电力系统负荷恢复优化的并行遗传算法实现

对电力系统的负荷恢复问题进行了研究.将该问题建模为一个多约束条件的组合优化问题,根据遗传算法特别适合求解大规模组合优化问题的特点,设计了一种粗粒度并行遗传算法来对此优化问题进行求解.在消息传递类并行软件开发环境提供的基于消息传递的并行虚拟环境下,采用master/slave的并行编程模式,有效地提高了算法的计算速度.将各种约束条件与目标函数融合在一起,建立一种序关系,来处理负荷恢复中的约束条件.求解过程满足系统的约束条件,不会出现系统的越限.算例结果表明,所提出的并行遗传算法不仅可以最大限度地恢复负荷,而且可有效提高算法的计算速度.     

混沌PSO梯级优化调度算法及实现

利用切比雪夫(Chebyshev)映射在[-1,1]区间上的遍历性和随机性,提出了一种基于切比雪夫映射的新型混沌粒子群优化(CPSO)算法.该算法在粒子群算法求出的最优解附近进行混沌搜索.提高了混沌粒子群算法的全局优化能力,能有效避免算法容易陷入局部最优以及解决逻辑斯谛(logistic)映射不能在负值区间进行搜索的问题.针对模型中复杂的约束条件,采用分段线性插值函数实现了对目标函数的求解,并通过对采用丰枯电价时三峡梯级水电系统长期优化调度问题的计算及与其他算法的对比,验证了该算法可解决具有复杂约束条件的工程优化问题.     

进化算法在船体结构优化设计中的应用

结构优化问题在计算上的难点是计算复杂、存贮量大、计算时间长,解决问题的关键是如何提高处理整数与离散型变量的有效性.本文针对船舶结构优化设计问题的特点与计算上的难点,采用可以求解多峰性连续函数全局最优解的分配区间型进化算法进行结构优化.相对简单遗传算法(SGA)在解     

基于蚁群算法的船舶过闸计划优化模型

针对船舶过闸计划生成的难题,提出了基于蚁群算法的船舶过闸计划生成方案,建立了船舶过闸排档问题的优化模型(包括目标函数和约束条件),给出了基于蚁群算法的船舶排档问题求解算法和船舶过闸排档计划生成的蚁群算法的构造过程,包括信息素策略、概率转移策略、约束条件的处理和算法步骤.依据该算法并结合三峡南线船闸的实际调度数据,给出了实验结果,证明船舶过闸计划生成方案是有效的.     

三-状态相异元件并联的S-P网络可靠性优化微粒群算法

研究三-状态具有不同元件并联构成的串-并联(简称S-P)网络的可靠性优化问题.利用Matlab做计算工具,用微粒群算法对问题的实例进行模拟仿真.结果表明:在通常的初始解条件下,微粒群算法每次运行都能收敛,并且能够给出系统的最优解;与模拟退火算法、蚁群算法和遗传算法相比较,微粒群算法可以更方便、高效地给出系统的最优解.     

基于拟牛顿内点法的认知车联网能效优先资源分配算法

为了提高认知车联网中多用户资源分配的能效及实时性,提出了一种在信道状态信息不理想情况下最大化系统能效的资源分配算法.联合考虑额定系统传输功率、主用户干扰阈值、最低通信速率以及用户间比例公平性等约束条件,将主用户的干扰约束条件转换成概率型约束条件.然后,采用Bernstein近似的方法处理该概率型约束,通过设置公平门限来解决用户间的比例公平性问题.最后,分别采用高、低复杂度的子载波分配算法,配合拟牛顿内点法进行功率分配.仿真结果表明,所提算法的能效约为最优解上界的93%,既能满足系统能效要求,又降低了计算复杂度,适用于对实时性要求较高的车联网系统.     

基于NSGA-Ⅱ的DP船舶推力分配方法研究

针对动力定位(DP)船舶的推力分配问题,首先建立了关于推进器能耗、磨损以及推力误差的多目标优化目标函数,然后通过分析推力禁区、死区、饱和、推力变化率和方位角变化速率等约束条件,给出了多目标优化问题的约束不等式,最后利用改进的非支配排序遗传算法(NSGA-Ⅱ)对所提出的推力分配多目标优化问题进行了仿真验证.仿真结果表明:采用NSGA-Ⅱ算法进行推力分配可以有效降低推进器的能耗,在工程应用方面具有一定的可行性.     

一种基于微蜂窝小区用户比例公平的改进资源分配算法

在微蜂窝小区用户速率比例公平约束条件下,以最大化系统和速率为目标,提出了一种改进资源分配算法,并用拉格朗日法求解优化功率.结果表明:相比于传统的最低比例速率的资源分配算法,本算法在频率和总功率固定的条件下,能减少计算复杂度,且系统速率提高了约2%.     

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.     

非理想信道状态信息下调制方式切换阈值最优化算法

针对自适应资源调度OFDM系统,在非理想信道状态信息下(ICSI)最大化系统频谱效率问题,提出了平均BER约束下调制方式切换阈值最优化(MSTO)算法.利用拉格朗日乘数法将此J-1维的调制方式切换阈值最优化问题转化为一维优化问题,并证明了问题最优解必在平均BER约束条件的边界(目标平均BER)上取得,从而得到该问题的最优解.仿真结果表明,MSTO算法能在满足用户目标平均BER条件下自适应用户ICSI准确度参数的变化,最大化系统频谱效率.该算法性能优于改进的Ma's算法和AM-PCSI算法,其复杂度符合实际自适应OFDM系统实时性设计要求,可方便地应用到实际系统中.     

三峡出闸船舶航速分布规律与预测应用

为监控出闸船舶的异常航速、科学调度出闸船舶、提高船舶出闸效率和保障船舶出闸安全,研究了三峡出闸船舶航速分布规律与预测应用问题.以船舶AIS(automatic identification system)统计数据为基础,通过直方图方法分析了船舶离闸距离、船舶尺度与船舶出闸航速之间的关系,在此基础上,利用80％的AIS数据建立了基于BP(back propagation)神经网络的船舶出闸航速预测模型,并以20％的AIS数据对船舶出闸航速预测模型予以验证,最后通过案例阐释航速预测模型的应用.结果表明:该模型预测航速的平均误差为6.7％,对预测航速和实际航速进行单因素方差分析,两组数据并无显著性差异.可见基于BP神经网络的船舶出闸航速预测模型可以应用于船舶出闸航速预测.     

基于SAR卫星资料的船速估算

为利用SAR卫星图像中的船舶尾迹来估算船舶速度,介绍了船舶尾迹在SAR卫星中的成像机理,分析了估算船速的可行性,对目前船舶速度估算算法进行了比较,并采用船舶尾迹多普勒位移方法实现对船舶速度的估算.利用相匹配的AIS数据对实例数据进行验证,结果表明,可以利用SAR资料对船速进行粗略估算.     

AIS的KDU设计

介绍了利用单片机技术实现AIS的KDU软硬件设计方法,实现了本船信息的输入和来船信息的显示,经实机运行检验,该设计符合AIS系统的要求。     

基于AIS数据的船舶会遇挖掘与分析

为实现在AIS海量数据中快速高效地识别会遇船舶信息,对会遇船舶航行过程实施监控和分析,识别研究水域内存在的海上交通安全风险点。以台湾海峡部分区域内的AIS数据作为研究对象,运用改进的DBSCAN聚类算法,结合船舶会遇特征参数计算,挖掘两船会遇与多船会遇信息,根据船舶方位和航向差划分船舶交叉、对遇和追越三种会遇局面,并通过定量化方式多维度描述不同类型的船舶会遇过程。结果表明:分析轨迹数据的时空特性可以再现船舶会遇场景,能更清晰全面地展现船舶的会遇过程。     

基于自动识别系统信息相关系数法的阵列幅相误差校准方案

针对高频地波雷达系统的工程应用,提出一种基于自动识别系统(automatic identification system, AIS)信息相关系数法进行阵列幅相误差校准的方法。该方法利用低信噪比的舰船回波信号,可以实现同步校正,不需要专门部署应答器,且成本低,对于不能借助直达波校准的单基地高频地波雷达系统同样适用。分析现场的实测数据结果表明,通过该方法对阵列幅相误差进行校准可以获得稳定的幅度、相位校准值,校准后多信号分类(multiple signal classification, MUSIC)空间谱估计方位角的准确性和分辨率得到大幅度提高,进而显著改善利用MUSIC算法估计海流方位角的高频地波雷达系统海流探测性能。     

E-Navigation系统中的MIP-AIS技术

为解决内河与沿海非公约适用船舶的避碰和安全航行问题,弥补现有基于VHF通信方式的AIS系统在该领域应用的缺陷,提出一种基于公众移动IP网络的AIS技术(MIP-AIS).研究实现基于MIP-AIS技术的两种船舶自动识别模式-S-C模式和S-S模式,以及其对通信网络带宽的需求模型.仿真试验与实际系统的实现均表明:MIP-AIS技术可经济可靠地提供沿海船舶与内河船舶之间以及船舶和MIP-AIS控制中心之间的信息交互;基于S-S模式的船舶自动识别系统的信息传输性能优于基于S-C模式,但是前者的船载终端设备的复杂度要高于后者.     

基于模糊综合评价的厦门港航道危险度评估

针对厦门港港口航道的交通安全状况,利用模糊综合评判法对该航道进行危险度的判断.并结合厦门航道的实际情况,将评价系统分为若干个指标,在船舶AIS 数据挖掘研究的基础上,建立航道的危险度评估系统,对厦门港口的三段航道进行危险度评判.实践证明该评估系统是可行的     

基于Bi-BPNNs的船舶轨迹修复模型

为了解决船舶轨迹数据的异常和丢失问题,辅助轨迹复原和情景推演,提出一种双向学习模型,用于修复船舶轨迹.从AIS(Automatic Identification System)报文中提取航行船舶的上下文轨迹特征向量,改进基础BP(Back Propagation)神经网络的拓扑结构,构建具有双向预测功能的BP神经网络(Bi-BPNNs)模型,修复缺失的轨迹数据.使用长江干线航行船舶的真实轨迹数据对构建的模型进行验证和分析,通过与基础BP网络和常用线性插值方法的对比,证明Bi-BPNNs模型在船舶轨迹修复上具有更好的性能和效果.     

基于样条卡尔曼算法的AIS数据修复

针对船舶自动识别系统（automatic identification system，AIS）的异常数据修复问题，提出一种样条卡尔曼（spline Kalman，SK）算法。该算法根据船舶动力学原理，构建反映运动特征变化约束关系的系统状态转移模型，并以样条插值得到的AIS修复数据作为卡尔曼滤波器的观测数据，进而实现AIS数据的精确修复。采用厦门港及附近水域的历史AIS数据检验SK算法的有效性，检验结果表明:对于低缺失率的AIS数据集，SK算法的修复效果与样条插值算法相近，均优于KNN、RF和SVM算法，但随着AIS数据集缺失率的上升，只有SK算法具有较好的修复稳定性。该研究成果可以更加有效地修复AIS的异常数据，从而为海事大数据分析及相关应用提供良好的数据基础。     

互见中基于AIS数据的船舶领域

为确定船舶领域,根据琼州海峡船舶自动识别系统(AIS)数据,再现该水域内船舶航行过程.依据海上避碰规则,判断会遇船舶间避让义务关系,建立船舶避让行为和最近会遇点位置间的关系模型.利用数理统计和模糊数学方法,获得不同避让度下船舶领域的边界曲线,建立海上船舶领域模型.