版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著經(jīng)濟(jì)水平的日益提升,海洋運(yùn)輸能力對(duì)各國(guó)發(fā)展愈來(lái)愈起到至關(guān)重要的作用,船舶運(yùn)動(dòng)模型研究的重要地位也就更加凸顯了出來(lái)。掌握船舶運(yùn)動(dòng)模型是研究船舶操縱性能的必要基礎(chǔ),而經(jīng)典方法求取的參數(shù)并不精確,參數(shù)辨識(shí)方法在獲得船舶水動(dòng)力參數(shù)時(shí)表現(xiàn)更加出色。
粒子群算法(Particle Swarm Optimization,PSO)以其不同于以往經(jīng)典辨識(shí)方法的獨(dú)特性能闖入了人們的視野,簡(jiǎn)單易懂的理論、便捷的流程使它應(yīng)用范圍頗為廣泛,越來(lái)越多
2、領(lǐng)域的實(shí)踐證明了它的穩(wěn)定性和精度。本文引入元胞自動(dòng)機(jī)原理對(duì) PSO算法進(jìn)行優(yōu)化,并將元胞PSO優(yōu)化算法運(yùn)用到船舶水動(dòng)力參數(shù)辨識(shí)中,將它轉(zhuǎn)化為一個(gè)尋優(yōu)的過(guò)程。
文章首先介紹了PSO算法的特點(diǎn)及基本原理,重點(diǎn)對(duì)不同的拓?fù)浣Y(jié)構(gòu)如何選擇進(jìn)行了實(shí)測(cè)比對(duì),并闡述了參數(shù)的一般選取規(guī)律。之后說(shuō)明了PSO算法的缺陷并引入元胞機(jī)制,設(shè)計(jì)了內(nèi)、外元胞PSO算法兩種改進(jìn)形式。在改進(jìn)后的算法中,粒子不僅僅要進(jìn)行迭代前后的狀態(tài)比較,還要與鄰居的狀態(tài)進(jìn)行比
3、較,有利于進(jìn)行解空間局部信息的搜索,而且鄰居函數(shù)與轉(zhuǎn)移規(guī)則都會(huì)影響到搜索結(jié)果,粒子增加了自主性。通過(guò)兩組對(duì)比實(shí)驗(yàn)采用用四個(gè)基準(zhǔn)測(cè)試函數(shù)驗(yàn)證了兩種方法在不同程度上彌補(bǔ)了基本算法的劣勢(shì),獲取到了更加滿意的最優(yōu)解。
隨后,建立了船舶運(yùn)動(dòng)模型并離散化。對(duì)辨識(shí)方法進(jìn)行了具體的設(shè)計(jì),如初始化方法、速度域與搜索區(qū)域界定、輸入函數(shù)與適應(yīng)度值函數(shù)等,敘述了辨識(shí)方法的具體步驟。對(duì)舵角輸入和海浪擾動(dòng)輸入建模,并且設(shè)計(jì)了巴特沃斯IIR型濾波器以增加輸
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 船舶縱橫搖和升沉運(yùn)動(dòng)預(yù)報(bào)方法研究.pdf
- 基于改進(jìn)粒子群算法的邊坡工程參數(shù)辨識(shí)研究.pdf
- 基于改進(jìn)粒子群算法的電力負(fù)荷模型參數(shù)辨識(shí)研究.pdf
- 基于協(xié)同粒子群算法的PMSM在線參數(shù)辨識(shí).pdf
- 基于改進(jìn)粒子群優(yōu)化算法的PID參數(shù)整定研究.pdf
- 粒子群優(yōu)化算法的研究和改進(jìn).pdf
- 基于改進(jìn)的粒子群算法的鉆進(jìn)參數(shù)多目標(biāo)優(yōu)化研究.pdf
- 基于粒子群優(yōu)化算法的船舶航向PID控制.pdf
- 改進(jìn)的粒子群優(yōu)化算法.pdf
- 基于粒子群的卡爾曼濾波算法改進(jìn)和優(yōu)化.pdf
- 粒子群及量子行為粒子群優(yōu)化算法的改進(jìn)研究.pdf
- 基于優(yōu)化控制思想的粒子群優(yōu)化算法改進(jìn)研究.pdf
- 改進(jìn)粒子群優(yōu)化算法的研究.pdf
- 基于改進(jìn)粒子群優(yōu)化算法的板巖參數(shù)反演及洞室流變分析.pdf
- 粒子群算法的改進(jìn)及其在參數(shù)優(yōu)化和社區(qū)發(fā)現(xiàn)中的應(yīng)用.pdf
- 基于雙種群的改進(jìn)粒子群優(yōu)化算法研究.pdf
- 基于控制思想的粒子群優(yōu)化算法改進(jìn)研究.pdf
- 基于混沌映射的粒子群優(yōu)化算法改進(jìn)研究.pdf
- 基于改進(jìn)粒子群算法的多目標(biāo)優(yōu)化研究.pdf
- 基于改進(jìn)粒子群優(yōu)化的聚類算法研究.pdf
評(píng)論
0/150
提交評(píng)論