【摘 要】
：
为解决系泊船舶装卸作业工况下存在的失稳问题,提出一种基于改进萤火虫算法的系泊船舶装卸作业稳性分析方法。以某船舶横摇倾角数据为研究样本,利用MFA求解最优横摇运动模型,改进了步长向量和步长更新算法。根据最优模型参数计算初稳性高,分析系泊船舶装卸作业下的稳性安全。仿真实验表明:基于MFA的横摇运动优化模型具有很好的仿真精度,半载条件下拟合数据与实际数据决定系数为0.9722,满载情况下为0.9841,能利用半个周期的倾角数据量准确预测横摇运动状态,为系泊船舶装卸作业的稳性监测提供了解决方案和研究方向。
【机 构】
：
上海理工大学光电信息与计算机工程学院,上海交通大学电子信息与电气工程学院
【基金项目】
：
上海浦东新区科技发展基金项目(PKX2019-R12)。
论文部分内容阅读
为解决系泊船舶装卸作业工况下存在的失稳问题,提出一种基于改进萤火虫算法的系泊船舶装卸作业稳性分析方法。以某船舶横摇倾角数据为研究样本,利用MFA求解最优横摇运动模型,改进了步长向量和步长更新算法。根据最优模型参数计算初稳性高,分析系泊船舶装卸作业下的稳性安全。仿真实验表明:基于MFA的横摇运动优化模型具有很好的仿真精度,半载条件下拟合数据与实际数据决定系数为0.9722,满载情况下为0.9841,能利用半个周期的倾角数据量准确预测横摇运动状态,为系泊船舶装卸作业的稳性监测提供了解决方案和研究方向。
其他文献
为了解决传统人工势场法存在的目标不可达、易陷入局部极小值问题,在传统人工势场法基础上提出改进后的人工势场法.针对目标不可达问题,当目标点在附近障碍物影响范围内时,通
随着电力市场改革的不断深入,需求侧资源参与电力市场将促进高比例新能源接入并推动竞争型零售电力市场发展,为电力系统的经济可靠运行提供更有效的保障.首先分析了需求侧资
非刚性运动结构的三维重建旨在从二维图像中提取出关键坐标,并恢复其对应的三维形状及姿态。然而,目前的传统方法无法在大规模场景中应用。为此,将卷积神经网络应用于非刚体运动的三维重建中,提出一个基于无监督学习的非刚体三维重建框架。在FacebookAI实验室提出的C3DPO基础上,选择iResNet为backbone,并采用Ranger优化器进行训练。实验结果表明,该框架不仅可以更快地收敛,而且在H36
为提升文本关键词提取准确率和效率,提出一种基于LightGBM的文本关键词提取方法。该方法通过TF-IDF提取候选关键词,利用Word2Vec计算词向量,并采用特征工程,对候选关键词进行特征提取,再经由LightGBM算法将关键词提取转换为二分类问题。通过实验对比TF-IDF算法、TextRank算法、LDA算法及LightGBM算法对文本关键词提取的准确率P、召回率R及F1。结果表明,当TopN取2~5时,F1平均值比最优方法提升4.8%。该方法抽取效果整体上均优于实验选取的对比方法,证明将特征工程与L
时间信息识别是自然语言处理中非常重要的任务。传统中文时间表达式识别中常用的机器学习方法需构造大量特征模板,词向量为单一向量,不具有多义性,且难以获取长距离依赖。针对这些问题提出BERT-FLAT-CRF深度学习网络架构,利用Bert提升词向量表达,FLAT融合时间词汇特征,最后通过CRF提取最优序列标注。在TempEval-2语料中取得93.12%的准确率和92.15%的召回率,均优于其它算法模型,在自建数据集中与其它深度学习模型相比,该方法同样具有较好的效果,可有效提升对中文时间表达式的识别能力。
深度学习目标检测算法在对图像进行识别时会对图像进行压缩,造成小目标特征丢失导致无法检测到小目标信息。针对小目标检测难题,提出基于改进YOLO v4的小目标检测方法,通过使用深度可分离卷积模块和增加多尺度检测网络,提升检测效果,同时改进生成先验框方法,对高分辨率图像进行分割增加小目标的特征信息。使用改进方法对布匹瑕疵检测,准确率达到89%,mAP73.56%;火灾识别准确率达95%,mAP值88%。
气象数据精度高、数据量大,传统的数据存储模式已不能满足高并发、快时效的业务需求。因此,采用云存储技术建立地面实时历史一体化长序列统计应用数据库,实现地面实时数据与历史数据无缝衔接。将浙江省75个国家站和3400个区域站历史数据与传统关系型数据库进行任意时段、不同并发数的统计时效对比实验。实验结果表明,云关系型数据库具有更高的存储和查询效率,且在高并发情况下稳定性更好,性能比传统关系型数据库提升了1个数量级。该研究成果通过气象云大数据平台数据服务系统,为气象预报和科研业务提供了快速、便捷、高效的数据服务。
三维标定参数精度对3D视觉测量的作用至关重要。为解决传统激光三角法标定原理复杂、过程繁琐以及在倾斜平面标定精度不稳定问题,提出一种基于片光模型的三维标定方法。采用曲面灰度值拟合算法,结合标准量块几何尺寸与视差图像中的深度信息映射关系生成标定系数,解决激光三角检测系统在不完全水平基准面标定精度不稳定问题。利用经验值加标定矫正方式保证标定精度。实验结果表明,该标定方法能准确测量物体高度,Z轴平均绝对测
为满足信用评估实时性和准确性要求,在增量学习框架下结合支持向量机(SVM)与AdaBoost(AB)算法设计IL-SVM-AB分类器。该IL-SVM-AB分类模型很好地克服了SVM在处理高维数据时对特征选择不主动导致准确率下降的缺点,并考虑到信用评估的数据样本会不断更新,引入新的价值指标。由此在增量学习的思想下,另外设计了数据判别以及SVM-AdaBoost数据处理两个子系统,并根据不同数据类别选择最优处理方式。实验结果表明,IL-SVM-AB判断信用价值的准确性相比一些传统算法模型以及集成算法模型平均提
由于采用随机采样方式进行路径规划时RRT算法无需对任务空间内的障碍物进行数学建模,因而该算法在路径规划领域得到了广泛应用,但该算法的初始化参数步长和偏置概率对路径规划结果有直接影响。为了揭示初始化参数对RRT算法性能的影响规律,为参数选取提供依据,通过计算机模拟不同复杂程度任务空间下的路径规划问题,并利用RRT算法进行路径规划实验,从算法耗时、路径长度、规划失败概率3个方面统计分析初始化参数对RRT算法性能的影响。实验结果表明,初始化参数步长和偏置概率对RRT算法性能有直接影响,且不同复杂程度任务空间需要