数据驱动耙吸式挖泥船疏浚模型及参数优化  

Data-Driven Model and Optimization Method of Hopper Dredgers

作　　者：张朔[1] 杨根科[1] 王臻[1] 李炜 

机构地区：[1]上海交通大学自动化系,上海200240 [2]中交上海勘察设计研究院,上海200120

出　　处：《控制工程》2011年第S1期91-93,152,共4页Control Engineering of China

基　　金：国家自然科学基金资助项目(61074150)

摘　　要：耙吸式挖泥船产量优化问题是疏浚作业中的重要问题,针对疏浚作业机理模型复杂的情况,提出了神经网络与蚁群算法相结合的优化方法。通过系统机理模型的分析和实际作业数据的变量选择,确定产量模型的最优输入变量集合。运用神经网络学习算法,建立挖泥船产量模型。利用神经网络算法和蚁群算法的混合算法,求解优化问题。通过对某挖泥船实际数据的计算和分析,验证了模型和方法的有效性。耙吸式挖泥船产量优化问题是疏浚作业中的重要问题,针对疏浚作业机理模型复杂的情况,提出了神经网络与蚁群算法相结合的优化方法。通过系统机理模型的分析和实际作业数据的变量选择,确定产量模型的最优输入变量集合。运用神经网络学习算法,建立挖泥船产量模型。利用神经网络算法和蚁群算法的混合算法,求解优化问题。通过对某挖泥船实际数据的计算和分析,验证了模型和方法的有效性。

关 键 词：耙吸式挖泥船 变量选择 神经网络 蚁群算法 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]