信号交叉口多目标动态决策模型及其优化方法

以减少机动车在交叉口的延误时间和尾气排放为目标,针对目前交通信号控制模型中普遍采用单一目标进行求解的问题,以非饱和交叉口为研究对象建立了信号交叉口多目标动态决策模型(MODD模型),对信号周期时长、绿信比和相序3个信号配时参数同时进行优化,提出交叉口多目标评价满意度函数,制定交叉口信号控制决策准则并应用混合遗传算法求解最优决策变量.算例的求解结果显示,混合遗传算法能够均匀地逼近Pareto最优前端,多目标优化方法更能减少车辆在交叉口上的停车延误和停车次数,对单交叉口信号配时有理论指导和应用价值.     

基于粒子群算法的导弹初始备件优化配置

从备件的优化配置出发,建立了在费用和装备完好率共同约束下的备件优化模型。利用收敛速度快、全局寻优能力强、编程实现简单的特点,粒子群算法应用于该模型的求解,得到导弹初始备件的最优配置。案例分析结果表明了粒子群算法解决该问题的有效性。     

保障使命任务分解与流程集成方法研究

保障使命任务分解是保障流程分析与建模的基础,运用美国国防部体系框架（Department of Defense Architecture Frame—work,DoDAF）,给出了体系使命分解的原则与建立保障任务静态模型的方法,在任务分解的基础上,建立了保障任务静态模型,提出了基于Petri网的保障体系集成建模方法,给出了模型的概念视图,介绍了流程动态规划模型的建立方法,运用上述模型与方法对实际案例进行分析与应用,验证了模型和方法的有效性。     

基于D＊算法方向指针的水下远程武器航路规划方法研究

远程武器航路规划的目的是使引导远程武器追踪并攻击目标。当攻击运动目标时,通常采用的处理方法是将运动目标航迹分解为多个静态目标来规划,但该种方法会出现计算周期长、盘旋重复运动等问题。针对上述问题,该文设计了一种基于D＊算法方向指针的动态规划方法,可大幅减少计算量和避免盘旋运动问题的发生,并且通过模拟仿真,验证了该方法的有效性。该方法可为远程武器的有效运用提供重要参考价值。     

基于重叠网格的某新型舟桥数值模拟

采用RANS方法和重叠网格计算了带自由液面的全航速范围内桥脚分置式门桥绕流问题.自由液面的模拟采用单相Level-Set方法,Reynolds应力采用k-ω模型,采用PISO算法求解RANS方程,获得门桥阻力、波型等参数.简要描述了重叠网格及单相Level Set自由液面模拟方法.通过对桥脚分置式门桥在全航速范围下数值求解与试验结果比较,结果表明本方法可有效模拟全航速下的门桥绕流问题.     

多跳水下传感器网络中的功率分配算法

水下无线传感器网络的研究越来越受到学术界的重视,其典型特点是能量和带宽有限.多数水下无线传感器网络的应用都可以归结为参数估计问题.本文针对多跳水下无线传感器网络,对递进式的分布式参数估计算法进行了性能分析.在此基础上,利用交替最小化方法得到功率分配方案,目标是在给定的均方误差性能要求下,使得网络消耗的总功率最小.     

基于卷积网络与自适应SVM的齿轮箱故障诊断

针对齿轮箱运作过程中故障诊断效果不理想的问题,提出了一种卷积神经网络(CNN)与粒子群优化的支持向量机(PSO-SVM)方法.首先利用特征参量求出信号的时频特征统计量,其次利用卷积神经网络对时频特征统计量进行二次特征提取,最后利用粒子群优化的支持向量机进行分类.经实验验证,此方法准确率不仅高于其他经典网络模型,而且训练...     

捷联惯性姿态测量系统的扩展遗忘因子递推最小二乘算法研究

在实际大型动态测量船动态变形测量应用中准确确定捷联惯性姿态测量系统噪声模型和相关性比较困难,采用常规卡尔曼滤波(KF)会导致较大的状态估计误差,甚至使滤波器发散.针对这一问题,在分析扩展遗忘因子递推最小二乘(EFRLS)算法的稳定性基础上将EFRLS估计误差与带系统相关噪声的卡尔曼滤波器估计误差进行了比较,并针对大型测量船动态环境采用EFRLS算法对变形参数进行了估计,仿真结果验证了EFRLS算法在噪声信息未知情况下的有效性.     

船体零件智能优化排样系统的设计研究

针对船体零件的排样问题,开发了基于智能算法的板材套料优化排样系统。该系统采用粒子群算法,并将免疫记忆和浓度机制引入算法提高了零件的排序优化速度。通过零件图形信息数据库管理模块和排样解码算法,实现图形的输入和编码、定位排放和正交靠接及自动计算生成最优排样结果。排样实例表明了该系统具有良好界面和人机交互功能,且有效提高了排样自动化程度和材料利用率。     

粗糙集-BP神经网络组合在PSC选船模型中的应用

本文以欧盟最新港口国监督法令(2009/16/EC)巴黎备忘录目标船选船机制(NIR)为研究对象,提出基于粗糙集和BP神经网络组合算法的PSC的新选船模型。研究结果表明:该算法有效结合粗糙集理论与BP神经网络的优点,属性约简科学合理,避免选择评价因素的主观影响,简化了网络结构。