基于SM-PSO算法的船舶板架结构多目标优化设计

当前的船舶板架结构多目标优化模型通常设定为单项,优化效果受限,导致屈服强度比增加,为此提出基于单纯形法-粒子群算法(Simplex Method-Particle Swarm Optimization,SM-PSO)的船舶板架结构多目标优化设计。根据优化的需求及标准提取船舶板架结构的振动特征,设计SM-PSO算法下的多阶优化模型,并采用有限元ANSYS处理实现板架优化。

基于PSO的BP神经网络-Markov船舶交通流量预测模型

为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。

反舰导弹航路规划的OACRR-PSO算法

为了提高反舰导弹航路规划算法的搜素效率,从几何学角度对航路规划空间进行了研究,在将功能区域概念融入逆向航路规划的过程中发现了功能区域的几何学渐变规律,据此提小功能区域簇作为其物理载体.将功能区域簇引入粒子群优化(Particle swarm optimization,PSO)算法,提出了功能区域簇实吋约束(Operational area cluster reM-time restriction,OACRR)的PSO算法(OACRR-PSO).为了便于表示功能区域簇,采用航路极坐标编码方式.与传统的PSO算法不同的足,考虑到粒子中分量之间的关联性,该算法在优化过程中并不足对粒子的整个速度分量同时进行更新,而是引入一种分步递归进化策略对粒子的分量逐步进行更新.在粒子的更新过程中,使用功能区域簇米实吋限定罻游恢梅至康淖既犯路段В?得算法搜索空间逐步减小,从而加速算法收敛.仿真实验结果表U/J,分步递归进化策略能够非常显著地提高算法的今局搜索.队能,并且算法收敛速度快、稳定性好.

PSO算法在油船双底结构优化设计中的应用研究

为了研究粒子群优化(PSO)算法用于解决大型复杂结构的优化设计问题的有效性,分别采用基本PSO算法、标准PSO算法与遗传算法(GA)对某一大型油船双层底结构优化设计问题进行了求解.优化过程中双层底结构的响应分析计算过程采用正交异性组合板理论实现.将这3种优化算法的计算结果进行对比分析表明,与基本PSO算法和GA算法相比较,标准PSO算法的收敛速度最快,且能够获得该问题的全局最优解.研究结果表明,基本PSO算法可有效应用于解决如船体双层底等大型复杂结构优化设计问题.

基于改进PSO-ARIMA模型的船舶纵摇角度预测

针对自回归移动平均(auto regressive moving average,ARMA)模型在船舶纵摇角度预测时不具有普遍适用性问题,提出使用自回归综合移动平均(auto regressive integrated moving average,ARIMA)模型进行纵摇角度预测,并采用改进粒子群优化(particle swarm optimization,PSO)算法对模型定阶。对纵摇角度值序列数据进行平稳性检验和差分运算,确定ARIMA模型的适用性;采用具有针对性适应度评价函数的PSO算法进行模型定阶,并优化PSO算法的权重计算方法。通过仿真对比验证本文所提方法的科学性和有效性。仿真结果表明:采用改进PSO算法进行模型定阶的方法能够有效提升模型的预测精度,具有更好的预测效果。

基于PSO-LSSVM的反舰导弹自控弹道仿真

反舰导弹弹道仿真模型不能满足"红蓝"对抗仿真推演需求,基于外场实测数据的反舰导弹弹道建模将成为满足仿真推演需求的一种新方法。以典型反舰导弹为例,提出基于外场数据的导弹自控段弹道建模及仿真方法。对外场数据进行分析,使用最小二乘多项式拟合导弹速度时间曲线。使用粒子群优化的最小二乘支持向量机(Particle Swarm Optimization-Least Squares Support Vector Machine,PSO-LSSVM)建模。经过校核和验证,模型有较高的可信度,对作战仿真推演具有很大参考价值。

基于GA-SVR-PSO的航运安全投入优化研究

随着经济的快速发展,航运安全事故时有发生,造成了较大的经济损失和社会影响。为减少航运安全事故,航运管理部门督促航运企业增加安全投入,造成航运企业的经济负担增加,航运企业迫切需要寻求优化安全投入的方法。提出了一种基于GA-SVR-PSO的航运安全投入优化方法,该方法首先利用GA-SVR模型构建航运安全投入与事故经济损失之间的定量关系模型,然后结合实际投入约束条件构建了航运安全投入优化模型,最后采用粒子群优化(PSO)算法对航运安全投入优化模型进行优化,得到投入约束条件下航运安全投入的最优配置和事故最低经济损失。以Z航运公司2018年安全投入为实例进行验证,结果表明基于GA-SVR-PSO的航运安全投入优化方法具有较好的航运安全投入优化效果,可为航运企业安全投入决策提供可靠的模型依据,提高航运安全投入效率。

基于PSO优化SVM的船舶流量预测算法

通过对上海洋山深水港口的船舶流量的调研以及对船舶交通流量影响因素的分析,建立支持向量机预测模型。同时为了解决支持向量机预测模型的参数选择问题,引入了粒子群优化算法进行参数优化,建立较优的PSO-SVM预测模型。通过MATLAB仿真实验计算,将PSO-SVM模型与单纯的SVM预测模型和灰色神经网络预测模型结果进行对比分析,证明了该模型的可行性和优越性。

混沌PSO分析及其在船舶设计中的应用

分析了不同混沌序列的数值分布特点,凭借其良好的对可行域的遍历性质,将混沌映射引入粒子群优化算法当中,应用混沌粒子群求解有约束优化问题。在分析了约束条件性质的基础上,提出通过控制约束条件进而控制可行域的主要分量以提高混沌粒子群的搜索效率,并借助于混沌映射的遍历性解决部分非关键条件未被采用的问题。通过对标准测试函数的数值实验表明,基于改进tent映射和logistic映射的混沌粒子群在计算时间与搜索效率上与基本粒子群相比具有较大优势。将改进的混沌粒子群应用于某内河双桨船型的主尺度决策中,通过对最佳船型要素的多次搜索测试表明,此方法的搜索可靠性较高。

基于DMPSO算法的大型船舶动力部件生产车间布局优化

大型船舶动力部件必须具有良好的内部组织和极高的尺寸精度要求,合理的车间布局能有效改善工艺,降低设备间的物料搬运成本。以降低车间物料搬运成本为目标,采用二维向量表征设备的空间位置,建立相应的布局数学模型,并用一种新模式粒子群优化算法对模型进行求解。该算法根据粒子的分布情况和算法所处的迭代阶段来动态改变惯性因子大小,并对每个粒子的飞行情况进行调整,从而提高了粒子搜索到全局最优解的可能性。通过对比三组加速因子方案选取最优结果来提高算法的寻优质量。最后给出了船用曲轴车间布局算例,结合车间实际情况得到了优化后的布局,并对优化后的车间布局进行三维可视化建模。结果表明,该算法有较强的寻优能力,能有效减少物料搬运费用,在实际车间布局中切实可行。

用于求解民船装载问题的R-CS-PSO混合改进算法

民船装载问题是一个多约束背包问题,解决的是资源优化分配的问题,通过合理的方式对需装载的物品进行船只分配,以取得最大价值,也就是舰船装载的最优方案。本文通过对需解决的问题进行分析,将布谷鸟搜索算法搜索范围广但计算精度不高和粒子群算法收敛速度快但容易陷入局部最优的特点结合起来,进行取长补短,改进提出了分阶段随机布谷鸟粒子群智能优化算法,并用此算法来解决舰船装载问题。通过验证此算法相较之前的算法搜索范围广、收敛速度快、能取得较好的解,有效的解决了此问题,并可在实际中进行推广应用。

采用随机微粒群算法的舰船消磁系统优化调整

随着舰船消磁技术的发展,消磁线圈的数目越来越多,用于调整消磁系统的常规方法越来越难以实施.为解决这一问题,采用随机微粒群算法对舰船消磁系统进行了优化调整,给出了优化调整数学模型及优化结果.计算例子表明随机微粒群算法在舰船消磁磁场特征均方根最小和峰值最小方面均比常规方法更有优势,而且这种方法还能用于优化与舰船磁场特征相关的任意一个或多个参数.因此,利用这种新方法可以将舰船消磁系统调整到最优状态,从而能够保证舰船的磁性安全.另外,随机微粒群算法具有算法直观,编程简单,计算速度快的优点,可以方便地应用于工程实际.

基于多种群搜索策略粒子群算法的舰船消磁优化

在现代舰船消磁系统中,消磁线圈数目不断增加,已经难以用常规方法进行调整。为解决这一问题,将一种基于多种群搜索策略的粒子群算法用于舰船消磁系统的优化。利用多种群协作来压缩搜索空间,快速提高得到全局最优解的概率。利用测得的船体原始磁场和各消磁线圈的磁场效果,以舰船残余磁场均方根最小和峰值最小为目标函数,用该算法对系统进行优化调整,并给出优化调整的数学模型及优化结果。仿真结果表明该方法可以高效、快速地决策出消磁电流的大小和方向,对提高消磁质量、缩短消磁时间是十分重要的。

一种弱磁作用下铁磁物体感应磁场的计算方法

铁磁物体感应磁场的数值计算研究在舰艇消磁等领域具有重要的应用价值.针对弱磁作用下铁磁物体感应磁场计算的问题,根据均匀磁化体的特点,建立了基于单元表面积分的铁磁物体感应磁场模型.为了解决工程中铁磁物体磁化率难以确定的困难,从弱磁作用下铁磁物体的磁化特点出发,利用磁场垂直分量测量值建立了以单元磁化率为未知量的数学模型,并运用寻优能力强、速度快、易于求解多维优化问题的微粒群算法对磁化率数学模型进行了优化求解,进而用单元表面磁场积分法解算了铁磁物体的感应磁场.通过钢板计算实例中磁场测量值和计算值的比较,表明该方法计算精度较高,能够较好地反映弱磁作用下铁磁物体的感应磁场分布,有一定工程实用价值.

基于粒子群和蚁群算法的船舶机舱规划方法

基于粒子群算法和蚁群算法,提出了一种优化算法用于求解船舶机舱布局规划问题.船舶机舱规划问题主要包括设备布置和管路敷设.由于船舶机舱空间有限,设备和管路数量繁多,约束条件复杂,在进行具体设计过程中,需要反复多次校核修改,才能获得可行的设计方案.为了充分考虑设备布置和管路敷设设计两者之间的耦合作用,建立数学模型,从而获得全局最优的设计方案.模拟实验的结果证明,所提出的优化方法在求解船舶机舱布局规划问题中的可行性和有效性.

基于粒子群算法的多用途船结构优化

建立了多用途船的舱段有限元模型,利用Matlab调用有限元软件,将粒子群算法(PSO)引入复杂船舶结构的优化中,实现了PSO对复杂船舶结构的优化,取得较好的结果,并与遗传算法的结果进行了对比,验证了PSO用于复杂船舶结构优化的有效性.

基于粒子群改进神经网络的舰艇磁场推算模型

针对目前线性建模解决舰艇内外磁场推算问题时存在的困难,从非线性优化的角度出发,建立了内外磁场之间的误差反向传播神经网络预报模型.为了改善网络的固有缺陷,利用粒子群算法优化网络的初始权值与阈值,使其能够逃离局部最优点,增强了网络的鲁棒性.该方法避免了利用线性化方法存在的诸多困难,可实现舰艇内外磁场推算.利用船模实验对网络预测的准确性进行了验证,结果表明其换算精度较线性方法有所提高,满足工程实际需求.

基于胜任指数的制造车间操作工优化配置模型

文章以制造车间一线操作工为研究主体,挖掘操作工在工位完成工序的历史数据,依据夹角余弦赋权法确定质量和时间2个指标的动态权重,应用优属度模糊矩阵,计算能够体现操作工胜任力动态变化趋势的胜任指数;然后根据胜任指数,计算工位在该工件批次的任务数,构建操作工优化配置模型;应用混合PSO算法求解模型,列出了具体求解过程,通过实例验证了所述方法的有效性和实用性。

基于粒子群算法的无人机舰机协同任务规划

无人机舰机协同任务规划技术是指充分利用无人机与舰艇的优势互补,协同进行作战任务规划的新技术,它是无人机任务规划问题的研究新热点,对于提升海军海上作战能力具有重要意义。针对该问题提出了相应的数学模型,并利用自适应的粒子群算法(self-adaptive particle swarm optimization,APSO)进行了求解,该算法能够自适应调整粒子群的惯性权重,更好的防止粒子群陷入局部最优。实验表明,在给定的实验样本中APSO相对于标准粒子群算法和带有压缩因子的粒子群算法能更有效的求解。

基于迭代均值组合近似模型和序贯优化与可靠性评估法的船舶结构优化设计

针对传统可靠性优化方法不能同时保证大型船舶结构计算效率与精度的问题,在船舶结构优化设计中考虑设计变量的不确定性,通过迭代均值组合(ER)近似模型和粒子群算法(PSO)提高序贯优化与可靠性评估(SORA)法的计算效率和精度,建立了改进的可靠性优化设计流程并解决了多用途船舱段的可靠性优化问题.其中:SORA法将可靠性分析与优化过程解耦,并提高了可靠性优化效率;PSO保证了SORA法优化所获全局最优解的计算效率;ER近似模型能够以最少的采样点建立满足精度要求的近似模型,并代替最有可能的失效点(MPP)和优化过程中耗时的有限元计算.多用途船舱段的可靠性优化结果表明:可靠性优化相较于确定性优化更有实际意义;改进的可靠性优化设计流程在保证计算精度的同时能够显著降低计算成本.