期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于变复杂度方法的可视化船型优化平台在球鼻艏的应用
1
作者 孙风胜 于欣 +2 位作者 周俊秋 陈静 张维英 《中国航海》 北大核心 2025年第1期141-149,156,共10页
随着计算机技术的高速发展,船型优化领域出现了众多新的优化方法与流程,但目前国内依然缺少可高效集成这些方法与流程且开源免费的船型优化平台。文章基于Grasshopper(GH)可视化编程环境,构建一个集成了船型优化基本步骤的优化平台,并... 随着计算机技术的高速发展,船型优化领域出现了众多新的优化方法与流程,但目前国内依然缺少可高效集成这些方法与流程且开源免费的船型优化平台。文章基于Grasshopper(GH)可视化编程环境,构建一个集成了船型优化基本步骤的优化平台,并通过在该平台的优化流程中引入变复杂度方法,解决优化时间长、计算成本高的问题,强化了该平台的功能和优化能力。通过该平台对克里索集装箱船(KCS)的球鼻艏进行减阻优化,设计出的新船型在阻力性能表现上较原始船型更为出色,验证了该平台的正确性和可行性,也为后续扩展该平台的功能奠定了基础。 展开更多
关键词 船型优化平台 可视化编程环境 复杂方法 代理模型 球鼻艏
在线阅读 下载PDF
基于复杂度方法的地震波信号频谱特性分析 被引量:3
2
作者 李建康 吕高贵 郑立辉 《复杂系统与复杂性科学》 EI CSCD 2007年第4期58-63,共6页
研究非平稳加速度时间历程,有时并不需要知道随机变量的全部统计信息,而只需求得随机变量的某些既重要又有代表性的信息。基于兰帕尔-齐夫复杂度理论的符号基概念,由随机信号经粗粒化处理后得到符号序列,然后计算每个符号基的权系数,再... 研究非平稳加速度时间历程,有时并不需要知道随机变量的全部统计信息,而只需求得随机变量的某些既重要又有代表性的信息。基于兰帕尔-齐夫复杂度理论的符号基概念,由随机信号经粗粒化处理后得到符号序列,然后计算每个符号基的权系数,再将符号基线性叠加得到符号空间。将随机信号的采样数据分为n段再构建一个n行数据矩阵,计算此n行矩阵的符号空间。将该符号空间的系数矩阵进行奇异值分解,所得的奇异值即为频率,数据矩阵对应行的标准差即为相应频率的幅值。算例结果表明,该方法能够获得随机信号的代表性频率信息。对非平稳随机信号不需引入人为假定,可直接对数据进行计算。 展开更多
关键词 频谱特性 非平稳随机信号 复杂方法
在线阅读 下载PDF
基于响应面的可变复杂度方法在桁架式Spar平台方案设计中的应用 被引量:4
3
作者 姜哲 崔维成 黄小平 《船舶力学》 EI 北大核心 2010年第7期771-781,共11页
多学科设计优化在实际应用中,几乎都采用了可变复杂度方法(variable-complexity method,VCM)来平衡计算成本和计算精度。然而,VCM通常需要计算大量的初始样本点以保证精度。为降低VCM对初始样本点的依赖,文中提出了一种基于响应面更新... 多学科设计优化在实际应用中,几乎都采用了可变复杂度方法(variable-complexity method,VCM)来平衡计算成本和计算精度。然而,VCM通常需要计算大量的初始样本点以保证精度。为降低VCM对初始样本点的依赖,文中提出了一种基于响应面更新的可变复杂度方法。以桁架式Spar平台的多学科设计优化为例,首先根据试验设计选取样本点,采用数值方法计算平台的各项性能,建立了响应面模型;应用协同优化算法求解,并通过响应面的不断更新提高精度,在此基础上应用可变复杂度方法校正响应面分析结果。计算结果表明:基于响应面更新的可变复杂度方法可在较少初始样本点情况下,获得较高精度的计算结果。 展开更多
关键词 多学科设计优化 可变复杂方法 响应面更新方法 桁架Spar平台
在线阅读 下载PDF
基于LSTM的风矢量预测方法 被引量:3
4
作者 朱天宇 叶强 +2 位作者 郝建树 高超越 杨家祺 《电力自动化设备》 EI CSCD 北大核心 2023年第11期111-116,共6页
从特征工程角度对风速与风向间的相关性进行分析,结果表明,风速与风向包含的特征信息不同,可以同时将其作为输入变量,用于训练模型。该结果也为输入变量时间长度的选择提供了依据。将风速分解为东西及南北方向2个正交的一维变量,以防止... 从特征工程角度对风速与风向间的相关性进行分析,结果表明,风速与风向包含的特征信息不同,可以同时将其作为输入变量,用于训练模型。该结果也为输入变量时间长度的选择提供了依据。将风速分解为东西及南北方向2个正交的一维变量,以防止多维变量增加方法复杂度。采用长短时记忆神经网络(LSTM)分别对2个方向风速训练预测模型,并将预测结果还原为风速与风向预测数据。实验结果表明,所提方法能够更好地捕捉风速与风向中的信息量,在风速与风向的预测误差分别小于1.0 m/s和5°时,预测准确率可达到90%以上。 展开更多
关键词 风矢量预测方法 长短时记忆神经网络 特征工程 相关性 方法复杂度 信息密
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部