船舶工程研究的內(nèi)容多以工程力學(xué)和結(jié)構(gòu)學(xué)為主,這些都是比較復(fù)雜的問(wèn)題,尤其是船舶動(dòng)力,它是造船時(shí)需要重點(diǎn)考慮的關(guān)鍵因素之一。在復(fù)雜問(wèn)題的解決中,粒子群算法的效果較好,但由于傳統(tǒng)的粒子群算法容易陷入局部最優(yōu)的情況,所以,需要對(duì)算法進(jìn)行優(yōu)化。云計(jì)算的出現(xiàn),為粒子群算法的優(yōu)化提供條件。本文從新型云粒子群算法的實(shí)現(xiàn)入手,對(duì)該算法在船舶工程中的應(yīng)用進(jìn)行論述。結(jié)果表明,本文提出的新型云粒子群算法,要優(yōu)于傳統(tǒng)的算法,具有良好的應(yīng)用價(jià)值。 

【文章來(lái)源】：艦船科學(xué)技術(shù). 2020,42(16)北大核心

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

這也是該算法能夠得到廣圖1傳統(tǒng)粒子群算法的流程示意圖Fig.1Flowchartoftraditionalparticleswarmoptimization1.2基于云粒子群的船舶

從形狀上看，船舶非常的不規(guī)則，這種不規(guī)則的形狀使得船舶在水面上的運(yùn)動(dòng)具有復(fù)雜性的特點(diǎn)，尤其是在波浪的作用下，使得船舶運(yùn)動(dòng)更加復(fù)雜�；谶@一前提，想要對(duì)船舶的運(yùn)動(dòng)過(guò)程中所受的力進(jìn)行精確的計(jì)算，難度非常大，所以需要進(jìn)行多次假設(shè)。比如，假定船舶為剛體，具有6個(gè)自由度；假定船舶在無(wú)線均勻的流場(chǎng)內(nèi)運(yùn)動(dòng)，在不考慮相關(guān)幾何特征影響的情況下，能夠采用流理論對(duì)船舶在水體中的運(yùn)動(dòng)進(jìn)行計(jì)算；假定船舶在水面上運(yùn)動(dòng)時(shí)，船舶受的水動(dòng)力為附件所受水動(dòng)力的線性疊加，屬于線性問(wèn)題。船舶在水上行駛必然會(huì)受到波浪的影響，在波浪的作用下，船舶出現(xiàn)搖蕩，此時(shí)的船舶會(huì)受到以下幾種力的作用，本體自重力、慣性力、水的浮力、流體動(dòng)力以及波浪繞動(dòng)力等。這些力中有的是變化的，有的固定不變，比如船舶的重力是固定不變的力，而水的浮力則不斷變化。鑒于此，可應(yīng)用本文提出的新型云粒子群算法，辨識(shí)船舶的運(yùn)動(dòng)參數(shù)。具體做法如下：初始化種群，對(duì)種群內(nèi)的粒子初始位置及其速度進(jìn)行設(shè)定；以船舶的運(yùn)動(dòng)方程為依托，利用預(yù)先設(shè)定好的粒子位置，對(duì)觀測(cè)值進(jìn)行計(jì)算，然后分別將理論與實(shí)際的觀測(cè)值代入到函數(shù)中，得出粒子的適應(yīng)度值，在此基礎(chǔ)上對(duì)種群當(dāng)中每個(gè)粒子的最優(yōu)值進(jìn)行更新，選取出全局最優(yōu)的微粒，判斷是否達(dá)到終止的條件，未達(dá)到重復(fù)上面步驟，達(dá)到則停止迭代，對(duì)結(jié)果進(jìn)行輸出即可。仿真結(jié)果如下：利用本文提出的算法，在3級(jí)海情，18kn航速和45°航向的條件下，得出船舶水動(dòng)力參數(shù)的變化曲線，如圖3所示。3結(jié)語(yǔ)在粒子群算法的改進(jìn)中，云模型得到廣泛應(yīng)用，據(jù)此本文提出新型的云粒子群算法，并對(duì)該算法在船舶工程中的應(yīng)用進(jìn)行分析。結(jié)果表明，本文提出的算法能夠?qū)Υ暗膭?dòng)力學(xué)特性進(jìn)行更加準(zhǔn)確的描述

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)粒子群算法的海上風(fēng)電匯集方式與并網(wǎng)優(yōu)化研究[J]. 牛東曉,趙東來(lái),楊尚東,雷霄.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(12)
[2]基于仿生原理的粒子群算法求解江安校區(qū)水動(dòng)力彌散系數(shù)[J]. 梅杰,李光偉,夏成城,劉亞萍,劉穩(wěn),賀欣悅.  煤田地質(zhì)與勘探. 2019(06)
[3]基于改進(jìn)粒子群算法的平面并聯(lián)機(jī)構(gòu)工作空間邊界求解[J]. 姬芳芳,趙欣.  機(jī)械傳動(dòng). 2019(12)
[4]基于改進(jìn)粒子群算法的電磁式振動(dòng)能量采集器參數(shù)辨識(shí)[J]. 吳鵬飛,袁天辰,楊儉.  智能計(jì)算機(jī)與應(yīng)用. 2019(06)
[5]基于粒子群算法的海洋溫差能朗肯循環(huán)系統(tǒng)多目標(biāo)優(yōu)化[J]. 王錳,趙英汝,張浩然,王兵振.  太陽(yáng)能學(xué)報(bào). 2019(10)



本文編號(hào)：3505444