文献

J-GLOBAL ID：202102277325665686   整理番号：21A2495895

深層ニューラルネットワークと遺伝的アルゴリズムに基づく固定経路速度最適化に関する研究【JST・京大機械翻訳】

Research on Fixed Route Speed Optimization Based on Deep Neural Network and Genetic Algorithm

著者 (3件)： Wang Ziming (Wuhan University of Technology, Wuhan, China) ,  Chen Shunhuai (Wuhan University of Technology, Wuhan, China) ,  Luo Liang (Wuhan University of Technology, Wuhan, China)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： OMAE2020  ページ： Null  発行年： 2020年 
JST資料番号： A0478C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 船舶産業のダウンターンにおいて,固定経路に関する船舶航行の速度を最適化することは,運用コストを減らすために重要な実際的重要性を持った。船舶エンジンプロペラマッチング関係に基づいて,本論文はBPニューラルネットワークを用いて主エンジン電力モデルを構築して,補正係数を主要エンジン電力モデルに導入して,風と波の影響を反映した。Kalmanフィルタアルゴリズムを用いて,ZhoushanからZhangjiagangまでの航海の間,河川-海上直接船によって収集したデータをフィルタリングした。フィルタリングデータとヨーロッパ中Range気象予報センターから得た気象データをBPニューラルネットワークのデータセットとして用いて,主エンジン出力を予測した。主エンジン電力モデルに基づいて,実際の風と波の影響の下の船舶速度の多目的最適化モデルを確立し,サイリング時間の短縮と主要なエンジン燃料消費の低減の矛盾する目標を解明した。この多目的モデルを,Pareto最適解集合を得るために,非支配高速ソーティング多目的遺伝的アルゴリズムによって解決し,それにより,最適速度最適化方式を得た。元のナビゲーション方式と比較して,ナビゲーション時間は8.83%減少し,主エンジンの燃料消費は12.95%減少した。結果は,最適化モデルが燃料消費を効果的に減らして,サイリング時間を制御することができて,それはアルゴリズムの有効性を確かめたことを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *最適化 ,  電力 ,  船舶 ,  船用機関 ,  フィルタリング ,  河川 ,  操業費 ,  ソーティング ,  Kalmanフィルタ ,  航行 ,  *遺伝的アルゴリズム
準シソーラス用語： 多目的最適化 ,  最適化モデル ,  燃料消費量 , 【Automatic Indexing@JST】

分類 (2件)： 航海と実務  (TD01020F) ,  船舶性能  (QJ02010Q)

タイトルに関連する用語 (5件)： 深層ニューラルネットワーク ,  遺伝的アルゴリズム ,  経路 ,  最適化 ,  研究