北亚得里亚海集装箱港口群市场前景分析

欧洲发达市场是全球集装箱海运重要板块,对其市场发展潜力分析是中资企业参与欧洲集装箱港口投资的必要前提。集装箱港口市场发展潜力受多种因素影响,以腹地生产法进行市场预测是当前的主流方法,但该方法主要以外贸需求作为变量,存在片面性。针对当前海外港口集装箱市场分析中存在的问题,提出最优路径模型下港口集装箱市场规模预测,并以亚得里亚海北部港口群作为典型案例予以说明。分析表明,最优路径模型在大范围集装箱港口市场规模分析中具有较好的适应性,能够为投资决策提供参考。     

典型工况下的燃料电池船舶复合储能系统设计

针对燃料电池船的电能质量品质不高、蓄电池使用寿命短等问题,设计了由超级电容、磷酸铁锂电池组成的复合储能系统,并提出了基于功率分流式的能量管理策略。在MATLAB/Simulink环境下建立系统仿真模型,并采用自适应粒子群算法调用仿真模型,对复合储能系统的容量配置与能量管理策略的参数进行联合优化。仿真结果表明：优化后的复合储能系统可以满足船舶典型工况需求,并且能够缓冲负载波动对燃料电池与磷酸铁锂电池的冲击,使燃料电池工作在高效率区间,机动工况下船舶能量效率提高了3.17%;磷酸铁锂电池的充放电过程得到优化,能延长其使用寿命;母线电压波动减小,提高了电能质量。     

基于双线性递归神经网络的交通流量预测方法

为了提升城市道路智能交通控制和管理的合理性和有效性,从交通流时空特性角度出发,提出基于优化双线性递归神经网络的城市道路交通流量预测方法。该方法有效结合双线性多项式快速准确求解和递归神经网络的动态校准的特点,采用粒子群算法实现冗余神经元和权值的动态剪枝过程,提升了算法的收敛速度和预测精度。采用视频数据对算法进行训练和实验,并进行对比分析。结果表明：该方法能够实现对道路交通流量的准确预测,交通流量预测精度达到90％以上,满足实际交通管理和控制的数据精度要求,同时算法的收敛速度也有明显的改善。     

基于SAPSO-BP网络模型的港口潮汐实时预报

为了提高港口码头潮汐预报的精度,提出一种自适应变异的粒子群优化算法SAPSO,将SAPSO优化算法与BP神经网络结合,用以潮汐水位的实时预报。SAPSO-BP网络模型运用自适应变异的PSO算法优化BP神经网络的网络参数,克服了传统BP神经网络所具有的对初始权值阈值敏感、容易陷入局部极小值的缺点,最后选用Isabel港口的实测潮汐值数据进行潮汐水位的实时预报仿真试验,用以验证SAPSO-BP预测模型的实用性和可靠性。     

船舶电力系统无功优化过程的自适应粒子群算法应用

随着现代船舶工业的需要,船载用电设备的数量越来越多,船舶电力系统的容量也越来越大。船载用电设备在提高船舶自动化水平的同时,也对船舶电力系统的稳定性、安全性、节能性等提出更高要求。其中,船舶电力系统网络的无功损耗问题一直是相关领域的研究重点。电力系统的无功优化是指当系统的结构参数、负载等保持不变的情况下,通过改善船舶电力系统电源的电压等参数,调节电网的潮流计算,无功优化对提高船舶电力系统的供电效率,降低事故发生率等有重要的作用。本文系统的介绍了自适应粒子群算法,并将该粒子群寻优算法应用到船舶电力系统的无功优化过程中,对于改善电力系统的无功优化过程有重要的意义。     

水下群桩局部冲刷坑特性试验研究

为了研究桥墩横向间距和水下群桩的布置形式对局部冲刷坑特性的影响,通过在水槽模型中进行冲刷试验,得到不同情况下桥墩局部冲刷坑特性变化情况。试验结果表明:距离很近的两个桥墩局部冲刷坑特性不同于单一桥墩的情形。为了避免因桥墩相互作用而导致局部冲刷深度的增加,两个桥墩横向间距Zc应大于8倍桥墩直径。且当群桩间距Zc取6倍桩径时,梅花形群桩的抗冲性能优于行列形。     

等效阻力法在感潮河段桥墩群概化中的运用研究

在经过率定和验证的长江下游感潮河段大范围二维潮流数学模型上,采用等效阻力法概化了苏通大桥桥墩群,指出运用该方法时需要注意的地方,同时给出了桩群概化的具体步骤,并分析了该方法的运用效果。研究结果表明,等效阻力法概化的桥墩群不会对大范围水动力(水位、流速及分流比)产生影响,仅桩周附近存在微小失真,可为感潮河段类似工程的桥墩群概化提供借鉴。     

基于改进粒子群优化算法的船舶纵向运动参数辨识

针对粒子群优化算法易于陷入局部最优的缺点,提出了一种改进的粒子群优化算法,并将改进的算法应用到船舶纵向运动模型的参数辨识。对辨识结果进行了验证,表明,利用改进的粒子群优化算法有较快的收敛速度和稳定性,辨识获得的水动力参数计算的结果误差均在允许范围内,得到的纵向运动的状态参数与理论观测值吻合度较高,辨识算法有效可行。     

防空兵群指挥员综合素质模糊评价

根据人工神经网络的理论,利用BP神经网络建立了防空兵群指挥员综合素质的模糊评价模型,通过仿真和实例验证模型评价的有效性。     

水下潜器改进S面控制及控制系统仿真(英文)

S surface controllers have been proven to provide effective motion control for an autonomous underwater vehicle (AUV). However, it is difficult to adjust their control parameters manually. Choosing the optimum parameters for the controller of a particular AUV is a significant challenge. To automate the process, a modified particle swarm optimization (MPSO) algorithm was proposed. It was based on immune theory, and used a nonlinear regression strategy for inertia weight to optimize AUV control parameters. A semi-physical simulation system for the AUV was developed as a platform to verify the proposed control method, and its structure was considered. The simulation results indicated that the semi-physical simulation platform was helpful, the optimization algorithm has good local and global searching abilities, and the method can be reliably used for an AUV.