波浪浮标系统设计与测波方法研究

介绍了波浪浮标系统的总体设计方案和各功能模块的主要工作原理,重点介绍了波浪浮标采集系统的电路设计,实现方法和工作原理,包括微处理器模块、GPS模块、加速度传感器模块。创造性地提出了多传感器的设计方案,使波浪浮标采集的数据更加的精确。介绍了波浪浮标对波浪参数的测量算法,包括波高、波周期、波向、功率谱和方向图等。最后介绍了波浪反演软件,通过实际对波浪的测量证明了测波算法的合理性和整个系统的有效性。     

标准船模拖曳水池自航试验不确定度分析

参考国际船模拖曳水池会议(ITTC,2017)推荐规程以及国家相关标准,对船模拖曳水池的自航试验进行不确定度分析.首先对船模自航试验流程进行了梳理,确定其不确定度来源;然后根据自航试验原理,提出了不同温度时试验数据换算的方法,对ITTC关于自航试验不确定度分析规程进行补充;其次在试验数据进行温度换算之后,计算了船模自航试验中桨模转速、推力、扭矩和强制力的不确定度,并进一步计算了相关自航因子的不确定度.分析结果表明:当名义温度15℃时,按照95%的置信水平,各自航点的转速的扩展不确定度小于0.4%,推力和扭矩的扩展不确定度均低于1.0%,推力减额的扩展不确定度低于5.5%,伴流分数的扩展不确定度低于1.1%.本试验的船模自航试验不确定度分析的方法和步骤可以作为其他水池试验的参考.     

基于人工神经网络的航磁信息关联方法的研究

应用人工神经网络方法,以航磁数据为样本,建立了航磁信息关联的BP人工神经网络模型。对山东省1：50万航磁水平一阶导数轴向图进行计算机自动关联叠置、提取航磁解释构造轴线的研究。经与垂向二阶导数对比分析,证实了该方法给出的模型具有较强的非线性、自适应和学习能力。     

基于专家系统与人工神经网络集成的航姿系统故障诊断

应用专家系统与人工神经网络的相关理论对某型飞机航姿系统的故障诊断问题进行了深入的研究，建立了基于专家系统与人工神经网络的集成式专家故障诊断系统，并利用该专家系统实现了某型航姿系统的故障诊断。应用结果表明：整个网络数据误差在训练10次时达到0．1，在训练829次时达到0．01，可以准确识别故障。     

自航与拖航试验对船体载荷响应的影响

为了真实反映船体在波浪中的力学特性,在拖曳水池进行了分段模型自航迎浪试验,并将频率测试结果和载荷响应与拖航试验进行比较,结果表明:拖航与自航2种试验方式测量结果的差别主要体现在高频成分,且海况、航速越高,差别越明显.对自航试验模型失速现象进行了分析,得到了规则波中螺旋桨转速变化曲线.最后将2种试验方式得到的测量结果与基于非线性水弹性理论计算结果进行比较,二者符合较好.     

船模纯粹自航随动系统装置的研制与测试

叙述了船模纯粹自航随动系统装置的原理与设计特点，给出了原理框图，这种新仪器不仅可用于船模纯粹自航试验，也可用于船模强迫自航试验，因而通用性强，全部测试数据的电信号可由车载计算机采集与屏幕显示，也可通过拖车滑线或池内激光通道传送到船池外的操纵台进行数据处理。     

SBF3-2型测波浮标载体结构设计

采用316不锈钢设计了一种新型的测波浮标载体,并对舱盖结构和电池舱的布局进行了全新的设计。对浮标体进行计算机仿真后,对其三维模型进行了静水力特性和稳性的仿真计算,仿真结果表明,该浮标的吃水高度为0.43 m,稳性衡准数为1.21,均满足要求。海试及实际应用结果表明,标体安全可靠,密封性能良好,安装和运输简便。     

GNSS浮标导出多普勒速度测波应用研究

高精度的GNSS位置或速度是利用GNSS浮标研究海浪运动规律的关键。基于不同测速模型,GNSS浮标单站原始多普勒、单站导出多普勒速度和PPK载波位置差分速度精度展开对比分析;在此基础上对速度进行积分,提取波面位移,进行功率谱分析得到表面波浪的波高和周期。通过海上数据实测发现,单站导出多普勒相比于单站原始多普勒测速精度更高,以位置差分实测波面位移为参考,单站导出多普勒更能满足波浪观测的精度要求。该方法仅需一台GNSS接收机,不需要架设岸边基站,为GNSS浮标深远海观测应用提供一定的参考。     

基于遗传算法的自航耙吸挖泥船疏浚参数优化

在系统分析和研究自航耙吸挖泥船疏浚过程的基础上,本文以挖泥船疏浚作业过程为研究对象, 通过控制疏浚作业参数,以提高耙吸挖泥船的疏浚效率。本文建立了基于土壤等工况条件的疏浚模型及目标优化函数,并应用遗传算法进行仿真优化。最后采用“新海凤”号自航耙吸式挖泥船工程实测数据进行了仿真验证,结果表明控制疏浚参数能够提高疏浚效率。     

基于体积力法的船体自航性能数值预报

为实现船舶自航性能的快速预报,应用计算流体力学（CFD）方法,采用一种便捷的描述型体积力模型替代螺旋桨的作用,分别在无舵实船自航点和有舵模型自航点2种条件下对MOERI(Korea Research Institute for Ships and Ocean Engineering)集装箱船(KCS)的黏性自由面流场进行了数值模拟.依据等推力法、敞水计算和螺旋桨敞水曲线等,计算船体自航性能相关参数.计算结果与试验结果吻合良好.研究结果表明,使用描述型体积力法可以便捷而较为准确地预报船体自航性能.     

频域内海洋资料浮标水动力特性的仿真研究

为研究海洋资料浮标的水动力特性,建立了频域内的运动微分方程,并基于势流理论,仿真了浮标模型在波浪中的运动,与模型水池试验结果进行比较,发现在共振区域内仿真结果的误差较大。为提高仿真精度,利用模型的横摇衰减试验,获得了浮标模型的阻尼系数,并对仿真模型的阻尼矩阵进行修正。修正后的仿真结果与试验结果对比,仿真精度大为提高,平均误差不超过3%,满足工程应用的要求。     

某工程船在不规则波中的操纵性自航模试验研究

为研究某小型工程船在不规则波中的操纵性能,对该船进行了静水和不规则波中的操纵性自航模对比性试验,依据试验所获取的大量数据,得到了随机波浪对船舶操纵性影响的规律,为进一步开展不规则波中操纵性理论预报提供了可借鉴的资料。     

自组织人工神经网络在矿区沉积物分类中的应用

以Matlab平台为基础,利用神经网络工具箱构建了自组织神经网络,对已知沉积相的安徽宿南等矿区的19组样本进行SOM分类,并与系统聚类分类结果进行比较;指出在无监督分类粒度分析中,SOM方法分类操作过程简便易行,具有残缺自动识别能力,分类结果惟一,可以在沉积物成因分类中应用。     

自航式声诱饵的艇载短基线阵定位方法研究

针对自航式声诱饵的战术使用特点和潜艇艇型特点,探讨利用艇载式短基线测量阵对其进行定位的方法,并对短基线测量系统的组成功能和阵形进行初步设计。文章还研究短基线测量阵的定位解算方法,并对典型工况下的测向误差分布进行仿真分析。仿真结果表明,系统在5km范围内的测向精度优于1?,能满足自航式声诱饵海上对抗效果的评估需求。     

自组织竞争人工神经网络在聚类问题中的运用

本章以自组织竞争人工神经网络为工具 ,对全国各省的公路交通运输发展现状水平进行了聚类分析。此分类对各省发展制定下一阶段发展战略具有一定的全局指导性。通过直截利用人工神经网络中的工具箱函数 ,进行编程 ,能迅速得到正确、简明的结果 ,说明了自组织竞争型人工神经网络用于解决分类问题的正确性     

体积力在潜艇自航因子预报中的应用

借助于CFD软件,在螺旋桨参数未知的情况下,用均匀分布的体积力模拟螺旋桨力场,对潜艇自航因子进行了预报,并与潜艇带桨自航试验数值模拟的结果进行了对比.发现:若体积力参数仅考虑螺旋桨轴向力,则潜艇阻力的计算误差可达7％,在引入螺旋桨旋转的影响后,这一误差值可降低至2％以内,同时,推力减额分数和平均轴向伴流分数的计算误差可控制在5％以内,而潜艇快速性的预报误差可控制在2％以内.用均布体积力模拟螺旋桨力场的方法,能够有效地预报潜艇伴流和推力减额分数,为螺旋桨的设计提供可靠的输入参数,也可以用于潜艇线型优化设计和快速性预报.     

移动式自安装井口平台拖航稳性分析

作为海洋油气资源勘探、开发重要载体的移动式平台是目前应用最为广泛的海洋装备.由于作业的需要会频繁迁航,拖航就位是比较危险的海上作业,在海油工发展历史上有过沉痛的教训,因此,移动式平台拖航就位安全问题引起世界范围的高度关注.针对某型移动式自安装井口平台运用MOSES软件建立平台分析模型,计算出不同工况下平台拖航的完整稳性...     

基于人工神经网络的电网谐波监测的方法

研究人工神经网络用于波形识别是一个新的研究领域。将神经网络这一新方法引入到电网谐波在线监测中，并就它在电网谐波在线监测应用中的一系列关键问题进行了较为系统的分析。提出了一种新型电网谐波在线监测系统模型，通过带通滤波器，采样存储器以及神经网络的在线监测电路，取得谐波信号，最终达到谐波补偿的目的。其在线监测部分主要利用模拟并行测量的基本原理，构造了一个用于电网谐波在线监测的特殊多层前向神经网络。并对其进行了仿真，仿真结果表明所提出的基于人工神经网络的电网谐波在线监测的方法是可行的和有效的。     

基于人工神经网络的突出矿井分级方法

应用人工神经网络理论与方法建立了突出矿井分级的BP网络模型 ,并用该模型对部分突出矿井进行了突出危险等级划分尝试。结果表明 ,该方法较为简便、分级可判性强 ,用于突出矿井分级是可行的。     

基于解释的人工神经网络集成学习方法

基于知识的人工神经网络是集成学习方法领域中最主要的研究方向，它利用领域知识决定神经网络的初始拓扑结构和联接权值的设置。一方面利用领域知识加速了网络的学习，另一方面利用神经网络的鲁棒性减少了领域理论不完善和数据噪声的影响，从而较好的解决了不完善领域理论的学习问题。本文对这方面的几个主要系统ＫＢＡＮＮ、ＲＡＰＴＵＲＥ进行了分析和评价，指出了它们在网络拓扑结构的动态改变、深层网络的加速学习和结果网络到规则的转译等方面的弱点，并因此提出了一种有效的集成学习方法——基于解释的人工神经网络。