基于有限元法的耙齿土壤切削仿真

针对耙吸挖泥船耙齿切削土壤的问题,提出了基于有限元的数值模拟方法。建立了耙齿和土壤的三维力学分析模型,充分考虑到土体的黏塑性并将修正的Drucker-Prager土壤模型作为土体的非线性有限元模型。利用LS-DYNA软件的动态显式算法对过程进行模拟,分析了不同切削深度以及不同切削速度下所得到的切削阻力,并通过理论方法对结果进行对比分析,验证了ALE(Arbitrary-Lagrange-Euler)算法在切削大变形问题上的可靠性,为耙齿进一步研究奠定基础。     

基于WTRP网络的自适应令牌传递算法

针对WTRP网络中令牌只能按节点地址依次传递的现状,论文提出一种新的令牌传递算法,能够根据网络中各节点的报文负荷情况,动态调整令牌在逻辑环上的传递顺序,最大限度地减少令牌在逻辑环上空传的次数.OPNET仿真结果表明,该算法提高了网络吞吐量,降低了报文丢失率,减少了平均服务延时,优于WTRP协议原有的令牌传递算法.     

实值否定选择算法的优化研究

针对传统的否定选择算法和V-detector算法存在的"黑洞"以及检测器冗余问题,论文提出了优化算法。在检测器生成阶段,候选检测器与自体数据和成熟检测器同时进行耐受训练,比较结果确定检测器半径,减少检测器的重复覆盖;在检测器成熟阶段,计算自体重复覆盖率剔除完全被覆盖的检测器,克服了"黑洞"及冗余问题。最后,通过Iris数据比较了三种算法。实验结果显示,改进算法的检测器数量大幅减少,利于实践应用。     

陆战场 ISR 无人机威胁分析及其评估模型研究

分析陆战场中情报、监视和侦察（IS R ）无人机的威胁影响因素及其特点,构建了IS R无人机威胁评估指标体系,利用遗传算法优化了BP神经网络评估模型,针对ISR无人机的威胁进行评估分级,仿真结果实际可行,为陆战场中无人机的编队模式和航路优化提供了可靠依据。     

基于MLPG法的船舶结构无网格自适应分析技术

研究船舶结构无网格自适应分析方法。首先运用无网格局部Petrov-Galerkin法,采用最小二乘法和加权余量法来求解结构位移场量的逼近函数,并给出问题的控制方程和刚度方程的一般表达式;然后采用Delaunay三角化细分方案对方程进行自适应计算;最后对船舶实肋板和带裂纹板进行应力分析计算,并通过与有限元法的计算结果进行比较,验证文章提出方法的有效性。     

基于入侵野草优化算法的粒子滤波算法

入侵野草优化(IWO)算法是近年来提出的一种简单、有效的基于种群的新颖数值优化算法,在许多领域得到成功运用。将IWO算法与粒子滤波(PF)算法相结合,提出一种基于IWO算法的粒子滤波算法(IWOPF)。该算法将IWO算法运用于粒子滤波的重采样中,以保证粒子的有效性和多样性。最后通过计算仿真验证该算法的有效性和优越性。     

基于无线传感器网络的运动目标检测动态聚类图

有效的目标跟踪需要积极的传感器节点对运动目标群实行跟踪。与单目标跟踪相比,聚类在效能上有显著提高。本文提出准确的相干和非相干运动模式下目标的聚类,采用隐式动态时间框架来评估在创建连接组件加权图的目标关系史。该算法采用目标跟踪中定位算法的关键特征,即估计当前和预测的位置来确定移动目标的方向和距离的关系。模拟结果显示,通过动态调整历史窗口大小和预测目标之间的关系,可以显著提高聚类的准确性并减少运算时间。     

基于计算流体动力学的最小阻力船型自动优化

基于计算流体动力学(CFD)理论,利用i SIGHT优化设计平台构建一种船型自动优化方法。该方法集成船型变换及自动生成技术、CFD技术及优化算法。优化过程中,编制船型参数化融合模块实现船型变换与SHIPFLOW软件输入数据间的自动连接;采用遗传算法与二次序列规划法相结合的组合优化方法实现从全局探索再到局部空间寻优的整个流程。以某双艉集装箱船为例,优化后船体兴波阻力明显下降,总阻力也得到显著的改善,获得了设计航速下总阻力最小的船艏与船艉线型组合,表明了该方法的可行性与有效性。研究显示,所提出的方法可以获得阻力性能优良的船体型线供设计者参考,具有较强的工程适用性,在基于CFD的船型自动优化方面具有广阔的应用前景。     

基于改进TRL校准算法的二极管参数测量

加载二极管的频率选择表面和能量选择表面(以下统称"自激励表面")具有自适应的防护特征,能够防护强电磁攻击。二极管本身参数的测量是自激励表面设计中重要的环节,准确测得二极管特征参数对于设计出满足需求的防护表面至关重要。介绍传统去嵌入法,针对传统去嵌入法存在校准件制作精度要求高、相位延时有范围的缺点,改进了用于二极管参数测量的去嵌入算法;测量几种不同PIN型号的二极管,通过对比PIN参数手册与测试结果,验证了测试方法的有效性。     

基于Q学习算法的摘挂列车调车作业计划优化

针对摘挂列车编组调车作业计划编制问题,基于强化学习技术和Q学习算法,提出1种调车作业计划优化方法。在表格调车法的基础上,将调车作业计划分为下落和重组2个部分。通过动作、状态和奖励3要素构建调车作业问题的强化学习模型,以调车机车为智能体,以车组下落的股道编号为动作,以待编车列的下落情况为状态,形成车组挂车、摘车具体条件和车辆重组流程,并依据车组下落的连接状态和车辆重组后产生的总调车程设计奖励函数。改进Q学习算法求解模型,以最小化调车程为目标,建立待编车列与最优调车作业计划之间的映射关系,智能体学习充分后即可求解得到最优的调车作业计划。通过3组算例对比验证本方法效果,结果表明:相较于统筹对口法和排序二叉树法,本方法使用的股道数量更少、调车作业计划更优;相较于分支定界法,本方法可在更短时间内求解质量近似的调车作业计划。因而,本方法有助于提高车站调车作业计划编制的智能化决策水平。