期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
多学科设计优化在复杂船型开发中的应用
1
作者 章瑾 叶杨 朱婷 《舰船科学技术》 北大核心 2025年第7期59-63,共5页
在复杂船型开发中,多学科设计优化的应用对提升船舶综合性能、降低成本等具有重要意义。本文搭建多学科优化设计框架,明确综合优化目标,兼顾水动力、结构、稳性和经济性等多方面需求,深入分析各学科约束条件,为优化设计奠定基础。运用... 在复杂船型开发中,多学科设计优化的应用对提升船舶综合性能、降低成本等具有重要意义。本文搭建多学科优化设计框架,明确综合优化目标,兼顾水动力、结构、稳性和经济性等多方面需求,深入分析各学科约束条件,为优化设计奠定基础。运用改进粒子群算法,借助动态惯性权重调整、自适应学习因子等策略提升搜索能力,在收敛速度和稳定性上优于传统算法,将其应用于复杂船型多学科优化设计,重点研究船首和螺旋桨的多学科优化设计方案,结果表明多学科设计优化方法能有效提升设计效率。 展开更多
关键词 多学科设计优化 复杂船型 改进粒子群算法 优化目标
在线阅读 下载PDF
基于混合型复数域卷积神经网络的三维转动舰船目标识别 被引量：12
2
作者 张云 化青龙 +1 位作者 姜义成 徐丹 《电子学报》 EI CAS CSCD 北大核心 2022年第5期1042-1049,共8页
在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type C... 在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type Complex-Valued Convolutional Neural Network,Mix-CV-CNN),并推导Mix-CV-CNN前向传播与反向传播算法.三维转动舰船目标经过SAR成像处理后存在剩余相位信息,Mix-CV-CNN能充分利用SAR复数域图像的幅度和相位信息,在不进行目标重聚焦的情况下,较好完成SAR复杂运动舰船目标的识别.实验表明,Mix-CV-CNN相较于具有相同自由度的实数域卷积神经网络(Real-Valued Convolutional Neural Network,RV-CNN)识别性能有所提高,实测数据识别平均准确率提高3.85%. 展开更多
关键词 合成孔径雷达 复数域卷积神经网络 三维转动 目标散焦 舰船目标识别 混合型复数域卷积神经网络
在线阅读 下载PDF
基于变复杂度方法的船舶型线优化 被引量：5
3
作者 张守慧 谢玲玲 +2 位作者 冯佰威 叶诗瑶 王丽铮 《船舶工程》 CSCD 北大核心 2018年第3期5-9,共5页
介绍变复杂度方法的基本原理,给出变复杂度的优化框架;以克里索集装箱船(KCS)船舶兴波阻力为目标,采用变复杂度方法对KCS艏部型线进行优化,得到兴波阻力下降的船型,并对优化结果进行对比分析。结果显示,变复杂度方法的计算结果具有一定... 介绍变复杂度方法的基本原理,给出变复杂度的优化框架;以克里索集装箱船(KCS)船舶兴波阻力为目标,采用变复杂度方法对KCS艏部型线进行优化,得到兴波阻力下降的船型,并对优化结果进行对比分析。结果显示,变复杂度方法的计算结果具有一定可靠性,可显著提升船型优化效率,具有一定的工程实用价值。 展开更多
关键词 变复杂度 船型优化 KCS 兴波阻力
原文传递
COVID-19疫情前后北美五大湖航运网络多尺度时空变化及影响因素研究 被引量：3
4
作者 潘佳乐 信睿 《地球信息科学学报》 EI CSCD 北大核心 2023年第7期1481-1499,共19页
新冠疫情给全球海洋运输业造成了严重的影响,在后疫情时代航运产业的复苏过程中蕴含新的挑战与发展机遇。现有研究时间跨度不足,无法充分认识航运网络的变化过程,其次,仅对宏观尺度空间格局变化进行分析忽略了网络变化的内在驱动因素。... 新冠疫情给全球海洋运输业造成了严重的影响,在后疫情时代航运产业的复苏过程中蕴含新的挑战与发展机遇。现有研究时间跨度不足,无法充分认识航运网络的变化过程,其次,仅对宏观尺度空间格局变化进行分析忽略了网络变化的内在驱动因素。因此本研究基于复杂网络理论、社区探测算法和TOPSIS分析方法,提出一种航运网络多尺度变化分析框架,结合2019—2021年北美五大湖船舶轨迹数据分析整体航运网络、港口群落和港口3个尺度的变化特征。此外,还对各类型航运网络的变化机理进行追踪。研究结果表明:(1)网络流量方面,疫情前货轮和牵引船交通量占比达交通量总量的80%,疫情爆发后船舶交通量总量下降22.4%,各类型船舶交通量变化的时期、速度不同,其中,游船与货轮恢复能力强,油船次之,客船交通量降幅超50%为各类最高,受影响严重且恢复能力最弱,后疫情时期交通量总量较疫情前上涨4.4%,表明网络流量恢复能力整体较强;(2)网络结构方面,疫情前航运网络随气温变暖呈扩张趋势,港口数量、航线数量递增式上升,疫情后网络结构受损连通性下降,后疫情时期指标值迅速恢复、航线密度增大,期间网络“骨架”未被破坏。整体而言,五大湖航运网络韧性较强;(3)五大湖地区大型港口群位于各大湖泊内部且空间结构稳定,重要港口位于各大湖泊交界处,疫情前后港口评价值变化过程具有复杂性与不对称性。本研究通过多尺度视角分析网络变化,方法可应用于其他交通网络分析,为从业者认识疫情对航运业的影响提供参考。 展开更多
关键词 COVID-19 北美五大湖 AIS数据分析 多尺度时空分析 复杂网络分析 多类型航运网络 时空变化
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部