采用时域与时频域联合特征空间的转子系统碰磨故障诊断

针对转子系统早期碰磨故障,提出了一种基于时域和时频域联合特征提取和分析的方法,并采用该方法对简单转子模型进行了故障诊断。基于BP神经网络和影响函数法,建立了滑动轴承单盘转子碰磨故障动力学模型,并对转子系统碰磨故障进行了数值模拟;分别采用统计学和小波包分解方法,对振动信号的时域和时频域特征进行了提取,综合两者建立了碰磨故障的特征空间,并采用支持向量机(SVM)模型对比分析了基于时域、时频域和综合两者特征空间的故障诊断效果,在此基础上,通过引入可分度函数,将正常振动信号与故障信号同时考虑,对各特征的可分度进行了分析和排序;根据特征分析结果,将特征空间分为高可分度区域和低可分度区域,分别针对单特征和组合特征对碰磨故障进行识别。研究结果表明:单特征的碰磨故障识别率与其可分度函数值呈正相关;组合特征识别效果要优于单特征,且高可分度区域内的组合特征识别效果要明显优于低可分度区域,针对本文所建碰磨故障样本空间,高可分度区域内随机三特征组合平均故障识别率达到90%以上。文中提出的故障特征提取和分析方法可为复杂故障的识别提供参考。     

基于混合粒子群算法的船舶避碰决策

为解决船舶在开阔水域中的避碰决策问题，提出基于混合粒子群算法的船舶避碰决策方法。首先，针对粒子群算法在迭代后期容易陷入局部最优的局限性，引入高斯位置变异概念，扩大粒子的搜索广度，利用自适应策略对惯性权重进行改进，在保证粒子多样性的同时，提高粒子的局部搜索能力；其次，基于多目标优化方法构建目标函数，引入基于模糊综合评价策略构建的船舶碰撞危险度模型，统筹考虑《国际海上避碰规则》、海船船员通常做法、航行安全性与经济性，实现了多船会遇态势下的避碰路径规划；最后，通过Matlab仿真实验验证了该算法的有效性。相比标准粒子群算法，本文船舶避碰决策效果显著提高。     

一种基于GAN的多船轨迹预测方法

为更好地预测船舶密集水域多船会遇避碰场景中的船舶轨迹，基于生成式对抗网络思想，提出一种多船轨迹预测模型——Vessel-GAN。针对船舶轨迹特点，Vessel-GAN模型基于时序卷积网络的多船历史轨迹编解码、船舶交互特征提取、终点信息引导和避碰损失函数等技术，通过在历史轨迹上的对抗训练，实现了能够拟合船舶航行行为数据分布的多船预测轨迹生成。基于琼州海峡近5000万条由AIS数据构建的船舶交互数据集的实验表明，相较Social-GAN基准模型，Vessel-GAN在计算速度方面提升了36%,平均位移精度、终点位移精度分别提升28%、41%,生成的多船预测轨迹更加符合船舶真实行为特征，且具有更好的预测实时性和稳定性。     

船舶领域理论：发展现状及其MASS时代机遇

船舶领域理论近10年来得到了长足的发展，广泛应用于船舶避碰、航行安全决策和海上交通工程等领域的研究。随着MASS(Maritime Autonomous Surface Ships)概念和相关法规的提出，船舶智能化、自主化的进程将会加快，而船舶领域理论也将在这一趋势下朝着新的方向发展。综述了当前船舶领域的发展现状，包括现有的定义和建模方法，并讨论了船舶领域模型的实际应用场景；总结了MASS发展现状及其在未来革新过程中可能面临的挑战；针对MASS时代的需求，提出了未来船舶领域理论的发展和应用方向。     

基于改进PPO算法的船舶自主避碰决策

为减少船舶避碰决策过程中人为失误导致的海难事故，提出一种基于改进近端策略优化(PPO)算法的船舶自主避碰决策。在传统PPO算法广义优势估计基础上加入自适应基线调整，并且使用长短期记忆网络(LSTM)改进网络结构。船舶的航行信息和激光雷达矢量线被应用于神经网络输入，航行制导、角度偏差及《1972年避碰规则》均被纳入改进的奖励函数设计。两船和多船会遇场景仿真实验表明：本文提出的避碰决策可使船舶实现自主航行，并在避碰过程中符合《避碰规则》,为处理复杂局面下的船舶避碰决策提供了参考。     

大型旋转机械中非线性因素综述

综述了大型旋转机械中存在的非线性因素及目前的研究现状