| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 选题的背景及意义 | 第10-12页 |
| 1.2 推力分配国内外研究现状 | 第12-13页 |
| 1.3 本文研究的主要内容 | 第13-15页 |
| 第2章 船舶动力定位系统推力分配数学模型 | 第15-31页 |
| 2.1 船舶动力定位系统原理及组成 | 第15-16页 |
| 2.2 船舶动力定位系统的坐标系 | 第16-18页 |
| 2.3 船舶运动的数学模型 | 第18-20页 |
| 2.3.1 船舶的水动力和力矩 | 第18-19页 |
| 2.3.2 船舶三自由度数学模型 | 第19-20页 |
| 2.4 环境载荷的数学模型 | 第20-25页 |
| 2.4.1 风载荷模型 | 第20-23页 |
| 2.4.2 浪载荷模型 | 第23-24页 |
| 2.4.3 流载荷模型 | 第24-25页 |
| 2.5 推进器的数学模型 | 第25-26页 |
| 2.6 推力分配的数学描述 | 第26页 |
| 2.7 推力优化分配的目标函数及约束条件 | 第26-30页 |
| 2.7.1 推力优化分配目标函数的确立 | 第27-28页 |
| 2.7.2 推力优化分配问题的约束条件 | 第28-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第3章 基于遗传算法的粒子群优化算法研究 | 第31-54页 |
| 3.1 粒子群优化算法 | 第31-38页 |
| 3.1.1 粒子群算法的原理 | 第31-32页 |
| 3.1.2 粒子群算法的参数分析 | 第32-36页 |
| 3.1.3 粒子群算法的步骤与流程 | 第36-37页 |
| 3.1.4 粒子群算法的特点 | 第37-38页 |
| 3.2 遗传算法 | 第38-46页 |
| 3.2.1 遗传算法的原理 | 第38-45页 |
| 3.2.2 遗传算法的特点 | 第45-46页 |
| 3.3 基于遗传算法的粒子群优化算法 | 第46-53页 |
| 3.3.1 混合算法的设计依据及优势 | 第46页 |
| 3.3.2 基于遗传算法的粒子群优化算法的步骤与流程 | 第46-49页 |
| 3.3.3 混合优化算法的测试 | 第49-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 动力定位船舶推力分配优化算法仿真 | 第54-77页 |
| 4.1 动力定位船舶的主要参数 | 第54-55页 |
| 4.2 推力分配优化算法仿真 | 第55-62页 |
| 4.2.1 推力分配优化算法仿真模型的建立 | 第55-56页 |
| 4.2.2 不同推力分配优化算法下的仿真分析 | 第56-62页 |
| 4.3 不同目标函数参数的仿真与分析 | 第62-64页 |
| 4.4 混合算法的参数选取与分析 | 第64-67页 |
| 4.4.1 种群大小的选取 | 第64-65页 |
| 4.4.2 迭代次数的选取 | 第65-66页 |
| 4.4.3 不同交叉和变异率的影响 | 第66-67页 |
| 4.5 混合算法推力分配仿真 | 第67-76页 |
| 4.6 本章小结 | 第76-77页 |
| 结论与展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82-85页 |
| 致谢 | 第85-86页 |
| 作者简介 | 第86页 |