舰船惯导航行数据的重构及混沌特性分析

针对现有舰船航行数据处理研究中,对数据内在属性及不同数据间相关性研究不够深入的问题,应用不同方法对舰船惯导航行数据进行了相空间重构及比较分析。分析结果表明,C-C方法对船舶惯导航行数据的重构效果较好。在此基础上,进行了惯导数据的混沌特性定性分析,并计算了惯导数据的最大Lyapunov指数,对舰船惯导数据进行了混沌动力学特性研究。分析结果证实了舰船航行数据具有较为典型的混沌特性,为进一步研究采用混沌控制等方法对舰船航行中的混沌状态进行控制提供必要的数据基础和比较依据。     

基于Duffing-Holmes混沌振子的微弱信号检测方法

通过对混沌振子Duffing-Holmes方程及其检测原理的介绍,发现混沌振子对周期小信号具有敏感特性,能够在强噪声环境下实现对微弱周期小信号的检测.Matlab实验仿真和分析证明了采用混沌振子Duffing-Holmes检测微弱周期小信号的可行性.     

直接序列扩频信号干扰技术研究

直接序列扩频信号在军事通讯中具有广阔的应用前景。针对直接序列扩频通信系统扩频码本身的特点,从理论上推导得出了直接序列扩频信号的时频特性和参数估计。分析了噪声干扰技术和回波模拟技术。通过计算机仿真,对比了样式相同而不同干扰功率情况下直接序列扩频通信误码率,其仿真结果验证了理论推导的正确性。     

综合运输体系下的客运流量分离模型及算法研究

分析在多种运输方式存在情况下乘客的交通选择行为,并基于随机用户平衡理论和混沌理论构造了综合运输条件下的交通方式分离模型及求解算法。最后以北京到天津的客运市场为例,分析了各种社会因素变化时,不同交通方式的客流变化情况。     

新冠肺炎疫情对港口散杂货吞吐量的影响及建议

新冠肺炎疫情全球蔓延导致我国外贸环境显著变化，对我国海运运输产生重要影响。为补充散杂货领域的研究空白，本研究以我国重要枢纽港口广州港为实例，基于广东省疫情和实际生产数据，应用时间序列模型进行预测与分析。实证结果表明：地区疫情强弱程度能够在港口吞吐量上反应且无明显滞后现象，并且，各细分货类的吞吐量变化较大，且影响因素较为复杂，可分为政策因素、价格指数、运价指数、国内外供需关系四大类。最后对后疫情时代的港口散杂货业务发展策略、货类管理办法提出对策建议。     

基于混沌蜂群算法的USV路径规划

针对多障碍物环境下,传统智能算法容易过早收敛、搜索精准度差等问题,为提高路径规划准确性,获得最佳路径,避免碰撞发生,提出一种基于人工蜂群算法的水上无人艇路径规划方法。通过栅格法建模,以无人艇目的地为蜜源,在蜂群信息交换阶段,采用混沌序列产生初始化雇佣蜂,跳出局部最优。与传统人工蜂群算法进行对比,仿真结果表明,混沌蜂群算法在路径优化方面更能找到全局最优路径。     

考虑油膜力-碰摩力耦合的双盘转子系统动力学行为

考虑非线性油膜力-碰摩力耦合的双盘转子-轴承系统动力学模型.采用四阶Runge-Kutta法对该系统进行数值求解,结合相图、poincaré映射图、分岔图、最大碰摩力图,着重分析了转速和润滑油粘度的变化对系统响应及稳定性的影响.结果表明:不同转速下系统会出现多周期、概周期、混沌等复杂动力学行为.在低转速下,系统经历Hopf分岔进入概周期运动;中速阶段,系统会产生阵发性混沌运动,并历经逆倍周期分岔及Neimark-Sacker分岔进入概周期运动.润滑油粘度的增大,能够提高系统的稳定性,降低转子与定子间的最大碰摩力,使阵发性混沌区域逐渐后移且缩小.     

地铁闸机扇门机构故障时间序列预测研究

基于CNN+ LSTM混合神经网络构建故障时间序列预测模型，利用某型号地铁闸机扇门机构的故障数据进行实例分析，并与ARIMA、CNN和LSTM 3种单一预测模型对比。结果表明:CNN+LSTM混合神经网络模型的预测准确性较高，具有良好应用前景，研究成果可用于支持地铁闸机维修计划的制定和优化。