管道泄漏检测实验系统设计与实现

为解决管道泄漏检测问题,同时也为满足学员学习的需要,在实验室中设计了检测管道泄漏的实验系统,该系统基于负压波联合流量法,运用小波分析处理数据及Labview开发了一套系统软件,能够及时发现管道泄漏,并进行泄漏点定位。     

基于LabVIEW的管道泄露监测系统的设计与实现

文中基于负压波检测法,利用LabVIEW软件开发了管道泄露检测的测试系统,通过测试表明,该系统比较准确地判断管道的泄漏情况并进行管道泄漏点的定位。在前面板输入不同参数,可以对于不同的管道输送物资进行泄露检测,这对于码头油库的管道检测非常适合。     

基于VMD和RBF的舰船管路泄漏识别和定位

针对工作环境恶劣、维护保养不便的舰船管路难以迅速定位泄漏点并对其进行损害管制,提出了一种基于VMD和RBF的舰船管路泄漏识别和定位方法。首先,对管路泄漏产生的空化现象、湍流和流体与管路的摩擦进行分析,研究影响泄漏产生激励的因素；然后,提出一种基于变分模态分解(VMD)与径向基函数(RBF)神经网络的管路泄漏识别和定位方法,通过VMD得到有效分量的中心频率和能量值分别构造特征向量,输入RBF神经网络以达到泄漏识别和定位目的；最后,模拟舰船环境,搭建泄漏管路试验平台,分析泄漏管路不同工况下的振动信号,并对RBF神经网络的诊断准确率进行验证。实测舰船管路故障信号分析表明,泄漏识别的准确率为90%,泄漏定位的准确率为87.5%。     

基于BP神经网络的防空兵射击指挥效能评估

为了评估防空兵射击指挥效能,构建了效能评估指标体系,建立了射击指挥效能评估的三层BP神经网络模型。说明了训练样本构造的方法,并用样本对BP神经网络进行训练。利用训练好的神经网络对防空兵射击指挥效能进行评估。     

海底管道泄漏如何检测

管道的泄漏检测方法基本上可分为两类,一类是基于硬件的方法,另一类是基于软件的方法。基于硬件的检漏方法也称直接法,是指对泄漏物进行直接检测。基于软件的检漏方法也称间接法,是指检测因泄漏而造成的影响,如流体压力、流量的变化来判断泄漏是否发生及泄漏位置。一、泄漏检测系统的评价指标参考美国ASME提出的有关管线泄漏评估指标,对一种泄漏检测方法优劣或一个检漏系统性能的评价,一般应从以下七个方面加以考虑:1.泄漏位置定位精度定位精度是指测定出的泄漏点位置的精确度,它是以误差范围的大小来表征的。当发生不同等级的泄漏时,对泄…     

基于模糊神经网络的柴油机排气噪声预测

应用模糊神经网络FNN(Fuzzy Neural Networks)的模糊推理对噪声数据的预测进行了研究分析.和传统的BP网络方法相比,模糊神经网络具有概念清晰,逻辑清楚,且不会限于局部极小点等特点,实验结果充分证明了这种方法的有效性,并且本文用较小规模的正交试验数据作为训练样本,达到了试验量少效果好的目的.     

基于BP神经网络的船舶企业员工综合评价模型

为了保障船舶工业企业内部对其员工的使用管理和评价上的客观性和准确性,提出基于BP神经网络的综合评价方法,在建立了员工评价的指标体系基础上建立了基于BP神经网络的评价模型,将评价员工综合素质的指标值作为模型的输入量,评价结果作为模型输出量,用样本对神经网络进行训练,利用收集的中国船舶工业集团某造船企业管理执行层员工信息,使用MATLAB对模型进行模拟仿真训练,用验证样本对评价模型检测,检测结果是仿真输出与期望输入基本一致,说明网络合理,评价模型能够较好对船舶企业员工的综合素质进行评价.     

基于BP网络的船舶磁性目标定位方法研究

船舶磁性目标定位是海上目标定位系统中重要的方法之一,优点是部署简单、定位精度较高;缺点是定位算法复杂度较高、计算量大,算法较易陷入局部最优解,需要进行改进。神经网络是解决目标最优问题的有效求解手段,利用各神经元权值系数调整能够计算出磁性目标定位的全局最优解。本文研究船舶磁性目标定位的算法结构,针对目标函数,设计基于BP神经网络的定位算法,最后给出基于神经网络算法仿真结果,并与传统算法进行对比。     

基于模糊神经网络的柴油机排气噪声预测

应用模糊神经网络FNN（Fuzzy Neural Networks）的模糊推理对噪声数据的预测进行了研究分析。和传统的BP网络方法相比，模糊神经网络具有概念清晰，逻辑清楚，且不会限于局部极小点等特点，实验结果充分证明了这种方法的有效性，并且本文用较小规模的正交试验数据作为训练样本，达到了试验量少效果好的目的。     

基于BP神经网络的故障诊断技术在装备维修中的应用

传统故障诊断方法在装备保障中的诸多局限性。文章介绍了基于BP模型的神经网络,研究了基于BP模型神经网络的故障诊断推理方法,并利用Matlab仿真软件对结果进行了运行和计算。结果证明,基于BP神经网络的故障诊断技术对装备故障诊断是行之有效的。     

基于应力和振动频率的典型船体结构裂纹损伤识别方法研究

为研究典型船体结构的裂纹识别方法,通过模型试验和数值仿真相结合的方法获取了大量可靠的训练样本和验证测试样本。基于BP神经网络技术建立了裂纹损伤识别模型,分别以静态应力参数、动态振动参数、应力与振动参数结合三类信息作为特征参数,对裂纹位置坐标进行了识别,对识别精度进行了对比分析。结果表明利用神经网络模型进行加筋板裂纹损伤识别是可行的,其中以应力与振动参数结合作为裂纹识别的特征信息识别精度最高,绝大多数裂纹位置识别误差在5%之内。研究方法和研究成果可为船体结构裂纹损伤智能化识别提供参考。     

船舶管路系统泄漏定位实验研究

船舶管路是船舶的重要组成部分,由于外部环境的恶劣,管路泄漏不可避免,对管路泄漏的监测定位尤为重要,针对这个问题,本文分析了管路泄漏机理,搭建了船舶管路泄漏定位实验台,选用小波变换对采集信号进行滤波处理,进而导入流体网络模型中,选用了±3 kPa作为阈值判定管路泄漏,最后运用压力梯度法进行泄漏定位,完成了船舶管路的泄漏定位检测.     

基于BP神经网络的罗兰-C的ASF修正

将BP神经网络应用于罗兰-C导航系统的附加二次相位因子修正，以提高系统的导航精度。通过训练，找出舰船所在位置与ASF修正量之间的对应关系，从而利用该修正量对所测得的罗兰-C电波传播时差进行补偿，结果表明该方法有效，为罗兰-C的ASF修正提供了一种途径。     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于BP神经网络的SAR干扰效果评估

将BP神经网络引入SAR干扰效果评估过程，根据干扰效果评定诸因素构造合适的指标作为网络输入，网络输出为干扰效果所对应的等级划分，然后利用训练样本对网络进行学习和训练。仿真结果表明，这种方法是可行的，减少了评估过程中人为因素的干扰，使得评估结果更为准确、可靠。     

基于BP神经网络的横向受荷桩承载力预测

为研究横向受荷桩的承载性状,基于BP神经网络对其承载力进行预测。选取桩径、桩入土深度、荷载的偏心距、土的不排水抗剪强度作为神经网络的输入,得出黏土中横向受荷桩承载力的BP神经网络预测模型,发现训练BP神经网络时,桩承载力的拟合值与实测值的相对误差平均值为4.54%;检验BP神经网络时,桩承载力的预测值与实测值的相对误差平均值为5.39%。结果表明,建立的基于BP神经网络的黏土中横向受荷桩承载力预测模型是可行的。     

金属疲劳裂纹扩展速率的贝叶斯正则化BP神经网络预测

人工神经网络是进行预报裂纹扩展率的一个重要方法。文章针对不同金属的疲劳裂纹扩展速率分别建立贝叶斯正则化BP(Back Propagation)神经网络,将各材料在不同应力比R下的疲劳裂纹扩展速率试验数据分为两部分,一部分用来进行训练网络,另一部分用来测试训练好的网络,检验其泛化能力。将从文献中获取的4种不同金属材料的疲劳试验数据作为算例,来检验网络的性能。计算结果表明贝叶斯正则化BP神经网络不仅对训练样本有很好的拟合能力,而且对于未训练过的测试样本也有较好的预测能力,即有较强的泛化能力。同时,指出了建立网络时减少门槛值附近的试验样本点,可以提高网络的预测能力。研究结果表明,该方法可以方便地获得不同应力比R下的疲劳裂纹扩展速率,从而达到减少试验次数,充分利用已有数据的目的。并且可以进一步应用于其他金属的疲劳裂纹扩展速率的预报。