基于港口群联合调度的防台锚地规模优化研究

为了丰富我国港口防台锚地规划研究、提升港口航运安全、进一步促进港口可持续发展,合理规划应急锚地容量,以船舶数量、靠港船型、锚泊面积及台风影响情况作为因素分析锚地需求,并以港口群联合调度为主要手段,考虑锚地建设成本、维护成本以及基于联合调度的船舶疏散避台航线费用,优化防台锚地建设面积,在保障整个水运系统安全的基础上,减少建设维护成本。以福建省沿海港口为实例的研究表明,在资源共享、联防联调的基础上,能够合理配置锚地资源,确定科学的防台锚地规模,保障福建航运系统安全。     

改进群智能优化算法的海上物流配送路径优化方法

传统算法过早陷入局部最优,不能考虑全局配送问题,导致海上物流配送成本偏高,因此研究改进群智能优化算法的海上物流配送路径优化方法。该方法根据海上物流配送约束条件,建立路径优化模型,利用改进群智能优化算法,进行全局域中混沌局部的同步搜索,实现海上物流配送路径优化。实验结果表明,此次研究方法的物流配送成本,比传统方法低了24 332元,可见此次研究的路径优化方法更好。     

智能网络海上船舶物流运输最佳航线选取模型

常规的物流运输航线选取模型无法获取实时天气及周边环境信息,导致绕避台风不及时。为此利用智能网络技术,设计海上船舶物流运输最佳航线选取模型。分析随机变量对物流运输路线的影响,利用智能网络获取船舶实时位置,计算航线运营成本,了解运输总需求,分析船型大小与其挂靠频率间的关系,选择合适的靠泊港口与靠港顺序,完成智能网络下海上船舶物流运输最佳航线选取模型设计。采用仿真对照实验,测试该模型应用效果。实验结果表明,将智能网络技术应用到最佳航线选取过程当中,能够实时获取相关信息,准确地制定船舶绕避台风方案,选择最为合适的物流运输航线,保证货物安全并准时到达。     

船舶混合电力推进系统设计及优化控制仿真

为改善带有储能系统的混合电力船舶推进系统能效,提出一种适用于混合电力推进船舶的控制策略,以锂电池组的荷电状态为状态参数,根据不同电力负荷下的负载变化趋势和柴油发电机组的最佳燃油消耗率曲线,实现多台组网工况下的最佳增减机控制及单台在网工况下的最佳负荷调整。仿真验证表明,通过控制在网发电机组台数及单台发电机组功率负荷,可以降低船舶混合电力推进系统的燃油消耗,改善柴油机工作效率。     

水下航行体拖缆盘绕器阻力特性分析及优化设计

水下航行体拖带电缆后,在航行过程中,为了提高外挂拖缆安装可靠性,减小拖缆盘绕器对航行体自身的航行姿态影响,须对拖缆盘绕器进行减阻设计。针对该减阻要求,在盘绕器圆形截面基础上,以迎流阻力最小为目标对其截面线型进行优化。通过采用CFX软件,对盘绕器航行过程中的阻力进行有限元仿真,计算出前后对称水滴型截面的盘绕器相对于圆形截面盘绕器减阻最大可达36.5%,减阻效果明显。试验结果也表明,前后对称水滴型截面盘绕器锁定可靠,解锁顺畅,从而验证了仿真结果。     

汽车整体式转向梯形机构仿真计算与优化

本文通过建立整体式转向梯形机构的简化的平面数学模型,确定了转向梯形的特性函数;通过推导外侧转向车轮的实际转角与转向梯形机构传动角的计算公式,建立了目标函数模型,确定了约束条件;通过对仿真结果进行分析,验证了优化设计结果的优点。     

结合集合点容量限制的舰船疏散网络最优路径选取方法

针对传统舰船疏散网络最优路径选取方法舰船疏散性能较差的问题,设计一种结合集合点容量限制的舰船疏散网络最优路径选取方法。基于无向二值网络,利用节点代表疏散通道交叉点、疏散集合点、疏散口、水密门、舱室等舰船疏散通道因素,构建舰船疏散网络结构模型,结合集合点容量限制构建流动约束对应函数、水密性对应函数,从而对舰船疏散网络结构模型的目标函数进行构建。根据构建的目标函数,利用蚁群算法实现舰船疏散网络最优路径选取。为了证明该方法的舰船疏散性能较强,将传统方法与该方法进行对比实验。实验结果证明,结合集合点容量限制的舰船疏散网络最优路径选取方法的舰船疏散性能优于传统方法,更适合进行舰船疏散网络最优路径选取。     

基于粒子群算法的船舶物流智能配送系统

当前船舶物流智能配送系统存在配送路径并非最优,配送效率低,导致船舶物流智能配送成本存在居高不下的缺陷。为了节约船舶物流智能配送成本,找到理想的船舶物流智能配送路径,设计了基于粒子群算法的船舶物流智能配送系统。首先对船舶物流智能配送系统的工作流程进行描述,并重点描述船舶物流智能配送路径优化问题,然后设计了一种改进粒子群算法,并采用它实现船舶物流智能配送路径的优化。最后的测试结果表明,本文船舶物流智能配送系统可以在用户规定时间内将需求的产品送到目的地,降低了船舶配送成本,不仅可以帮助船舶物流配送企业提高管理,而且船舶物流配送结果优于其他的系统。     

粒子群优化算法在港口船舶物流中的应用

传统的用遗传算法的港口船舶物流中存在逾期惩罚成本过高的问题,为此,提出粒子群优化算法在港口船舶物流中的应用。分析港口船舶物流影响因素并完成粒子编码,使得粒子位置与影响因素一一对应,计算多目标适应度函数,根据种群适应值均值调整目标粒子适应度函数,保证适应度函数最优,利用微粒迭代更新粒子的位置和速度,通过判断种群的收敛精度实现最优解的输出。实验结果表明,应用粒子群优化算法的港口船舶物流中逾期惩罚成本远低于应用遗传算法物流中的逾期惩罚成本,说明粒子群优化算法的应用有效地改善了逾期惩罚成本过高的问题。     

权重完全未知犹豫模糊混合集成算子的群决策方法及应用

在犹豫模糊环境下,针对评价属性权重和专家权重信息完全未知的情形,结合犹豫模糊混合加权集成算子,提出一种合理有效的群决策方法.首先,依据改进的犹豫模糊熵结合均熵求得决策者的客观权重,利用熵最小化原则和犹豫模糊指数熵确定评价属性的权重;接着,分别利用犹豫模糊加权算术平均算子和犹豫模糊混合加权算术平均算子对个体及群体犹豫模糊决策矩阵进行集结;然后,通过犹豫模糊得分函数实现方案的排序和择优;最后,把该方法应用在应急救援路径选择问题上,进而验证了所提群决策方法的有效性和实用性.