、航线平滑、计算流程等相关问题和具体做法,通过示例证明了蚁群算法用于航线自动生成的可行性.该法不仅实现了航线制定的自动化,而且可以在相关搜索策略中运用专家的思想,增加航线制定的科学性,提高航行的安全性.     

一种新型船舶智能载重测量仪的研究与应用

针对船舶货物卸载重量计量难的现状,开发了一种新型的船舶智能载重测量仪,并提出一种结构树编码免疫辨识算法实现船舶重量模型的辨识,该测量仪通过检测船体前后左右四个位置的吃水深度,精确计算船舶重量、船体倾斜度等数据,实现船舶卸货计量的智能化与自动化.在散装水泥运输船上的应用实践表明,该测量仪能实现比较理想的测量精度,误差小于0.5%,完全能满足船舶运输中对中低价货物的计量要求.     

基于LM算法的组合导航系统的故障诊断

LM (Levenberg-Marquardt)算法是梯度下降法与高斯-牛顿法的结合,在训练次数与精度上明显优于标准的BP算法.介绍了BP神经网络,采用LM算法对标准BP算法进行改进,并应用于船舶组合导航系统的故障诊断.仿真结果表明,LM算法可有效地提高学习速度,缩短训练时间,诊断效果好.     

基于时间序列与小波分析的船舶柴油机故障诊断

模拟柴油机气阀间隙异常的几种情况,并实时监测柴油机缸盖振动信号.采用时间序列分析方法对船舶柴油机缸盖振动信号功率谱进行识别,采用小波变换方法对各信号进行小波包分解,并提取故障特征频段信号进行功率谱估计,实现精确故障诊断.     

港口设备敌障记录与分析系统

在港口的现场操作中,由于设备故障造成的停机、换机对现场生产影响很大,直接导致操作效率降低,某些特殊情况甚至可能影响船舶离港。为应对此类问题,广州南沙海港集装箱码头有限公司技术部建立设备故障记录和分析系统,对故障记录与分析工作进行优化,统一抢修故障内容描述,将抢修故障分为机构、系统、类别、停机时间、频率等几大类,     

集装箱码头服务链周期的组成及其影响因素

通过对集装箱码头各个作业环节的对比,研究港口集装箱整个服务链周期的时间与状态,找出集装箱码头运营系统中效率需改善的作业环节,以及其服务链中需要压缩时间的作业环节,认为港口企业应该关注这些可以缩短周期时间的作业环节。     

推动停车产业化发展的两个关键问题分析

一、停车设施属性问题分析 1．停车设施的自然属性 （1）时间上的不可储存性。交通量具有随时间变化的特点,随之带来的是不同时段的停车泊位需求量的不同。在非高峰时段,总停车泊位容量会产生过剩,而在高峰时段,总停车泊位容量又会出现短缺,非高峰时段的泊位容量不可以储存起来供高峰时段使用。     

铁路空车调整优化模型及其蚁群算法

以理论研究为主,通过对空车调整问题的特点分析,明确了空车数量调配和网络配流是空车调整的两个核心问题;在分析已有模型及对问题进行抽象描述的基础上,建立了空车调整协同优化（EWDCO）模型,并设计了相应的蚁群算法。分析发现,共同径路约束与EWDCO模型是不协调的;通过对定理的证明得出,对流约束不会对EWDCO模型的最优解产生影响,模型可以描述为线性整数规划模型,其实质是带容量约束的最小费用流模型。同时,研究表明ACO对求解空车调整问题具有一定的优势,是一种较为有效的算法。     

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。     

基于迭代算法的公交中途站线路承载能力分析

识别中途站的线路承载能力（经停线路数）对公交线网规划以及合理设置站点具有较强的指导作用,在充分考虑公交车辆到达概率、排队率和乘客上下车时间对站点线路承载能力的影响的基础上,基于迭代算法的思想对公交专用道中站点的线路承载能力进行测算。结果表明：单车乘客上下车总时耗固定的情况下,平均到达率越低,车辆进站排队率越高,站点线路承载能力越大;车辆进站排队率固定的情况下,平均到达率越低,站点线路承载能力越高。