CN111572729A - 一种基于改进遗传算法的船舶动力定位系统推力分配方法 - Google Patents
一种基于改进遗传算法的船舶动力定位系统推力分配方法 Download PDFInfo
- Publication number
- CN111572729A CN111572729A CN202010262925.9A CN202010262925A CN111572729A CN 111572729 A CN111572729 A CN 111572729A CN 202010262925 A CN202010262925 A CN 202010262925A CN 111572729 A CN111572729 A CN 111572729A
- Authority
- CN
- China
- Prior art keywords
- thrust
- genetic algorithm
- population
- algorithm
- propeller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 96
- 230000002068 genetic effect Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000035772 mutation Effects 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000005215 recombination Methods 0.000 claims description 7
- 230000006798 recombination Effects 0.000 claims description 7
- 210000000349 chromosome Anatomy 0.000 claims description 6
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 claims description 5
- 101000852815 Homo sapiens Insulin receptor Proteins 0.000 claims description 3
- 102100036721 Insulin receptor Human genes 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 abstract description 23
- 230000008569 process Effects 0.000 abstract description 21
- 230000008859 change Effects 0.000 abstract description 5
- 230000002028 premature Effects 0.000 abstract description 5
- 230000005012 migration Effects 0.000 abstract description 4
- 238000013508 migration Methods 0.000 abstract description 4
- 206010064571 Gene mutation Diseases 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING
- B63B79/00—Monitoring properties or operating parameters of vessels in operation
- B63B79/40—Monitoring properties or operating parameters of vessels in operation for controlling the operation of vessels, e.g. monitoring their speed, routing or maintenance schedules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Ocean & Marine Engineering (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Probability & Statistics with Applications (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供的是一种基于改进遗传算法的船舶动力定位系统推力分配方法。使用浮点数编码代替二进制编码;选择算子使用随机遍历抽样算法代替轮盘赌算法,降低选择操作的时间复杂度;在变异操作用中引入灾变,模拟自然进化的过程,提高种群的多样化,避免种群过早的进行收敛;引入多种群操作,每隔一定的代数对子种群进行迁移操作;将遗传算法的进化过程也分成渐变阶段和突变阶段,自使用改变基因交叉率和基因变异率来提高算法的收敛速度;调节适应度函数的权值和遗传算法的参数,提高推力分配的实时性、精确性以及稳定性。选取恰当适应度函数的权值,通过选择不同的遗传算法参数,分析参数对推力重分配过程的实时性、精确性以及稳定性的影响。
Description
技术领域
本发明涉及的是一种船舶动力定位系统推力分配方法。
背景技术
动力定位船舶控制系统的执行装置是推进系统,推进系统由各种形式的推进器组成,控制系统出现故障大多数原因是由于推进器故障导致的。因此动力定位控制系统在推进器出现故障情况下进行的控制策略决定了船舶航行与作业的安全性。如果推进系统中出现了故障,此时控制系统没有对此做出及时的处理,将会影响到作业中船舶的稳定性,甚至将会出现严重的事故。国内外学者对动力定位船舶的故障情况下推进系统控制分配重构有很多的研究成果,但选取合适的智能优化算法对控制分配参数在线自适应调整的研究还不是很成熟,仍存在着许多问题亟待解决。标准遗传算法在优化过程中易陷入局部最优解,也就是所谓的“早熟”,使得控制系统获取不到全局最优解,导致遗传算法的优化效果很差。标准遗传算法在优化存在着收敛慢的问题,主要原因是种群进化比较难定位到全局最优解,这会降低遗传算法的优化效率,对于实时性要求高的系统很难满足其要求。应对动力定位船舶推进器故障情况下推力分配选择合理的遗传算法参数,遗传算法里面不同的参数相对应于不同的优化性能,对于动力船舶这种含有全回转推进器非线性高的系统,选择合适的遗传算法参数适用于船舶推力分配。
发明内容
本发明的目的在于提供一种当船舶推进器出现故障时,使用合适的控制策略,调节船舶推进器使其工作在稳定的状态的基于改进遗传算法的船舶动力定位系统推力分配方法。
本发明的目的是这样实现的:
在推力分配单元利用改进遗传算法进行推力分配,所述的改进遗传算法包括如下步骤:
步骤1:选择初始种群并初始化;
步骤2:计算适应度值;
步骤3:选择操作,使用随机遍历取样算法作为选择操作的算子;
步骤4:重组操作,
采用中间重组,中间重组产生新的染色体Pnew为:
Pnew=αP1·(P2-P1)
其中,α是区间[-0.25,1.25]一个随机数;P1和P2是亲代的两个染色体;
步骤5:变异操作,
个体变异方法采用:
步骤6:重插入操作;
步骤7:终止判断条件,
当差值或者遗传代数有一个条件满足时就终止遗传算法,用于船舶动力定位系统推力分配。
本发明还可以包括:
1.遗传算法适应度函数f(T,α)为:
min f(T,α)=p1||BT-τd||2+p2||WuT||2
其中,B为描述推进器配置的控制矩阵,是螺旋桨输出角度α的函数;T为推进系统的推力矩阵;τd为控制系统期望的控制合作用力和力矩;Wu为推进器的优先使用权值矩阵;Tmin和Tmax为推进器推力值的下限和上限;δ为推进器推力禁区角;p1和p2为对应的权值。
2.重插入操作同样采用基于适应度选择个体,并且在整个在种群中,单个子种群重插入的子代个体所占有的比率为INSR=0.9。
3.初始种群选择为:
其中,
Chrom为随机分布的实数值随机数,其范围大小由FieldD区域描述矩阵决定,该矩阵是由螺旋桨的推力大小和回转角度范围所形成;SUBPOP为子代种群的数目,
控制系统每进行一次控制输出初始种群选择为:
Chromnew=Chromold+ξ
其中,Chromold为上一次遗传进化最后生成的种群;ξ为一个增量矩阵。
本发明的方法当船舶推进器出现故障时,使用合适的控制策略,调节船舶推进器使其工作在稳定的状态。本发明的技术方案的主要创新点体现在:
1.遗传算法适应度函数的设计;
2.基于改进遗传算法推力分配;
3.改进遗传算法参数的推力分配。
本发明包括以下有益效果:
1.本发明完成了遗传算法适应度函数的设计,适应度函数既需要满足求解推力重分配的要求,又需要优化推进系统的推力分配性能,统筹兼顾,因此对两者分配权值,生成优化求解的目标函数。
2.本发明利用基于改进遗传算法推力分配,采用浮点数编码方式,对于连续函数的优化问题,优化效果要远远高于二进制编码。而且浮点数编码可以提高算法的运算效率,降低运算过程的复杂性。
3.本发明实现了改进遗传算法参数的推力分配,选择不同的遗传算法参数,分析参数对推力重分配过程的实时性、精确性以及稳定性的影响。通过增加种群个数和动态调整子代个体的方式增加种群的多样性,避免算法在进化的过程中过早的收敛,陷入局部最优解。动态的调整基因交叉率和基因变异率,使得种群在进化前期加快搜索速度、后期加快收敛速度。
本发明所提出的是船舶动力定位系统推进器故障下推力分配方法,当船舶推进器出现故障时,使用合适的控制策略,调节船舶推进器使其工作在稳定的状态。用于研究船舶推进器故障下的推力分配有很高的工程应用价值。
附图说明
图1改进遗传算法流程图;
图2二进制编码与浮点数编码种群均值稳定性对比;
图3固定变异率下不同交叉率对比图;
图4固定交叉率下不同变异率对比图;
图5种群进化中适应度函数解与种群均值的变化图;
图6船舶动力定位推力分配控制系统示意图。
具体实施方式
本发明主要包括两部分,第一部分:利用改进的遗传算法解决输出纹波的幅值和频率较大的问题;第二部分:通过改进适应度函数的权值及遗传算法参数,提高推力分配的实时性、精确性及稳定性。
第一部分包括:
(1)使用浮点数编码代替二进制编码;
(2)选择算子使用随机遍历抽样算法代替轮盘赌算法,降低选择操作的时间复杂度;
(3)在变异操作用中引入灾变,模拟自然进化的过程,提高种群的多样化,避免种群过早的进行收敛;
(4)同时引入多种群操作,每隔一定的代数对子种群进行迁移操作;
(5)将遗传算法的进化过程也分成了两个阶段,渐变阶段和突变阶段,自适应改变基因交叉率和基因变异率来提高算法的收敛速度;并调节基因交叉率和基因变异率,基因交叉率的范围为[0.4,1],基因变异率的范围选定[0.001,0.1],适应度值μ的调整方法如下表示:
第二部分包括:
适应度函数f(T,α)为:
minf(T,α)=p1||BT-τd||2+p2||WuT||2
其中,B为描述推进器配置的控制矩阵,是螺旋桨输出角度α的函数;T为推进系统的推力矩阵;τd为控制系统期望的控制合作用力和力矩;Wu为推进器的优先使用权值矩阵;Tmin和Tmax为推进器推力值的下限和上限;δ为推进器推力禁区角;p1和p2为对应的权值,根据目标函数的优化需求可以进行调节。
合理的设置p1值的大小。权值p2是调节控制器的核心,该参数决定适应度函数是否能达到推力重分配。遗传算法是求适应度函数的最小值,设置两个权值的大小相当于设置两个权值的比值,可以先固定一个权值,去调节另外一个权值的大小。采用期望控制合力和艏向力矩为τd=103×[2000 1000 500]T。取一个中间值p2=300,这样既满足期望的合外力与合外力矩的控制需求,又可以使推进器的控制输出浮动不会太大,对两种情况的控制性能达到一个较好的权衡。
进化代数的选择关系到遗传算法能否获得最优解,以及算法的运算效率。本发明选取进化代数为200。种群规模选择过大,可以增加种群的多样性,提高种群对全局最优解搜索的准确率,防止种群进化进入局部最优解,有效的避免早熟现象。与此同时,也会增加控制器运算的负担,降低求解最优解的效率。本发明选择单种群个体数目为20。加上移民算子之后的遗传算法输出抖动的频率和幅值都要小于没有移民算子的遗传算法输出值。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明,其中图1是改进遗传算法流程图;图2是二进制编码与浮点数编码种群均值稳定性对比;图3是固定变异率下不同交叉率对比图;图4固定交叉率下不同变异率对比图;图5是种群进化中适应度函数解与种群均值的变化图。
下面结合附图举例对本发明做更详细的描述。
1.遗传算法适应度函数的设计
适应度函数既需要满足求解推力重分配的要求,又需要优化推进系统的推力分配性能,统筹兼顾,因此对两者分配权值,生成优化求解的目标函数。适应度函数f(T,α)为:
minf(T,α)=p1||BT-τd||2+p2||WuT||2
其中,B为描述推进器配置的控制矩阵,是螺旋桨输出角度α的函数;T为推进系统的推力矩阵;τd为控制系统期望的控制合作用力和力矩;Wu为推进器的优先使用权值矩阵;Tmin和Tmax为推进器推力值的下限和上限;δ为推进器推力禁区角;p1和p2为对应的权值,根据目标函数的优化需求可以进行调节。
2.基于改进遗传算法推力分配
改进遗传算法步骤:
步骤1:初始种群的表示和初始化
如图2所示,浮点数编码适用于连续函数的优化问题,且可以提高算法的运算效率,降低运算过程的复杂性。增加群体的多样性,使得群体向着多样化的方向进化。
初始种群的选择为:
其中,
Chrom为随机分布的实数值随机数,其范围大小由FieldD(Field Description)区域描述矩阵决定,该矩阵是由螺旋桨的推力大小和回转角度范围所形成。SUBPOP为子代种群的数目。
控制系统每进行一次控制输出初始种群选择为:
Chromnew=Chromold+ξ
其中,Chromold为上一次遗传进化最后生成的种群;ξ为一个增量矩阵。
步骤2:适应度值的计算
适应度值的计算采用与标准遗传算法统一的方法。
步骤3:选择操作
标准遗传算法采用的选择方法为轮盘赌算法,随机遍历选择仅仅进行一次扫描,因此算法的时间复杂度为O(N)。使用随机遍历取样算法作为选择操作的算子。
步骤4:重组操作
浮点数编码的重组方式有多种,本遗传算法采用中间重组,中间重组产生新的染色体Pnew为:
Pnew=αP1·(P2-P1)
其中,α是区间[-0.25,1.25]一个随机数;P1和P2是亲代的两个染色体。
步骤5:变异操作
个体变异方法采用:
步骤6:重插入操作
子代插入到父代种群的过程中是基于适应度插入的,子代个体是有条件地替代父代个体产生新的种群。重插入操作同样采用基于适应度选择个体,并且在整个在种群中,单个子种群重插入的子代个体所占有的比率为INSR=0.9。
步骤7:终止判断条件
较小的差值虽然可以获得较好的最优解,但系统的时间响应度过低。较大的差值虽然可以使得遗传算法求解的速度加快,但是可能求取的不是最优解。将两种算法终止判断方法融合,当差值或者遗传代数有一个条件满足时就终止遗传算法,这样可以提高算法的计算效率。
3.改进遗传算法参数的推力分配
在遗传算法中比较重要的几个参数,比如种群的规模、基因交叉率和基因变异率、进化代数以及种群的迁移算子。
在遗传算法优化的过程中,基因的交叉率是在种群进化过程中发挥着主导作用,基因的变异率对遗传算法的优化进行补充。基因的交叉率控制着算法搜索最优解的速率,基因的变异率使得算法在最优解附近准确的定位到全局最优解。种群进化的前期基因交叉率起着关键的作用,较高的交叉率可以加快遗传算法进化的速度,进化的后期,基因的变异率要加强,从而较快的收敛到全局最优解。因此本遗传算法把进化阶段划分为两个阶段,渐进阶段和突变阶段,通过自适应变化率来实现,从而对遗传算法的性能进行改善,使得算法较快的定位到全局最优解。仿真结果如图3、4所示。
将进化过程大致分成两个阶段,前期渐进阶段选用较大的基因交叉率和较小的基因变异率,后期突变阶段选用较大的基因变异率和较小的基因交叉率,这样可以较好的提高遗传算法的优化效果。
进化代数的选择关系到遗传算法能否获得最优解,以及算法的运算效率。进化代数设置的较小,有可能进化种群还没有进化到最优解算法就已经停止了,导致算法的求解过程不可取;进化代数设置的较大,浪费了控制器的运算资源,从而降低了控制器的响应速度。因此需要合理的设置种群的最大进化代数。仿真结果如图5所示。
本发明的基于改进遗传算法的船舶动力定位系统推力分配方法,针对遗传算法优化分配输出纹波的幅值和频率较大的问题,在推进系统控制分配重构的基础上,使用遗传算法对推力重分配进行优化,并对遗传算法进行改进。从而解决标准遗传算法在进化过程中收敛缓慢和极易陷入局部最优解的问题。改进的方法有:1、使用浮点数编码代替二进制编码;2、选择算子使用随机遍历抽样算法代替轮盘赌算法,降低选择操作的时间复杂度;3、在变异操作用中引入灾变,模拟自然进化的过程,提高种群的多样化,避免种群过早的进行收敛;4、同时引入多种群操作,每隔一定的代数对子种群进行迁移操作;5、将遗传算法的进化过程也分成了两个阶段,渐变阶段和突变阶段,自使用改变基因交叉率和基因变异率来提高算法的收敛速度;6、调节适应度函数的权值和遗传算法的参数,提高推力分配的实时性、精确性以及稳定性。选取恰当适应度函数的权值,通过选择不同的遗传算法参数,分析参数对推力重分配过程的实时性、精确性以及稳定性的影响。本发明可以通过增加种群个数和动态调整子代个体的方式增加种群的多样性,避免算法在进化的过程中过早的收敛,陷入局部最优解。同时动态调整基因交叉率和基因变异率,使得种群在进化前期加快搜索速度、后期加快收敛速度,从而整体加快算法的效率。
Claims (4)
1.一种基于改进遗传算法的船舶动力定位系统推力分配方法,其特征是在推力分配单元利用改进遗传算法进行推力分配,所述的改进遗传算法包括如下步骤:
步骤1:选择初始种群并初始化;
步骤2:计算适应度值;
步骤3:选择操作,使用随机遍历取样算法作为选择操作的算子;
步骤4:重组操作,
采用中间重组,中间重组产生新的染色体Pnew为:
Pnew=αP1·(P2-P1)
其中,α是区间[-0.25,1.25]一个随机数;P1和P2是亲代的两个染色体;
步骤5:变异操作,
个体变异方法采用:
步骤6:重插入操作;
步骤7:终止判断条件
当差值或者遗传代数有一个条件满足时就终止遗传算法,用于船舶动力定位系统推力分配。
3.根据权利要求2所述的基于改进遗传算法的船舶动力定位系统推力分配方法,其特征是:重插入操作同样采用基于适应度选择个体,并且在整个在种群中,单个子种群重插入的子代个体所占有的比率为INSR=0.9。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010262925.9A CN111572729A (zh) | 2020-04-07 | 2020-04-07 | 一种基于改进遗传算法的船舶动力定位系统推力分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010262925.9A CN111572729A (zh) | 2020-04-07 | 2020-04-07 | 一种基于改进遗传算法的船舶动力定位系统推力分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111572729A true CN111572729A (zh) | 2020-08-25 |
Family
ID=72112947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010262925.9A Withdrawn CN111572729A (zh) | 2020-04-07 | 2020-04-07 | 一种基于改进遗传算法的船舶动力定位系统推力分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111572729A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112943453A (zh) * | 2021-01-21 | 2021-06-11 | 西北工业大学 | 气路部件故障下基于iga的发动机最大推力控制优化方法 |
CN113792390A (zh) * | 2021-07-30 | 2021-12-14 | 华南理工大学 | 考虑俯仰二阶定常波浪力矩的锚泊系统设计方法 |
CN116663433A (zh) * | 2023-07-31 | 2023-08-29 | 山东科技大学 | 一种基于差分吸收光谱仪的差分优化算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108490770A (zh) * | 2018-02-28 | 2018-09-04 | 哈尔滨工程大学 | 一种基于混合算法的船舶动力定位系统推力分配方法 |
CN108628171A (zh) * | 2018-06-15 | 2018-10-09 | 哈尔滨工程大学 | 一种用于船舶动力定位系统的改进推力分配方法 |
CN108803634A (zh) * | 2018-09-01 | 2018-11-13 | 哈尔滨工程大学 | 一种基于遗传算法的水下机器人六自由度动力定位推力分配优化方法 |
CN109298632A (zh) * | 2018-09-01 | 2019-02-01 | 哈尔滨工程大学 | 基于滑模算法与推力二次调整的自主式水下机器人推进器容错控制方法 |
CN109765910A (zh) * | 2019-03-08 | 2019-05-17 | 哈尔滨工程大学 | 一种基于改进差分进化算法的船舶动力定位推力分配方法 |
-
2020
- 2020-04-07 CN CN202010262925.9A patent/CN111572729A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108490770A (zh) * | 2018-02-28 | 2018-09-04 | 哈尔滨工程大学 | 一种基于混合算法的船舶动力定位系统推力分配方法 |
CN108628171A (zh) * | 2018-06-15 | 2018-10-09 | 哈尔滨工程大学 | 一种用于船舶动力定位系统的改进推力分配方法 |
CN108803634A (zh) * | 2018-09-01 | 2018-11-13 | 哈尔滨工程大学 | 一种基于遗传算法的水下机器人六自由度动力定位推力分配优化方法 |
CN109298632A (zh) * | 2018-09-01 | 2019-02-01 | 哈尔滨工程大学 | 基于滑模算法与推力二次调整的自主式水下机器人推进器容错控制方法 |
CN109765910A (zh) * | 2019-03-08 | 2019-05-17 | 哈尔滨工程大学 | 一种基于改进差分进化算法的船舶动力定位推力分配方法 |
Non-Patent Citations (1)
Title |
---|
邵希胜: "船舶动力定位系统推进器故障下推力分配研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112943453A (zh) * | 2021-01-21 | 2021-06-11 | 西北工业大学 | 气路部件故障下基于iga的发动机最大推力控制优化方法 |
CN113792390A (zh) * | 2021-07-30 | 2021-12-14 | 华南理工大学 | 考虑俯仰二阶定常波浪力矩的锚泊系统设计方法 |
CN113792390B (zh) * | 2021-07-30 | 2024-04-16 | 华南理工大学 | 考虑俯仰二阶定常波浪力矩的锚泊系统设计方法 |
CN116663433A (zh) * | 2023-07-31 | 2023-08-29 | 山东科技大学 | 一种基于差分吸收光谱仪的差分优化算法 |
CN116663433B (zh) * | 2023-07-31 | 2023-10-24 | 山东科技大学 | 一种基于差分吸收光谱仪的差分优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111572729A (zh) | 一种基于改进遗传算法的船舶动力定位系统推力分配方法 | |
CN110429649B (zh) | 考虑灵活性的高渗透率可再生能源集群划分方法 | |
CN109149635B (zh) | 一种配电网分布式光伏并行优化配置方法及系统 | |
CN109066805A (zh) | 一种跨区互联电网发输电系统动态调度优化方法 | |
CN102043905A (zh) | 基于自适应算法的小水电群智能优化错峰调度方法 | |
CN106960244A (zh) | 一种遗传算法与粒子群算法并行融合的进化算法 | |
CN104638637A (zh) | 基于agc与avc的协调优化控制方法 | |
CN113255138B (zh) | 一种电力系统负荷分配优化方法 | |
CN106570579A (zh) | 一种基于改进量子粒子群算法的水火电经济调度方法 | |
CN116432968A (zh) | 一种电力系统的储能规划方法及设备 | |
CN112132469A (zh) | 一种基于多种群协作粒子群算法的水库群调度方法和系统 | |
CN117767433A (zh) | 基于数字孪生的实时县域能源互联网调度方法及系统 | |
CN108734349A (zh) | 基于改进遗传算法的分布式电源选址定容优化方法及系统 | |
CN111452933A (zh) | 船舶动力定位船推进器故障情况下的推力重分配方法 | |
CN116404642A (zh) | 一种分布式电源集群划分方法、装置、电子设备及存储介质 | |
Doorly et al. | Optimisation of aerodynamic and coupled aerodynamic-structural design using parallel genetic algorithms | |
CN116415824A (zh) | 一种考虑不同需求的多层级梯级水库模拟调度系统及方法 | |
CN113595153B (zh) | 一种新能源集群的输出功率优化方法及装置 | |
CN114836790A (zh) | 用于电解水制氢装置的控制方法、控制系统和计算机可读介质 | |
CN114942582A (zh) | 基于神经网络对Buck变换器中PID控制器参数的优化方法和装置 | |
CN114937999A (zh) | 基于机器学习的同步发电机提高电压暂稳的稳态无功优化方法 | |
CN113410872A (zh) | 一种风电场内机组间的功率优化分配算法 | |
CN111047465B (zh) | 一种基于电力大数据的电网友好型负荷响应方法 | |
CN115296304B (zh) | 基于分布式光伏电源阵列的低压线路末端电压治理方法 | |
CN112200495B (zh) | 一种基于改进差分进化算法的电力系统动态调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200825 |
|
WW01 | Invention patent application withdrawn after publication |