基于TOPSIS法的岸基救助船优选研究

船舶发生海难事故,需要选取最适合的救助力量开展救助工作,海上恶劣的环境和搜救时间的紧迫性,对选取救助船有很高的要求。文章以水上人命救助为背景,从岸基专业救助船优选角度出发,分别构建两种模型:层次分析法(AHP)、加权和法相结合的优选评价模型,组合赋权、理想解排序法(TOPSIS)相结合的综合评价模型,通过实例将以上两种模型的优选结果与实际结果进行比较,验证了组合赋权-TOPSIS法能够较好的完成优选评价,优选结果与海上实际救助结果相吻合。     

地铁车辆轮对外形尺寸在线检测系统

在地铁车辆运行过程中,车轮受环境影响磨损较为严重,易导致外形尺寸超限.实现轮对外形几何尺寸的自动检测是关系车辆行车安全和正常运营的关键.采用光截图像法,设计了轮对外形尺寸检测系统,实现了轮缘高度、轮缘厚度、车轮内距、车轮直径的在线自动测量.该系统采用LS-SVM预测模型实现了对地铁车辆车轮磨耗趋势的精确预测分析;并将轮对外形尺寸测量参数结合预测模型运用到轮对检修中,产生了较好的经济效益.     

基于组合赋权与TOPSIS的极地探险娱乐设备选型

针对极地冲锋舟的选型要考虑多种因素、主观判断难以得出最优方案的问题,提出了基于组合赋权与优劣解距离法(TOPSIS)的设备选型方案.该方法通过组合赋权的方式实现对评价指标的赋权:首先根据相关的极地法规、法案及船级社的要求,建立了包含设备性能、经济性、携带便利性和顾客体验指标4个方面的选型指标体系;然后运用决策试验与评价实验室(DEMATEL)主观赋权法与熵权法(EWM)客观赋权法相结合的方式对指标体系进行组合赋权;最后采用TOPSIS计算备选方案与理想方案的相对接近度.计算结果表明:该方法降低了设备选型的盲目程度,即决策者在设备选型的过程中能够选出符合需求的最优方案,对极地探险娱乐设备的选型具有一定的指导意义.     

不同浇筑方式下UHPC空心板受力性能研究

为了研究不同浇筑方式下的UHPC空心板结构的受力性能,通过两点对称加载法分别对1块UHPC整浇空心板和2块抗剪腹筋数量不同且分2次浇筑的UHPC叠合空心板进行弯曲加载试验,对试件的承载力、挠度、裂缝形态以及混凝土应变进行分析。研究结果表明:有腹筋叠合空心板和整浇空心板在对称荷载作用下纯弯段满足平截面假定;整体浇筑可以提高试件的承载力且显著增强试件的延性;增加抗剪腹筋的数量能够显著降低叠合板的滑移,提高叠合板的整体抗弯刚度和承载力,仅靠人工粗糙面难以满足叠合面的抗剪要求。最后,参考相关规范对各试件受弯承载力进行了计算对比,计算值与试验值吻合较好。     

基于优化串-并联模型的钢桁拱桥系统易损性研究

为研究适用于钢桁拱桥系统易损性的分析方法,采用串联模型、简单串-并联模型、优化串-并联模型3种可靠度模型,基于一阶界限法分别绘制系统易损性曲线、系统损伤超越概率差值曲线以及损伤控制组件曲线.研究结果表明:串联模型不能考虑主、次要构件在系统易损性中的比重,简单串-并联模型能考虑主、次要构件的比重,但往往不能代表结构真实的失效模式,而优化串-并联模型既能代表考虑主、次要构件的比重,又能代表真实的失效模式.设计地震动下串联模型、简单串-并联模型分别会高估和低估系统轻微损伤超越概率,这与实际情况不符.串联模型导致系统严重损伤的误差最大,简单串-并联模型导致系统中等损伤的误差最大.不同可靠度模型的系统损伤超越概率较大的直接原因是不同可靠度模型的系统易损性的控制组件不同.因此建议对钢桁拱桥系统易损性分析时宜采用优化串-并联模型.     

圆筒型FPSO阻尼板结构强度计算方法研究

阻尼板作为增加圆筒型FPSO附连水质量和黏性阻尼的关键装置,可有效降低垂荡和横摇运动.阻尼板通常为与柱型筒体相连的悬臂梁式箱型结构,阻尼板及其与筒体连接区域处的结构设计及强度校核是圆筒型FPSO结构设计的关键.以阻尼板处最大压力及最大阻尼力作为目标设计载荷,采用子模型法校核其结构强度,以总强度分析得到的变形作为子模型边界条件,采用Morison法模拟黏性阻尼载荷,对阻尼板结构强度进行校核分析,为阻尼板的结构设计提供依据和指导.     

基于AHP_熵权法的空调系统配置方案设计与选型

极地邮轮的空调系统配置方案设计和选型对其节能、环保和舒适性有重要影响,为提出系统科学的选型方法,构建包括环保性、经济性、舒适性和轻量化性能指标在内的选型评价指标体系.为某8035总吨极地邮轮空调系统设计配置方案,建立基于层次分析法(AHP)和熵权法的模糊综合评价选型方法,对不同配置方案进行综合评估和选型.结果 表明,所建立的选型评价指标体系较全面,所提出的选型方法综合考虑了选型评价指标的主客观因素,结果可靠,可用于极地邮轮空调系统配置方案的选型.选型方法为邮轮空调系统配置选型的发展提供一定的参考价值.     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。