解析模型预测控制在欠驱动船舶路径跟踪控制中的研究

从非线性、欠驱动、船舶模型参数易控制的欠驱动船舶路径跟踪入手进行问题研究,采用解析模型预测控制,利用单输入单输出系统,通过对时域上的性能函数求导求得最优控制律;然后利用无干扰情况的船舶模型进行最优控制律的简化;最后通过实验进行验证本文算法与带反馈的线性欠驱动船舶直线路径跟踪控制相比趋于稳定的时间要短,可靠性和收敛性更优。     

一种基于实时预测算法的船舶姿态控制器设计

在船舶研发和改进过程中,研究减摇设备是重要课题之一。传统减摇设备的滞后性导致其不能有效避免波浪引起的船舶侧翻等灾害,故本文设计一种基于实时预测算法的船舶姿态控制器。将不规则波分解为大量规则波叠加建立波面模型,分析波倾角并建立船舶的传递模型。基于卡尔曼滤波算法设计船舶的横摇预测系统,再以减摇鳍为核心设计姿态控制器,最后进行模拟仿真。结果表明,预测系统预测结果准确,预测值误差较小,姿态控制器减摇效果良好,浪向角120°下横摇角被控制在5°以内。     

4350标准箱集装箱船局部噪声控制初探

船舶噪声不仅影响船员的身体健康,而且影响船舶性能。国际海事组织发布《船上噪声等级规则》,该规则对船舶噪声提出更高、更严的要求。本文以4 350标准箱高速集装箱船为研究对象,对不符合噪声要求的区域提出改进措施,通过实船测量验证该船噪声等级已符合新规范要求。其改进措施可供其他船舶参考。     

“s”型覆岩空间结构的冲击地压危险区预测

基于微地震监测和覆岩空间结构理论，以山东华丰矿1410工作面为例，分析了“s”型覆岩空间结构的形成，利用理论方法和微地震监测预测并圈定了华丰矿1410工作面发生冲击地压的危险区域，研究了“s”型覆岩空间结构的冲击地压危险区分布规律，为现场预测和控制冲击地压灾害提供了理论基础。     

血管生成素-2对冠状动脉支架术后支架内再狭窄的预测价值

目的探讨血清血管生成素-2(Ang-2)对冠心病患者经皮冠状动脉介入治疗(PCI)术后支架内再狭窄的预测价值。方法入选113例冠心病患者成功置入单个药物洗脱支架,术后9~12个月复查冠状动脉造影,依据冠状动脉造影结果将患者分为支架术后再狭窄组和无再狭窄组,采用酶联免疫吸附法(ELISA)测定PCI术前及术后1周血清Ang-2浓度。结果支架内再狭窄组12例患者,无再狭窄组101例患者。再狭窄组和无再狭窄组术前Ang-2浓度[(849.6±234.6)pg/mL vs.(796.9±198.7)pg/mL]差异无统计学意义(P>0.05),术后Ang-2浓度[(629.7±137.3)pg/mL、(504.3±107.6)pg/mL]均明显下降,两组比较差异有统计学意义(P<0.05)。无再狭窄组术后Ang-2浓度降低更为明显,低于再狭窄组,差异有统计学意义(P<0.05)。结论 PCI术后Ang-2浓度均明显降低,且无再狭窄组降低更明显,推测Ang-2与支架术后再狭窄相关,可作为预测PCI术后支架内再狭窄的参考指标。     

量子神经网络技术在船舶电力系统中的应用

短期负荷预测是一种电力系统优化调度工具。其不仅可为电网调度及发、供电计划提供有效的指导,而且可以保障电力系统安全和高效的运行,达到节约经济的目的。本文在分析影响船舶电网短期负荷的因素基础上,提出基于量子神经网络技术的船舶电网短期负荷预测法。     

多元评价体系组合模型在铁路隧道变形预测中的应用

为克服传统预测模型结构单一、预测精度及稳定性不足等缺陷,提出多元体系组合预测模型的建模思路。首先,基于支持向量机、BP神经网络及ARMA模型3种单一预测模型,构建铁路隧道变形预测体系;再以均方根误差、误差平方和及平均绝对误差等为评价准则或指标,构建各预测结果的误差评价体系,求解各单项预测模型的权值贡献指数,得到最优组合权值;然后利用后验差检验、残差检验和关联度检验构建预测精度校验体系,对组合预测结果进行检验,评价预测模型的有效性;最后,结合工程实例,对多元体系组合预测模型在特大断面隧道中的变形预测效果进行检验。结果表明:多元评价体系组合模型预测相对误差值均小于2%,具有较高的预测精度,且较单一预测模型具有更高的预测精度,也一致通过相关检验,验证了多元体系组合预测模型的有效性。     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。     

基于人工神经网络的软土地基沉降预测技术研究

针对软土地基大变形沉降预测,引入人工神经网络预测技术,通过增加权值调整时的动量修正量对传统BP模型的算法进行改进,使其更加适应对于软土地基沉降的预测。以天津滨海地区围海造陆工程为例,选择吹填过程中吹填土的原始标高、含水量、塑性指数以及吹填土地基加固后的土体含水量和强度为输入量对吹填土地基的沉降量进行预测。预测结果显示预测值与实测值误差在15%以内。     

基于 EM D桘BPN 方法的高速铁路短期客流预测

高速铁路短期客流预测是铁路运输系统的重要组成部分。无论是对列车开行方案的制定,还是对如何采取正确的营销策略,都具有重大的现实意义。通过混合经验模态分解方法和神经网络方法相结合的EMD-BPN方法来预测高速铁路短期客流量。组合方法主要分为三步：首先,使用经验模态分解方法将客流时间序列分解;其次,将IM Fs作为BP神经网络的输入;最后,应用神经网络对客流量做出预测。数值实例表明,该方法对于高速铁路短期客流预测在精度和稳定性上都有良好的表现。