【摘 要】
：
针对航海模拟器中人员落水救助训练评估主观评估存在的随意性大、标准不统一的问题,对Williamson旋回救助落水人员操纵过程进行分析.利用专家调查法获取评价指标体系;利用航海模拟器获取人员落水救助操纵的样本数据,结合专家调查法,得到各样本的主观得分,运用BP神经网络对样本进行训练和测试,得到人员落水救助智能评估模型,实现智能评估.实验分析表明:该模型的精度较高,成绩评定与船员的操纵水平相符,证明该评估模型的合理性.
【机 构】
：
大连海事大学航海动态仿真和控制交通部重点实验室,辽宁大连116026
论文部分内容阅读
针对航海模拟器中人员落水救助训练评估主观评估存在的随意性大、标准不统一的问题,对Williamson旋回救助落水人员操纵过程进行分析.利用专家调查法获取评价指标体系;利用航海模拟器获取人员落水救助操纵的样本数据,结合专家调查法,得到各样本的主观得分,运用BP神经网络对样本进行训练和测试,得到人员落水救助智能评估模型,实现智能评估.实验分析表明:该模型的精度较高,成绩评定与船员的操纵水平相符,证明该评估模型的合理性.
其他文献
近年来,大数据、云计算、人工智能、5G、物联网、区块链等新一代信息技术飞速发展,其日益成为推动全球数字化转型的驱动力,加快万物智能互联的时代到来.但与此同时,这也带来了网络安全风险全面升级和泛化,数字身份、数据流通等领域的安全问题进一步凸显.然而,传统单一、零散、静态的网络安全措施和保障体系,难以适应城市数字化转型下“人机物”多元融合、数据实时流通、系统异构复杂、智能应用层叠、多维场景融合的发展趋势.在此背景下,全球加快了数字信任建设.分析全球数字信任面临的问题与挑战,梳理全球数字信任建设的现状,并总结国
针对步态识别的复杂性及准确率差的情况,提出了一种基于足底压力感知的智能步态识别方法,通过采集足底周期性运动步态的压力数据,利用支持向量机对得到的步态数据进行分类,实现对足底压力感知的智能步态识别,并提高步态特征分析的准确率.通过实验验证,分类器的总体分类准确率达到了90％以上,验证了特征提取的合理性.通过评估真实状态与基于足底压力感知的智能步态识别结果,可以得出所提出的方法对步态识别有很高的准确率.
针对隧道复杂而危险的坍塌环境,对隧道救援人员定位系统的相关安全隐患进行深入分析,对于惯性器件佩戴在胸前、腰上、小腿、脚面等进行仿真研究,发现在脚面的修正效果更好.由于惯性器件装置的误差积累问题,根据人行走过程中脚底完全接触到地面时速度基本为零这一特点,对比了加速度和角速度零速修正的算法,提出组合零速检测和卡尔曼滤波融合的零速修正,实现自主式运用于地下空间环境下的单兵导航技术.通过封闭室内环境测试数据及计算结果,验证了算法的有效性,误差比不超过1％.
为迅速有效地响应柔性作业车间调度(Flexible Job-shop Scheduling problem,FJSP)中的机器故障扰动事件,提出一种基于博弈论的柔性作业车间动态调度方法.采用求和加权法和非支配排序基因算法(Non-Dominated Sort Genetic Algorithm-Ⅱ,NSGA-Ⅱ)算法生成预调度方案,在NSGA-Ⅱ中引入自适应交叉算子,提高种群多样性;针对机器故障下FJSP动态调度问题,为兼顾调度方案的稳定性与鲁棒性指标,并快速响应扰动事件,建立多阶段完全信息静态博弈模型,
连接地铁车站和商业设施的过渡型通道一般设计为复合型通道,以通行功能为主,兼具服务功能,通道两侧服务设施对行人交通的影响难以量化分析和仿真建模.服务设施对行人交通的粘滞作用影响主要体现在行人步行减速或改变轨迹方向,通过对服务设施的横向影响范围进行分析,将通道划分不同区域,引入粘滞力描述服务设施对通道交通的影响,据此改选社会力模型.通过仿真模型对相同设施布局、相同设计流量下不同行人组成的复合型通道宽度设置进行研究,获得不同类型行人占比条件下的通道宽度建议值,为该类通道设计提供理论和方法支持.
在无人集群执行任务过程中,网络随无人系统相对位置变化而实时变化,导致各无人系统的节点重要度随之改变,网络中数据传输和通信流量均会相应发生改变.为了实现更好的网络管理,承担控制数据通信功能的中心节点需要适时选择.提出了一种自适应的无人集群中心节点选择方法,将无人集群网络映射并特征表达成图论的方式;引入拉普拉新中心性评估节点自身的重要性;设计弱化因子,采用结构洞评估邻居节点的影响;拟合重要度矩阵,评估节点重要度.仿真结果表明:该方法能够更合理有效地选择出无人集群中心节点.
为解决轴承在寿命预测时精度不高且退化性能趋势及波动范围难以预测等问题,提出改进自适应完整集成经验模态分解去噪与模糊信息粒化改进相关向量机预测方法.针对轴承数据包含大量噪声问题,利用改进自适应完整集成经验模态分解结合小波包去噪,提取信号多种特征进行主成分分析,将其模糊信息粒化处理以提取有效信息,输入改进粒子群算法优化相关向量机模型对其退化指标波动范围以及剩余寿命进行预测.结果 表明:该方法能够对其波动范围进行有效预测,且剩余寿命预测精度大幅提高.
为提高优化调度解集质量,针对多目标模糊柔性作业车间调度问题,以模糊最大完工时间、模糊机器总负载、模糊瓶颈机器负载为优化目标,提出多策略融合的量子粒子群算法.使用混沌映射提高初始种群质量,并引入莱维飞行策略增强算法跳出局部最优能力,设计一种基于机器变异的邻域搜索策略进行局部搜索.利用交叉维护精英个体的多样性,结合模拟退火进行深度寻优.考虑模糊生产成本,引入多指标加权灰靶决策模型解决调度方案决策难题.通过仿真实验验证了算法和决策模型的优越性和有效性.
为提高短期光伏功率的预测精度,提出一种基于经验小波变换(Empirical Wavelet Transform,EWT)和粒子群算法(Particle Swarm Optimization,PSO)优化随机森林(Random Forest,RF)的变权组合预测模型.利用灰色关联分析选出相似日,使用EW将功率时间序列分解成不同频率的子模态,根据频率将其重构为高、中、低频3个模态,建立 PSO-RF,PSO-BP,PSO-LSSVM预测模型动态计算各自权值进行重构,进行误差校正输出预测结果.通过对澳大利亚光伏
为了对短期风电功率及其波动范围作出有效预测,提出了一种基于Kmeans聚类和核主成分分析法结合随机森林算法的风电功率预测方法.采用聚类分析数据处理方法对气象风力发电数据进行预处理,提高数据质量,使用核立成分分析法对风电数据的8个特征数据进行降维处理去除特征间的相关性,采用随机森林算法进行预测,得到风电功率的预测值.结果 表明:与传统的预测模型相比,采用聚类和核主成分分析法结合随机森林算法的模型进行预测,降低了预测误差,并能更准确地跟踪风电功率的变化.