在航集装箱船摇摆姿态的概率模型

为研究在航集装箱船的摇摆姿态尤其是横摇姿态,利用假定概率模型的方法对集装箱船关键位置处的摇摆姿态进行研究,并构建摇摆概率模型,讨论并确定该模型的相关参数,从而建立集装箱船摇摆姿态的概率模型。结果表明,集装箱船不同位置处的纵摇角、横摇角和垂向加速度的概率模型近似服从高斯分布,仅其相关参数不同。该方法从在航集装箱船摇摆姿态的角度为船舶航行安全研究提供一定的理论依据。     

船舶营运中船体结构的维护

从使用者的角度出发,分析船舶营运中影响船体结构强度且船员能够干预的主要因素,如装卸货、波浪、事故等.结合船体结构常见的损伤,提出船员尤其是驾驶员要精心编制积载计划及小心装卸货物、做好船体日常保养、大风浪中正确操纵船舶及避免事故等维护和保养船体结构的具体措施.     

基于解释结构模型的LNG船舶进出港风险因素分析

为识别液化天然气(Liquefied Natural Gas, LNG)船舶进出港风险因素,建立LNG船舶进出港风险因素解释结构模型(Interpretative Structural Modeling, ISM).该方法从LNG船舶进出港全过程涉及的安全要素着手,由ISM专家小组确定16个风险因素;利用解释结构模型,建立风险因素的邻接矩阵和可达矩阵;将LNG船舶进出港的影响因素划分成6个层级.根据各因素之间的相互影响关系及不同层次之间的关系,分析LNG船舶进出港过程中存在的主要问题,对保障LNG船舶的航行提出安全措施建议.模型分析表明,该方法可以直观地把握对LNG船舶进出港作业产生影响的各因素的层次关系,可为有关部门保障LNG船舶进出港作业安全提供参考.     

集装箱船舶结构状态监测与评估系统

集装箱船舶的船体结构应具有足够的剪切强度、屈曲强度和疲劳强度等特点.然而,船舶在装卸货物和大风浪航行过程中所出现的一些船体结构强度问题不可能在船舶设计与建造过程中完全解决.集装箱船舶结构状态监测与评估系统是用于监测与评估集装箱船在实际营运操作过程中结构状态的计算机系统,该系统能够实时显示船舶受力情况和运动情况,并试图为船体结构的安全性提供必要的预警信息,以便及时采取应变措施.     

船舶碰撞引起的自升式海洋平台结构损伤分析

针对船舶与海洋平台碰撞问题,研究船舶不同碰撞位置对平台结构损伤的影响。基于非线性有限元方法对船舶与海洋平台碰撞的场景进行数值模拟。对船首、船中和船尾碰撞这3种情况下的平台损伤特性进行比较分析。结果表明,这3种情况下的碰撞时间、碰撞力和碰撞位移以及平台局部损伤、整体变形和总吸能等存在着较大的不同,平台具有不同的损伤特征。     

起重机臂架结构中的焊接残余应力及其影响

论述了焊接残余应力对臂架结构的影响，深入探讨了臂架失稳折臂的机理，并以１６ｔ－３０ｍ门机臂架为例，对焊接残余应力计算在臂架分析中的应用作了阐述     

船舶电站多种发电方式的联合运行仿真系统分布式结构的实现

简要介绍已研制完成的船舶电站多种发电方式联合运行仿真系统的总体组成,主要阐述仿真系统分布式结构的设计以及实现,简要说明分布式船舶电站多种发电方式联合运行仿真系统的特色和成果。系统采用了分布式结构,由下位机完成各自的柴油发电机组、轴带发电机组、透平发电机组的仿真,并由上位机实现电力管理,通过通信实现多种发电方式联合运行仿真。构成嵌入式物理一数学仿真,提高仿真设备实时、可靠性,改善了系统性能。     

船舶冲突时空特征分析

为更加全面地分析水域船舶冲突的时空特征,从船舶动态航行过程出发,以船舶领域模型代替船舶碰撞半径,对船舶冲突数据进行识别与提取。通过对空间自相关模型在时间维度上的拓展,探讨船舶冲突数据在时空上的变化特征。基于该模型,研究不同时间尺度下船舶冲突空间变化趋势。实例结果表明,研究水域内的船舶冲突具有较强的空间自相关性,且会随着空间阶的提升而消散。     

大数据支持下船舶智能运维的实现

为实现船舶在航行中的设备检测和智能维护,对支持智能船舶的大数据分析方法进行研究,并结合大量实船运维数据,提出基于设备衰退机制的动态决策树模型,对船舶设备的衰退过程进行预测。将分析结果同步可视化到设备模型中,从而减少船舶运维中由设备故障带来的不确定性,提升船舶智能化水平。开发船舶智能运维管理系统,将大数据的集中分析能力、数据库的集成管理能力和3D可视化技术相结合,实现船舶的一体化和智能化管理与维护。     

矩形基础双向偏心的应力重新分布

指出基底应力重新分布的条件、特殊情况下的偏心距和应力及计算方法。     

不同潮流时段船舶靠泊作业风险贝叶斯决策模型

为采取有效决策行为降低船舶靠泊作业风险,分析船舶靠泊作业流程,结合专家的知识对任务节点进行筛选,得到船舶靠泊作业过程图。通过对因素间可靠度进行检验,构建贝叶斯网络结构,建立船舶靠泊作业风险决策模型。结合油船靠泊作业相关数据,获取各节点条件概率,将贝叶斯推理、决策等分析方法应用到模型中,得出一定风险状态下的风险决策结论。将潮流分为6个时段,根据每个时段的证据推理结果,识别出各时段船舶靠泊作业中的关键环节,为相关部门提供参考。     

基于船舶领域的碰撞危险度评估模型

为解决船舶避碰决策中对碰撞危险度计算精度不足和对危险目标船辨识性差的问题,使用基于Coldwell船舶领域的危险识别参数改进多船避碰危险度评估模型,比较改进前后模型的精度。使用VC++实现船舶MMG运动模型,对基于改进模型的四船交叉会遇态势作避碰决策仿真。仿真结果表明:对同一危险船,改进模型的精度更高;在多船会遇中,改进模型能够识别运动参数相似的危险目标船,辨识性更高。改进模型可为更复杂的多船避碰决策提供理论支持。     

一种适合船舶中压直流电力系统的MMC并联结构

鉴于模块化多电平变换器(modular multilevel converter,MMC)桥臂额定电流难以满足船舶中压直流(medium voltage direct current,MVDC)电力系统逐渐增大的功率传输需求,设计一种适用于船舶MVDC大功率电力系统的MMC并联结构。应用MATLAB/Simulink,分别在MMC并联结构和MMC基本结构下,建立MMC-MVDC电力系统仿真模型。仿真结果表明,在传输同样大的功率时,采用MMC并联结构的桥臂电流明显比采用MMC基本结构的桥臂电流小,能克服MMC子模块中IGBT元件额定电流较小的障碍。     

船舶引航风险成因灰色综合评价模型

为控制或降低船舶引航风险,在利用时间序列数据对船舶引航风险成因重要性进行定量化分析的基础上,应用改进的灰色关联分析方法,提出船舶引航风险成因系统的灰色关联分析模型.运用模糊函数对相对风险的构成因子综合计算,得出引航风险成因的最优关联因数,进行船舶引航风险成因的关联度排序.该模型的计算结果表明灰色关联分析可以得出更符合实际情况的结论.     

船舶市场趋势预测的三阶段模型

为提高船舶市场趋势预测的精度,针对以往在神经网络应用时仅单纯改进隐层环节算法的局限性,综合模糊聚类方法、数据修正和插值算法,对输入环节的数据进行降维和增量处理,构建船舶市场趋势预测的三阶段模型.首先,利用模糊聚类方法对历史数据进行分类,降低数据非线性;然后,通过数据修正和插值算法,在不改变数据规律的情况下增加每类数据的数据量;最后,利用处理完毕的数据训练神经网络.实例结果证明,三阶段模型在船舶市场趋势预测方面是有效的.     

基于PCA和SAPSO的船舶风压差神经网络预测模型

为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis, PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization, SAPSO)算法的船舶风压差神经网络预测模型。该方法采用PCA法对航行数据进行预处理,然后将数据输入由SAPSO算法优化的BP神经网络中,改变以往通过复杂的数学建模计算风压差的方法,提高预测的时效性和准确性。利用实船数据对模型进行船舶风压差的实时预测仿真,结果验证了该预测模型具有较高的可靠性。     

基于最小二乘法的船舶吨位计算模型

为更高效且准确地实现船舶吨位即排水量的测量,通过多个超声波换能器和速度传感器测量多点距离和船舶速度,应用最小二乘法拟合曲线来计算船舶截面的面积,并建立船舶吨位算法模型,利用MATLAB对该模型进行仿真。通过在泰州船闸处的实际运用案例验证该模型的可行性。对比MATLAB仿真结果与实际测量结果发现,用该模型计算的船舶吨位误差较小。该模型可以更高效且准确地实现船舶吨位的测量,是一种可以代替人工测量估算船舶吨位的有效方法。     

基于改进的无尺度网络的高斯动态粒子群优化算法在舰船电网故障重构中的应用

针对当前优化算法在处理大规模舰船电网重构问题时易陷于局部极值的缺点,提出一种基于改进的无尺度网络的高斯动态粒子群优化(Gaussian Dynamic Particle Swarm Optimization,GDPSO)算法.该算法融合无尺度网络理论与种群拓扑结构,采用改进的无尺度网络BA模型随机地逐渐增加种群拓扑规模,增加种群多样性,提高种群跳出局部极值的能力.以某20节点和扩充为60节点的舰船电网为例进行故障后重构测试.结果表明,该算法对多维度舰船电网重构有效.