排序方式: 共有18条查询结果,搜索用时 0 毫秒
1.
针对海事公约、规则的变化,文章分析了航海技术专业毕业生适任性的主要影响因素,构建了航海技术专业毕业生适任性评价指标体系,运用模糊综合评判法建立毕业生适任能力量化评价模型,通过实例验证表明该模型的可靠性,可以为航运参与各方提供一些参考。 相似文献
2.
为实现舵角小、试验数据少条件下船舶操纵辨识建模, 提出了一种船舶操纵运动灰箱模型; 搜集水动力系数已知的船舶运动数学模型作为备选参考模型(RM), 计算被辨识船舶与备选RM的相关系数, 并以此筛选合适的RM; 运用相似准则将观测数据映射到RM的输入值域, 建立被辨识船舶与RM的运动关联, 获得了RM的加速度项, 并使用线性支持向量回归(LSVR)机补偿被辨识船舶和RM加速度项间的误差; 分析了机理模型, 设计了合适的LSVR输入项, 使用全局优化(GO)算法自动调节了LSVR的不敏感边界参数; 基于自航模试验数据训练了灰箱模型, 并与约束模试验(CMT)结果和计算流体力学结果比较, 验证了灰箱模型的泛化能力和预报精度。研究结果表明: 在20°船艏向、20°舵角Z形试验预报中, 灰箱模型所得第一超越角精度至少比CMT、虚拟约束模试验(VCMT)和RM方法所得结果高1°, 灰箱模型所得第二超越角精度至少比CMT和VCMT所得结果高0.4°; 在35°舵角旋回试验预报中, 灰箱模型所得进距精度至少比CMT、VCMT、数值循环水槽试验(NCWCT)和RM方法所得结果高1%, 灰箱模型所得战术直径精度比CMT所得结果低4%, 比NCWCT所得结果高10%;RM方法有助于灰箱辨识建模, GO算法能够优化LSVR的不敏感边界参数, 建立的单参数自调节灰箱辩识建模方法能够实现小舵角、少数试验条件下的船舶操纵辨识建模。 相似文献
3.
基于NURBS的三维船体曲面重构 总被引:1,自引:1,他引:0
针对重大件货仿真系统中船体曲面造型问题, 给出了基于NURBS (非均匀有理B样条方法) 技术重构船体曲面的主要步骤。对于给定的船舶型值点, 用累加弦长参数化方法构造节点矢量, 用非均匀有理B样条方法进行横剖线和水线的全局插值, 并构造出规整的船体曲面的插值点网格, 进而重构出以NURBS为统一数学表达式的船体曲面。仿真结果表明应用NURBS方法重构出的三维船体具有高度真实感。 相似文献
4.
基于NURBS的船体曲面自适应三角网格剖分 总被引:2,自引:2,他引:0
针对面向曲面的三维船体性能计算和真实感图形显示问题, 应用NURBS曲线、曲面理论, 提出一种新颖的船体NURBS曲面三角形网格自动生成算法, 运用四角编码方法和改进的曲面片平坦性检验方法, 保证在递归分割船体NURBS曲面时, 能够快速有效地分割出四边形网格, 在曲面片的高度方向和边界处同时满足给定的精度要求, 在此基础上, 应用割角剖分算法将一个四边形网格剖分成两个或多个三角形网格。应用结果表明, 应用该算法生成的三角形平面片能够较好地逼近船体曲面, 避免出现网格间的裂缝, 与二叉树、四叉树方法相比, 四角编码方法明显节省了时间和空间, 提高了算法效率。 相似文献
5.
针对海上船舶雷达在多目标跟踪过程中实时性较差和不能快速响应的问题,提出目前密集杂波情况下多目标跟踪中最为有效的数据关联算法——联合概率数据关联(Joint Probabilistic Data Association,JPDA)算法。为解决JPDA随着目标增多的情况会出现的组合"爆炸"及计算量较大导致跟踪实时性较差的问题,从分析联合概率数据关联确认矩阵着手,依据Hopfield神经网络在解决旅行商问题(Travelling Salesman Problem,TSP)时的思路,提出基于Hopfield神经网络联合概率数据关联(Hopfield Neural Network Joint Probability Data Association,H-JPDA)来改进联合概率数据关联算法,通过简化矩阵拆分过程,显著减少计算量,提高跟踪的实时性。基于上述改进的神经网络联合概率数据关联算法,通过MATLAB对多目标跟踪进行仿真,仿真结果表明该算法能提高跟踪的实时性和快速响应能力。 相似文献
6.
为了解决船舶轨迹数据的压缩问题, 提出了一种船舶轨迹在线压缩算法; 使用多次滑动推算船位判断方法清洗船舶轨迹, 使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点; 为了提高轨迹队列和路径树在内存中的查询速度, 使用哈希表对其进行管理; 为了验证提出算法的效果, 比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差, 采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明: 在压缩时间方面, 方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍, 说明提出的算法比其他2种算法的处理时间更短; 提出的算法在压缩过程中保留了时间信息, 平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下, 最大同步欧氏距离误差在压缩率为1%时仅有127 m, 而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制, 会随机变化; 在垂直距离误差方面, 提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下, 都能保证垂直距离误差小于20 m, 而方向保留算法的垂直距离误差会随机变化; 在显示效果方面, 提出的算法能有效清除轨迹噪声点, 压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见, 提出的算法能更高效地保留原始轨迹的形状和时间信息。 相似文献
7.
分析了船舶AIS数据的时间序列特征与船舶操纵特性, 提出了改进的Sliding Window在线压缩算法; 计算了277艘船舶总计1 026 408个坐标点的AIS轨迹数据, 确定了合适的压缩阈值, 分析了距离阈值与角度阈值对算法压缩率的敏感程度; 根据压缩率图像的阶跃点, 推荐了高、中、低3个档位的距离阈值和1个角度阈值, 对比了Douglas-Peucker算法和改进Sliding Window算法的压缩率与压缩效率。试验结果表明: 随着压缩率的提高, 压缩后所剩下的点越来越少, 数据所保留下来的有用信息也越来越少; 压缩率与距离阈值、角度阈值均呈正比; 经量纲为1化处理的高、中、低档位压缩距离阈值分别为43%、38%、33%船长; 距离阈值为130m时, 角度阈值超过9°后压缩率平稳, 所以推荐角度阈值为9°, 与《海港总体设计规范》 (JTS 165—2013) 中风流压差角8°相接近; 随着距离阈值的增大, Douglas-Peucker算法和改进Sliding Window算法压缩率趋于相近, 当距离阈值为120 m时, Douglas-Peucker算法压缩率仅比改进Sliding Window算法高1.74%;在5种距离阈值的情况下, Douglas-Peucker算法运行所用的平均时间是改进Sliding Window算法的5.39倍; 随着数据量的增大, 2种算法压缩效率的差距更加明显。可见, 改进的Sliding Window算法能在降低压缩风险的同时大幅提高压缩效率, 可以在数据持续更新的状态下一直保持压缩状态, 与普通压缩模式相比, 系统所占用的资源更少, 处理效率更高, 可用于船舶轨迹数据处理、电子海图显示与对船舶关键行为特征提取等方面。 相似文献
8.
目前,国内汽车修理业正处于竞争方式选择的十字路口,很多汽修厂都面临管理改进难、技术提升难、员工稳定难等问题,这些问题汇集在一起就导致企业盈利难。正如其他成熟行业走过的道路一样,汽修行业正在经历从混乱无序的价格竞争到服务、技术、管理和营销的竞争过程。当价格逐步下降到消费者趋于理性的时候,会有大量的汽修厂不适应,从而被市场边缘化。而抓住先机,储备了丰富技术、管理和先进营销理念的企业将赢得更多市场份额。 相似文献
9.
为解决装卸船载重大件货物时产生的船舶稳性下降、船体横倾过大等问题,在对重大件货物运输涉及的相关概念进行阐述的基础上,通过对比已有研究成果,运用船舶静力学原理,对装卸载荷时船舶稳性的计算方法进行总结比较,提出一种通用的船舶稳性计算方法。基于该方法,推导考虑吊杆仰角变化的船上重吊在装卸重大件货物时计算船舶初稳心高度及横倾角的方法。分析装卸重大件货物时影响船舶稳性及横倾的基本要素,提出调整船舶横倾的具体方法。以"大富"轮为计算实例,对该方法进行验证。由计算结果可知,计算精度到达实际生产要求,船舶初稳性的变化仅与吊杆的仰角有关,通过调拨压载水可调整由于装卸重物引起的船舶横倾。 相似文献
10.