基于改进EMD的船舶液舱液位测量方法及数据分析

分析了自由浮态下提高液位测量精度的方法,然后针对采集到的非平稳液位信号,提出了一种改进的局部经验模态分解(empirical mode decomposition,EMD)方法进行滤波处理,去除信号中各瞬时频率成分,提取信号的平均趋势,并计算液位有效高度.仿真结果表明,采用改进后的局部EMD方法能有效地提高分解精度,实验数据的分析表明提出的液位测量方法是可行的,具有工程应用价值.     

基于RS485的船舶货油装卸系统仿真研究

针对成品油船货油装卸系统自动化研究的关键技术问题,进行了半实物仿真研究。通过对货油装卸工艺的分析,构建了基于RS485总线的由各种硬件设备组成的仿真平台,并应用组态王6.5和VB混合编程技术完成了基于DDE的实时通信程序的开发。为了减小由液位传感器数据采集延时带来的误差,提出了传感器测量和流量变频控制相结合的改进方案。仿真结果表明：该仿真系统满足货油装卸过程中状态监测及控制的实时要求,对研制实船的货油装卸系统有重要参考价值。     

渔船资产评估方法研究

对渔船资产评估方法进行了系统研究,介绍了重置成本法、市场比较法、收益法三种基本的资产评估方法在渔船资产评估中的应用,建立了相应的数学模型,并首次将现值法应用于渔船资产评估中.对渔船重置成本估算进行了研究,提出了船换算法、分项估算法和重置核算法;结合渔船的行业特点,提出了观察法、报废船龄法和修复费用法来确定渔船的成新率;对渔船资产评估中的影响因素进行了阐述.所研究内容可供其他类型船舶资产评估借鉴.     

基于非均匀有理B样条的轻量化船体曲面逼近

在数字化船舶设计过程中,基于插值截面线生成的船体曲面控制顶点数过多,不利于后续曲面的光顺和修改;基于非均匀有理B样条截面线生成的曲面,形状不可控.针对上述问题,提出了一种轻量化船体曲面逼近的设计方法.该方法通过对截面线进行2次逼近,生成船体曲面.在一次逼近中,应用等弦差法对截面线进行离散,得到曲线上的离散数据点;在二次逼近中,以截面线的节点矢量为设计变量,将最小化所有截面线在最小二乘意义上的逼近误差之和作为目标函数,构建截面线优化逼近模型.根据问题的性质,对自适应改变染色体长度的遗传算法进行改进,将该算法应用于模型求解.实船船体曲面逼近和设计算例表明,应用该方法对船体曲面进行逼近设计是可行的,并能满足工程设计要求,同时还可以减少船体曲面设计所需的数据量,为其他复杂曲面的轻量化设计提供参考.     

考虑投资者情绪的GARCH-改进神经网络期权定价模型北大核心CSCDCSSCI

提出了一种考虑投资者情绪的基于改进粒子群算法优化的BP神经网络,并结合GARCH模型用于预测欧式期权价格。引入单点变异算子来提升传统粒子群算法的寻优能力,并通过改进后的算法来优化BP神经网络的结构与相应参数。利用GARCH模型估计权证股票价格的历史波动率,并将其作为改进神经网络模型的输入变量之一。最后,进一步考虑投资者情绪对期权价格的影响,通过构造剔除了基本因素的投资者情绪复合指标,并融入改进后的神经网络中。选取包括鞍钢JTC1在内的10支国内认购权证的收盘价格进行实证研究。结果表明,该模型的收敛速度与预测精度优于传统的BP神经网络以及B-S模型,考虑投资者情绪的影响后,预测结果更贴近实际情况。     

考虑投资者情绪的GARCH-改进神经网络期权定价模型

提出了一种考虑投资者情绪的基于改进粒子群算法优化的BP神经网络,并结合GARCH模型用于预测欧式期权价格。引入单点变异算子来提升传统粒子群算法的寻优能力,并通过改进后的算法来优化BP神经网络的结构与相应参数。利用GARCH模型估计权证股票价格的历史波动率,并将其作为改进神经网络模型的输入变量之一。最后,进一步考虑投资者情绪对期权价格的影响,通过构造剔除了基本因素的投资者情绪复合指标,并融入改进后的神经网络中。选取包括鞍钢JTC1在内的10支国内认购权证的收盘价格进行实证研究。结果表明,该模型的收敛速度与预测精度优于传统的BP神经网络以及B-S模型,考虑投资者情绪的影响后,预测结果更贴近实际情况。     

船舶管路智能布局优化设计

针对复杂多变的船舶管路布局空间结构,建立了包括布局空间模型、障碍物模型、管路模型和布局优劣区域模型的船舶管路布局环境模型;结合船舶管路布局特点,对管路的智能布局方向指导机制进行了研究,提出了方向参数设置的参考和建议.在建立环境模型和方向指导机制的基础上,运用改进遗传算法对船舶管路进行了布局优化设计,并通过数值仿真实验验证了该方法的可行性和有效性.