改进粒子群算法的传感器网络覆盖分布优化

为解决基于粒子群算法的传感器网络覆盖分布中存在的收敛速度慢和指定目标点不能保证覆盖等问题,采用了一种基于虚拟势场法的改进粒子群算法.在传感器节点之间建立虚拟势场,推导出相互作用的连续虚拟力,减少了引力和斥力边界的振荡,加快了算法的收敛速度.增加指定目标点的势场,以提高目标点对粒子的吸附力,保证了目标点始终处于传感器的感知范围之内.研究结果表明:改进粒子群算法具有更快的收敛速度,提升了在保证指定目标点完全被覆盖的条件下区域覆盖率.研究结论有助于布置关键区域的传感器网络.     

应用点基局部光滑点插值法的固有频率上下界计算

针对传统有限元方法得到的刚度阵过硬导致所提供的固有频率上限值较为粗糙、点基光滑点插值方法得到的刚度阵过软导致所提供的固有频率下限值较为宽泛且存在时间不稳定性等问题,提出了点基局部光滑点插值法(NLS-PIM)。该方法将有限元和点基光滑点插值法相结合,对背景网格基础上形成的点基光滑域进行局部应变光滑,通过调整二者结合的权重来控制计算模型的整体刚度。研究发现,采用局部梯度光滑方法控制模型刚度而形成的点基局部光滑点插值法,克服了点基光滑点插值方法的时间不稳定性及有限元法的固有缺陷,且能提供更为精细的固有频率上下界区间。所提方法简便、实用、易于实现,可用于复杂问题求解。     

基于Choquet模糊积分算子的多指标属性船型方案优选模型

船型方案排序及优选是一个多指标属性、多层次且指标属性相互关联的决策问题.考虑船型方案评价中各评价指标间存在的模糊性和相互关联性,利用模糊测度和Choquet模糊积分算子对船型方案进行优选.此方法的优点是考虑了方案各指标属性的关联关系,而且决策过程不用确定各指标属性的权重,减少了决策过程中决策者的主观臆断性,使排序结果更具客观性和科学性.计算实例说明:基于Choquet模糊积分方法建立的船舶方案优选模型正确,方法简单,结果合理,为船型方案选择提供了一种可靠的参考.     

基于可视化编程环境的船型参数化融合与降阻优化研究

高质量的船型优化要求船型样本数量尽可能多.寻求一种高效率、高质量的船体几何重构方法在船舶设计初期具有重要意义.将船型融合技术与参数化相结合,提出一种基于可视化编程环境的船体几何重构方法,实现计算机依据设计变量自动生成大量船型样本的目的.通过在可视化编程环境下对若干船型样本进行快速阻力预报,选出了阻力性能优于母型船的船型.并设计出一套基于遗传算法的型线光顺可视化程序,解决了融合过程中型线的光顺问题,加快了船舶设计初期船型优化的效率,验证了基于可视化编程环境的船型参数化融合方法应用于船型优化的可行性.     

基于FLUENT的拖网渔船球鼻艏形状减阻优化研究

船舶阻力预报是反映船舶安全性与快速性的关键指标.针对现有阻力计算方法存在的耗时长、精确度不够等问题,提出一种利用FLUENT数值模拟技术来实现的拖网渔船阻力预报的快速优化法.船舶球鼻艏对阻力性能具有非常大的影响,应用参数设计法可生成一系列球鼻艏的型线,实现模型的通用化表达,提高流场转换和分析的灵活度,解决经验设计中不可控变量所导致的偏差.与试验结果比较证明该方法计算速度快、预报精度高,设计模型适用于工程和研究.     

基于CFD的渔船破舱进水时域模拟及破舱稳性和压强分布研究

沿海渔船的船型瘦小,对于动稳性的变化较为敏感,船体破损后失稳会产生严重的危害,因而近海作业的沿海渔船破舱稳性研究有比较实际的应用价值.运用CFD软件STAR-CCM+,对一艘28.8 m长、作业区域为渤海的养殖看护船,进行横浪条件下瞬时非对称进水过程的时域模拟,得到该船破舱进水过程中船舶的六自由度变化以及压力分布.对比该船在3种海况下破损后的物理行为发现,非对称舱进水会在波浪作用下带动船舶产生不同程度的艏摇运动,促使破损船由横波运动向纵波运动转变,基于破损后的运动响应,可以对渔船的舱室分布及对破舱事故后的操纵及减损提供参考意见.     

基于3G网络的无线监控系统码率自适应调整算法

针对基于3G网络的无线监控系统中码率波动及丢包率的问题,在现有码率调控策略基础上,采用一种基于丢包率和视频延时进行网络状态的判定方法,并对现有的AIMD算法进行改进,使之能满足自适应调整的要求.该算法已在船舶及港口水域进行了测试,结果表明,在3G网络宽带条件下采用视频延时和丢包率来调整码率的方法,可使码率变化较大、丢包率数量较小,两者性能均得到较大改善.     

基于CLAHE的DSP实时去雾系统

为了解决户外监控系统在雾天视频清晰度较低的问题,设计了一种以DSP TMS320DM642为硬件核心,以限定对比度自适应直方图均衡化（CLAHE）为去雾算法的视频实时去雾系统.算法首先将原始图像分割成若干个大小相同的子区域,然后选取特定值截取每个子区域的直方图,并将截取下的像素均匀分配到每个灰度级,最终得到限定对比度直方图.实验结果表明,该系统能够有效提高雾天视频清晰度.     

基于Faster R-CNN的电子海图和雷达图像的数据融合

船载导航雷达和电子海图(electronic navigational chart, ENC)是船舶重要的导航仪器,雷达图像和ENC图像的融合能够给出更加丰富的航行和避碰信息。为此,提出了一种基于深度学习理论的提取雷达图像中鲁棒特征的数据融合算法,实现了ENC和雷达图像较高层次的数据融合。首先,利用深度学习算法对雷达图像进行目标检测,识别船舶雷达的特征目标。其次,对检测到的特征区域执行图像处理,并确定用于ENC和船舶雷达图像配准的参考点。最后,根据参考点进行仿射变换,实现融合算法。利用连续时间段的狭窄水域中的真实船舶雷达图像数据对融合算法进行验证,结果显示船舶雷达图像和ENC的海岸线边缘信息匹配良好且满足实时性要求。该算法与简单的像素级图像融合算法相比鲁棒性更强,实现了ENC与雷达图像的特征级融合。     

基于BPNN的球艏降阻优化模型构建研究

船型优化可以减少船舶航行过程中的阻力,是提高船舶快速性的主要途径.在现代船体型线优化设计过程中,通常反复使用计算流体力学(CFD)软件进行仿真计算,船舶模拟模型船型样本多、计算量大,使优化的时间成本大幅提高,引入变精度模型将有效解决此问题.以油船球艏优化为例构建了球艏降阻优化BP神经网络(BPNN)模型,可作为低精度模型在优化迭代过程中对大量设计点进行快速阻力预报,通过变量的相关分析,预报出总阻力的变化趋势,寻求逼近最优解的设计点,并为下一步在基于变精度模型的球艏降阻优化研究中神经网络的应用提供经验与支持.