基于自动深度学习盾构掘进姿态预测与控制

提出了基于自动深度学习（AutoDL）算法和多目标优化算法的结合可实现数据驱动的姿态偏差控制指导,用于盾构掘进姿态的预测与控制,以解决现有盾构掘进姿态预测中所面临的执行难度高、成本高、效率低等问题,可用于自动精准地预测盾构掘进姿态随着工程进展的动态变化趋势,并针对盾构机施工状态执行多目标优化算法,快速自动搜寻最优策略,实时调整合适的盾构操作参数,减少对于现场操作人员经验和主观判断的依赖。以上海市天然气主干管网崇明岛-长兴岛-浦东新区五号沟LNG站管道工程隧道A线工程为例,展示该算法框架的优越性。研究结果有助于降低深度学习进入盾构智能控制领域的门槛,推动智能盾构发展。     

电动汽车锂离子电池荷电状态估算方法研究

电动汽车动力锂电池内部充电状态的评估是电池管理系统状态评估模块的核心。不能用仪器直接测量,只能通过测量蓄电池的外部电流、电压等参数进行评估。准确评估充电状态对于控制电池寿命、功率和安全性非常重要。根据算法的不同,分为传统的开路电压法、电流积分法、基于数据传输的机器学习阻抗法、基于模型的卡尔曼滤波算法、粒子滤波算法和融合算法。介绍不同评估算法的计算原理,分析比较了不同评估算法的计算复杂度和精度。针对当前锂离子电池充电评估研究中存在的问题,指出锂离子电池充电评估的研究方向和未来发展方向是更具通用性、更高精度和更好实时性的多种评估方法。     

Two-Phase Algorithm for Multi-warehouse and Multi-task Based Logistics Delivery

To a scaled logistic company, assigning is an important part of logistic, and further development will make the optimized assigning of multi-warehouse and multi-task possible. This paper provided a two-phase multiwarehouse and multi-task based algorithm which has two phases. In the first phase, it combines sweep algorithm,saving algorithm and virtual task point to present a method. And in the second phase it provides an algorithm for the arrangement of goods loading which is based on the constraints of time-window and attributes of goods and vehicle. It uses the computing results of the first phase to form more detailed delivery scheme based on the constraints of time-window and attributes of vehicle and goods.     

基于蚁群算法的船舶件排样研究

针对船舶件排样问题,提出一种应用蚁群算法优化求解船舶件排样问题的方法.提出船舶件图形编码和预处理的方法,利用组合和填充的方法把船舶件排样问题转化为正交矩形的排样问题,使用剩余矩形匹配法和正交靠接算法完成自动排样.根据提出的求解算法,给出具体的实例,排样结果证明了用蚂蚁算法求解船舶件优化排样问题的可行性.     

基于Apriori算法的机动车保险欺诈索赔的关联度分析

在保险行业中,保险欺诈是当前存在的普遍现象。然而,在保险的全部险种里面,机动车车险欺诈是保险欺诈的高发区之一。本文基于25项特征指标,应用车险欺诈关联分析模型对某保险公司欺诈识别系统数据进行了分析,得出黑色样本的频繁项集,并且在白色样本中进行验证,确定了它们之间的具体关联规则,识别出欺诈索赔事件,得到灰色样本的欺诈率。研究结果表明,总理赔样本的欺诈率为37.527%。     

铺管船锚泊定位系统优化设计研究

分析了铺管船锚泊定位系统的结构和它在海洋中的受力情况,研究了锚索悬链状态的特性.提出了锚泊定位系统的二次规划优化算法.目标函数定义为受力锚索的拉力的两两水平力差的平方和,受到线性等式或不等式锚索拉力的约束.求解采用Lagrange乘子法或凸二次规划的互补主元法.用面向对象的VC++工具开发了锚泊定位系统软件.对某铺管船的锚泊定位系统实例进行优化计算,得到满足环境力条件下锚索所承受的力和锚点位置,达到了设计要求.     

基于LM-BP神经网络的沿海港口吞吐量动态模拟与预测

根据港口吞吐量与经济发展之间存在的非线性映射关系,引入结合LM(Levenberg-Marquardt)优化算法的BP神经网络,并将其应用于我国沿海港口吞吐量的动态模拟与预测.通过与BP算法的仿真结果比较分析,发现新算法具有训练速度快、预测精度高的特点.     

多子阵SAS非Stop-and-Hop近似RD成像算法

本文分析了Stop—and—Hop近似不成立条件下的多子阵合成孔径声纳系统数学模型,提出了适用于Stop—and—Hop近似不成立条件下的多子阵合成孔径声纳RD成像算法,仿真试验结果证明新方法是有效的。     

发动机液压悬置低频模型参数识别方法的研究

根据悬置低频振动模型,提出了基于DE算法的发动机液压悬置模型识别方法,由简单的低频正弦激振试验直接估计模型的关键参数值,完成模型的参数识别。基于上述理论和试验相结合的模型识别方法可以代替组件试验,识别结果可直接用于复杂结构悬置元件的动特性预测和整车NVH性能研究。     

多Agent粒子群算法在船舶电力网络重构中的应用

根据船舶电力系统自身所具有的特点,结合智能控制算法以及多Agent技术在电力系统的应用,本文提出了一种基于粒子群算法的多Agent船舶电力系统网络重构思想,建立一种与之符合的拓扑模型以及数学模型。在粒子群法的基础上,给出多Agent系统的全局最优解,实现网络重构供电最优,并通过相应的算例进行验证分析。