基于粘聚单元的层冰-海洋平台碰撞数值模拟

为研究海洋平台的抗冰性能,利用粘聚单元模型,构建层冰与半潜式海洋平台碰撞的有限元模型进行数值模拟,研究碰撞过程的冰力、结构吸能变化。随后进行粘聚单元参数敏感性分析,研究粘聚单元断裂能量释放率与牵引力-位移准则（TSL）曲线形式的变化对冰力的影响。结果显示,采用粘聚单元法模拟计算得到的冰力值与经验公式计算得到的冰力值偏差仅为2.2%,较为吻合,验证了粘聚单元法模拟层冰与海洋结构物碰撞过程的准确性;立柱外板是碰撞过程中平台的主要耗能构件,吸能占比82.67%;冰力值随着断裂能量释放率的增大而增大,但不同形式的TSL曲线对冰力值的影响十分有限。     

云模型的舰船维修成本建模与预测

通过对舰船维修成本的准确建模和预测,降低维修成本,提高舰船维修质量,保证舰船良好工况,提出一种基于K均值指标聚类划分和粒子群优化的云模型下舰船维修成本建模和预测方法。以舰船维修的材料开销、人工开销、舰船寿命周期折损以及配件成本等参数为约束指标,采用K均值聚类算法进行维修成本指标系数聚类划分,将成本最优问题转化为聚类中心最短问题,并以此为优化目标函数,采用粒子寻优算法进行最优解求解,通过线性插值方法进行拟合计算避免解向量陷入局部最优,实现云模型的舰船维修成本预测。仿真结果表明,采用该方法进行舰船维修成本预测的准确性较高,维修效率和质量得到提高。     

基于聚类算法的舰船通信数据深度挖掘方法

传统挖掘方法无法考虑众多通信因素的多层次特征,造成数据挖掘效果不理想,为此设计一种基于聚类算法的舰船通信数据深度挖掘方法。利用聚类算法,对通信数据的多层次特征进行筛选,从而为通信数据的深度挖掘提供依据,结合聚类挖掘粗糙集,生成数据深度挖掘的关联规则并进行聚类计算,对每个通信数据执行交叉变换逻辑,实现舰船通信数据的深度挖掘。实验结果表明,利用聚类算法进行通信数据的深度挖掘,能够提高数据的挖掘速度,且准确率较传统方法高27.15%。     

基于模糊聚类视区划分的舰船目标识别

随着海洋经济的飞速发展,各种智能化的无人设备被用于海洋资源的开发,同时在军事领域,舰船之间的通信和识别技术也向智能化方向发展,在对舰船目标进行识别时,目前还主要依靠人工进行。因此,本文重点研究了模糊聚类算法在图像目标识别领域的应用,并针对舰船的特点,构建相似矩阵,对特定的舰船轮廓设定判断阈值。从样本数据的仿真实验结果看,本文提出的识别算法能够主动识别出舰船的轮廓特征,具有相当大的研究价值。     

基于半监督模糊聚类的入侵检测技术

针对当前入侵检测技术检测率较低、误报率较高,特别是难以检测新型入侵的不足,通过研究基于机器学习的异常入侵检测系统,提出了一种基于半监督模糊聚类的异常入侵检测算法SFCA(Semi-supervised Fuzzy Clustering Algorithm).算法通过加入数据之间的相关信息,同时引入代价函数来平滑目标函数,降低其对孤立点数据的敏感程度.通过利用少量的标记样本,生成用于初始化算法的种子聚类,然后辅助聚类过程.实验表明,与FCM(Fuzzy C-means)聚类算法相比,SFCA算法具有较高的性能.     

基于室内试验的黄泛区土质力学参数研究

鉴于黄泛区公路路基路面病害多发情况,依托某高速公路,按规程对现场路基填土采样分别进行了颗粒分析试验、界限含水率试验、承载比(CBR)试验和三轴压缩试验,确定了该类土的颗粒级配、界限含水率、CBR值、粘聚力和内摩擦角,并提出了该类土的压实建议,可为黄泛区公路路基的设计与施工提供参考。     

不同改良剂对高液限土力学特性改良效果研究

为了研究不同固化剂对高液限土力学特性的改良效果,选取了石灰、水泥和玄武岩纤维三种改良剂对高液限土进行改良,通过无侧限抗压强度试验和直剪试验,以无侧限抗压强度、抗剪强度、黏聚力、内摩擦角作为力学强度指标,研究三种改良剂对高液限土的改良效果。研究结果表明：三种改良剂均能够改善高液限土的力学性质;水泥掺量、石灰掺量与抗剪强度、黏聚力和无侧限抗压强度呈正比关系;玄武岩纤维掺量与抗剪强度、黏聚力和无侧限抗压强度呈现出先增大后减小的关系。     

赤泥基泡沫地聚物用泡沫剂的制备与性能研究

赤泥地聚物具有速凝、高强度、低成本等优异性能,弥补了泡沫轻质土凝结时间短、强度低和水泥价格高的缺陷。为了制备适用于赤泥地聚物的碱性泡沫剂,本文研究了发泡剂、稳泡剂的种类及掺量对泡沫性能的影响,根据气泡性能指标确定了复合泡沫剂最优配方。分析了单一起泡剂与复配泡沫剂对赤泥基泡沫地聚物抗压强度、湿容重及微观结构的影响。复配泡沫剂制备的泡沫地聚物孔结构均匀致密,孔径分布均匀,均优于单一起泡剂,满足工程要求。     

Q型聚类分析法在城市经济空间分区中的应用研究

为找出多个城市之间的比较优势和差距,为有关政策机构在制定政策时提供参考,采用Q型聚类分析法,以江西省为例,将其11个地级城市分成4个区域。这种方法对于研究区域经济将会有很好的借鉴作用和指导意义。     

基于关键本征模态函数的道路交通信号控制时段划分方法

交通信号控制是缓解城市交通拥堵的重要手段,时段划分是信号灯控交叉口多时段控制的基础,合理的划分方法有助于提高信号控制效率。对于固定配时的信号灯控交叉口,传统时段划分方法主要借助于路口历史交通流量数据,依据人工经验或者简单聚类算法,直接进行时段划分,未能充分考虑交通流的时序性和随机性问题,不利于交通控制整体效益。综合考虑交通流中随机因素和时序性对时段划分的影响,本文研究了基于经验集合模态分解和有序聚类的时段划分方法。利用集合经验模态分解处理交叉口流量数据,提取了若干个本征模态函数及1个余项。借助皮尔逊相关系数分析原始流量数据、本征模态函数、余项这三者之间的关系,优选与原始流量相关性最高的本征模态函数或余项作为交通流的关键成分,使用关键成分代替流量数据进行有序聚类,完成时段划分。通过寻找不同分割个数下最小损失值突变点,获取最佳分割数,并得到最佳方案。以广东省中山市一个路口为案例对本文提出的时段划分方法进行算例分析,VISSIM仿真结果表明：(1)相比于现状,提出的方法在工作日和非工作日分别能提高路口通过车辆数11.32%和2.62%,缩短排队长度18.67%和12.02%;(2)非工作日车...