基于SPOC和翻转课堂的“船舶货运”混合式教学实践

基于小规模限制性在线课程(SPOC)和翻转课堂的互补性,结合国家级线上线下混合式一流课程“船舶货运”的建设,着力构建“课前SPOC+翻转课堂+移动课后”的闭环混合式教学模式,并开展教学应用改革与实践。课程实践表明,基于SPOC和翻转课堂的“船舶货运”混合式教学,能够引导学生通过课前SPOC发现问题,然后带着问题参与翻转课堂教学,进而培养学生创造性解决问题的能力,从而实现线上SPOC和线下翻转课堂的相辅相成有机结合,提高“船舶货运”课程的教学效果。

重整加热炉95+技术节能改造分析

重整加热炉是石化生产的主要设备,提高加热炉的热效率能够有效降低企业能耗和相应成本,达到节能降耗的目的。结合某企业石油化工转化装置在停产大修期间进行的重整加热炉95+技术改造工程,讨论反辐射节能涂层、烟气余热回收、换热改造等95+高效超净加热炉节能技术的应用,比较优化改造前后加热炉的运行状况。研究表明,重整加热炉95+技术能够有效提高装置的热效率。

党的二十大精神融入高校学生学业评价改革的思考及探索

党的二十大报告对建设高质量的教育体系具有重大指导意义。推进教育强国建设,高校需要在注重学生创新创业能力培养基础上开展学生学业评价改革。由于传统的学业评价方式过于侧重学科知识和技能的测量,故应从多方面提出了优化学生学业评价改革的相关策略,包括优化教学设计策略、提供多元化评价方式等,着重激发大学生创新意识和创造思维,为推进我国实现第二个百年奋斗目标不懈努力。

ChatGPT对航海类专业教育带来的影响与挑战

随着人工智能技术飞速发展,大规模语言处理模型ChatGPT横空问世。为推动融合人工智能技术的航海类专业人才教育培养体系的发展与革新,本文分析ChatGPT对我国航海教育发展带来的潜在影响以及挑战,并提出了相应的对策,以期切实推动航海专业教育体系稳步改革,进一步培养适应人工智能时代背景下的航海专业人才。

基于变结构径向基函数网络的船舶运动预测PID控制

针对船舶在海上运动的大时滞和动态时变等特点,提出基于一种变结构径向基函数(RBF)神经网络的预测PID控制器.通过建立反映系统动态变化的滑动数据窗口,在线序贯学习窗口内的数据,动态调整隐层节点与隐层至输出层的连接权值,得到结构可自适应变化的RBF网络.将该变结构RBF网络用于预测PID控制器中系统状态的在线多步预测,通过得到的预测模型灵敏度信息在线调整PID控制器参数以控制系统的输出.将该控制器用于船舶航向跟踪控制的仿真实验,结果表明该控制器具有良好的的适应性和鲁棒性.

船舶推进系统中的涡轮机械性能优化与仿真分析

针对船舶推进系统中的涡轮机械,通过建立涡轮机械的数学模型,采用计算流体动力学方法对其进行数值模拟,分析其内部流场特性和性能参数。在此基础上,运用多目标优化算法优化涡轮机械的关键几何参数,提高其效率和可靠性。经仿真验证,优化后的涡轮机械性能得到明显改善,可为船舶推进系统的优化设计提供重要参考。

航海类专业本科生科技素质教育的履约思考

论述STCW公约马尼拉修正案对海员及航海教育提出的新要求,指出航海院校应积极开展航海类学生的科技素质教育,提出通过科学思维方式、实践能力、创新能力三个方面培养和提高航海类专业学生的科技素质。

新工科背景下工程教育与航海教育的融合发展模式研究

在新工科和教育供给侧改革的背景下,研究了面向工程教育认证的航海教育融合发展模式。文章首先分析了工程教育和航海教育的共通性和互补性,提出了航海特色教育和工程教育专业认证融合模式下的卓越人才培养方案,进而以广东海洋大学航海技术专业卓越班为例探析了基于校政行企的航海卓越协同育人模式和面向工程教育认证的课程融合模式。

“互联网+”背景下“航海雷达”课程思政混合教学模式探讨

以航海技术专业专业核心课程“航海雷达”为研究对象,围绕课程目标,探索在利用互联网信息技术的混合教学模式中,针对不同的思政主题,通过问题导向、分组讨论等教学方法,将科学精神、家国情怀、社会责任感、职业道德等思政元素与教学内容有机结合,实现传道授业和价值观引领、显性教育和隐性教育高度融合的课程思政教学。课程考核结果及学生对课程教学过程的参与度调查表明了课程思政教学改革的有效性。

航海雷达线上移动混合教学模式研究与改革实践

航海雷达课程是航海技术专业人才培养方案中的专业核心课,课程教学质量对于专业人才的成功培养十分重要。但在新冠疫情期间的课程教学中,发现存在学生线上学习效果较差、理论学习与实践脱节、考核方式偏重于知识评价体系等问题。针对问题,基于课程线上教学平台结合问题导向、案例教学、同伴教学、虚拟仿真等多种手段进行线上课程移动混合教学模式的改革。改革后的课程考核结果及学生对课程教学过程的满意度验证了教学改革的有效性。

分级变异的动态克隆选择算法

基于浮点数编码,提出一种分级变异的动态免疫克隆选择优化算法.根据抗体的亲和度将种群分解为3个子种群,分配以不同的搜索任务,实施不同的变异策略.在进化过程中动态改变种群规模、克隆规模和变异参数,从而加快了全局搜索速度,提高了局部搜索精度.对5个复杂函数的优化仿真实验表明了该算法的有效性.

基于BP神经网络的船舶号灯识别模型与仿真

建立基于误差反传神经网络的船舶号灯智能识别模型,在众多的号灯识别参数中进行优化分析,确定了能见度、号灯亮度、背景亮度和眩光4个重要输入参数;利用这4个参数,基于误差反传神经网络对船舶号灯的可识别性进行建模和仿真,比较利用Levenberg-Marquart(L-M)、动量梯度下降、变学习率动量梯度下降和弹性反向传播等学习算法建立的误差反传神经网络模型,并确定L-M算法具有最优结果.通过号灯识别的仿真结果表明,识别结果与航海专家评估的结果一致.本模型实现了复杂光环境下船舶号灯可识别性的预报和影响因素分析,对保障船舶的夜航安全有着重要意义.

船舶操纵水动力导数的灵敏度分析

船舶操纵水动力导数的灵敏度分析通常用于评价水动力导数的变化对船舶操纵运动的影响.从船舶操纵运动数学模型出发,提出了一种水动力导数灵敏度分析的直接方法.以Mariner船为研究对象,通过15°/15°Z形仿真试验,对Abkowitz模型中包含的40个粘性类水动力导数进行了灵敏度分析,并基于分析结果对模型进行了简化.通过比较简化模型及原模型的20°/20°Z形仿真试验结果,验证了所提出的水动力导数灵敏度分析方法的有效性.

一种确定锚泊极限水深的方法

船舶在海上抛锚时,可抛锚的极限水深主要取决于锚机的起锚能力、锚链及锚的质量等因素。基于此,用锚机功率、锚重以及单位长度的链重等因素来确定可抛锚的水深极限值。此外,由于锚机的可用功率会随着船龄的增加而有一定的损耗,因此用合理的经验值来估算锚机的实际可用功率,并计算锚机在实际可用功率下可抛锚水深的极限值。

基于减聚类ANFIS模型的船舶横摇运动实时预测

为准确高效地预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出一种基于减聚类的自适应神经模糊推理系统(Subtractive Clustering based Adaptive Neural-Fuzzy Inference System,SC-ANFIS)模型.SC-ANFIS模型使用减聚类算法对输入样本进行聚类分析,得到模糊规则数,并建立神经模糊推理系统,再使用结合BP算法与最小二乘估计算法的混合算法对建立的预测系统进行优化训练,得到最优的预测系统模型,并使用自相关分析确定预测系统模型的输入.运用该模型对大连海事大学科研教学船"育鲲"号的横摇运动进行实时预测,结果验证了该方法可行、有效,并具有较高的预测精度.

基于人工智能和软计算的船舶自动避碰决策算法

为减少或避免人为失误导致的船舶碰撞事故,保证船舶安全航行,对自动避碰系统进行深入研究,其中船舶自动避碰决策算法是一个重要问题。对此,综述专家系统、模糊逻辑、神经网络、进化计算、群智能及免疫算法等人工智能和软计算方法在该领域中的应用,并对相关研究成果进行分类整理和不足分析,指出人工智能和软计算方法应用于船舶智能避碰决策算法中的研究方向。

基于支持向量机的船舶操纵运动黑箱建模

根据船舶自航模15°/5°Z形试验结果,应用最小二乘支持向量机对船舶操纵运动进行了黑箱建模,针对支持向量机参数选择的不确定性,使用网格搜索法进行了参数寻优;应用所建立的支持向量机回归模型对该自航模的10°/1°,25°/5°Z形试验及35°回转试验进行了操纵运动预报.预报结果同试验结果相比吻合良好,证明了支持向量机应用于船舶操纵运动黑箱建模的有效性,以及网格搜索法在支持向量机参数寻优中的可行性.

准确判断船舶走锚方法

监测锚位,判断本船是否走锚是每一锚泊船值锚泊班驾驶员的主要工作之一。因本船走锚而导致的触礁、搁浅、碰撞等事故不胜枚举,研究一种能准确判断船舶走锚的简单可行方法迫在眉睫,这一直是航海人员研究的重要课题。尤其是在锚泊船密度大,锚泊水域受限,锚泊水域风、流、浪条件恶劣,锚地底质不良等的不利条件下,准确判断本船是否走锚尤为重要。提出了一种简单可行的准确判断本船是否走锚的方法,以便航海人员及时采取相应的措施控制走锚,确保船舶锚泊安全。

基于灰色模型粒子群优化算法的自适应神经模糊推理系统模型的船舶横摇运动预报分析

为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(grey particle swarm optimization-adaptive neural-fuzzy inference system,GPSO-ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统;再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船"育鲲"轮的横摇数据进行仿真实验。实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。

一种高精度的短期潮汐预报模型

为提高潮汐预报的精度,提出一种基于支持向量机(Support Vector Machine,SVM)的模块化潮汐实时预报模型.将潮汐分为受天体引潮力影响的天文潮和受环境因素和其他因素影响的非天文潮,分别使用调和分析法和改进的SVM对天文潮和非天文潮进行预报,结合两种方法的输出构造最终的潮汐预报结果.在对非天文潮的预测中,将SVM与灰色模型相结合,并利用粒子群优化(Particle Swarm Optimization,PSO)算法对SVM的参数进行优化以提高预报精度.利用火奴鲁鲁港口的实测潮汐数据进行实时潮汐预报仿真.仿真结果表明该方法具有较高的短期预报精度.