神经网络在船舶柴油机调速中的应用

分析了柴油机电子调速器的系统组成及调速原理,介绍了经典PID算法和B-P神经网络,仿真和试验结果表明,基于BP神经网络的PID智能控制是一种有效的船舶柴油机调速控制方法.     

基于引力搜索BP神经网络的柴油机故障诊断

为了提高柴油机故障诊断的精度,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出了一种基于引力搜索算法和BP神经网络相结合的智能故障诊断方法,并将其运用于柴油机磨损故障的振动诊断。结果表明,该方法与BP神经网络相比,对柴油机的磨合、磨损、极限等故障诊断准确,精度提高明显,验证了该方法的有效性。     

基于改进PSO的BP神经网络在船舶设计中的应用

针对船舶设计中需要的大型BP（BackPropagation）神经网络的特点,加入了改进的粒子群优化算法（ParticleSwarmOptimization,PSO）。该改进方法将粒子群的初始粒子分布在边界面上,因此能有效的搜寻高维空间,同时在速度公式等方面进行一些改进使得它更适合该环境。分别利用基于改进PSO的BP神经网络和标准的BP神经网络对泰勒系列船模试验数据进行拟合,结果表明基于改进PSO方法的BP神经网络训练更加高效和稳定。     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.     

基于神经网络的柴油机遥控系统故障智能诊断研究

为了克服传统模拟电路故障诊断方法的不足,通过对船舶柴油机遥控系统工作原理的分析,提出采用BP神经网络诊断船舶主机遥控系统的智能诊断方法。介绍BP神经网络结构确定方法及其数值优化技术,并以具体电路模块为例探讨神经网络在船舶柴油机遥控系统故障诊断中的应用。通过Matlab仿真可以发现基于BP神经网络的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。     

船用计程仪信号传输系统的神经网络故障诊断算法

计程仪信号传输系统是由步进电机通过齿轮带动多个旋转变压器。为实现对其故障的智能诊断,提出一种基于BP神经网络算法的故障诊断方法,并采用LM(Levenberg-Marquardt)最优化算法对BP网络进行训练。通过Matlab神经网络工具箱仿真计算,结果表明LM算法提高了BP神经网络的学习效率及稳定性,明显加快了网络的收敛速度。使用BP神经网络对步进电机带动多旋变系统故障诊断的方法行之有效,在减少故障诊断人员工作量同时提高了系统故障诊断的效率。     

基于模糊神经网络的RT-flex柴油机燃油系统故障诊断

介绍了RT-flex 60C柴油机燃油系统的常见故障类型,针对其故障类型提出了以传统的BP神经网络为主,利用模糊理论作为补充的一种智能故障诊断方法。建立了基于模糊BP神经网络的故障诊断模型,并运用MATLAB软件进行了仿真测试研究,阐明了该方法的有效性。     

BP神经网络在船舶运动估计中的应用

船舶运动估计在船舶安全、船舶节能等方面有着重要作用。本文给出一种基于BP神经网络的船舶运动估计方法。BP神经网络具有较强的自学习与自适应能力,通过把改进的BP神经网络模型应用到船舶运动估计中,实现了对船舶动态信息的准确预测。     

岩质边坡稳定性影响因素分析

边坡稳定性涉及到诸多因素,引入人工神经网络预测边坡稳定性的方法——误差逆传播学习算法效果显著。边坡稳定性预测系统的输入信息包括岩土体参数、几何参数等,而输出信息则是网络预测的安全因子和稳定状态。土质边坡主要以圆弧滑移破坏为主,岩质边坡主要以楔形破坏为主,通过人工神经网络预测的结果与实际监测结果的对比分析,证实了BP神经网络在评价岩质边坡稳定性方面的效果显著。     

基于L-M贝叶斯正则化方法的BP神经网络在潜艇声纳部位自噪声预报中的应用

基于L-M贝叶斯正则化方法使BP神经网络在推广能力、收敛速度和逼近精度上能够获得很大的提高.文中将BP神经网络和L-M贝叶斯正则化算法相结合用于潜艇声纳部位自噪声预报.分析了影响声纳部位自噪声的各种参数.利用潜艇声纳实测数据进行网络训练,训练好的神经网络可以对潜艇声纳部位自噪声进行精确预报.     

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。     

应用模糊优选BP网络模型研究龙羊峡水电站坝区地下水渗流场

简述了模糊优选法原理和模糊优选BP神经网络模型的建立过程,比较该模型与一般BP神经网络模型的异同,认为前者优于后者。根据龙羊峡水库坝面钻孔水样的环境稳定同位素和温度数据,应用模糊优选BP神经网络模型分析了坝区地下水渗流场分布特征和水力树立补给关系,计算结果与通过人工同位紊以及和温度示踪等方法的分析结论一致。     

基于LabVIEW的FPSO原油外输设备智能诊断系统设计与实现

设计并实现一套基于LabVIEW的智能诊断系统,在FPSO原油外输设备上进行验证,给出系统总体架构及实现步骤,利用Matlab神经网络工具箱,完成基于BP神经网络的智能诊断算法底层计算;通过LabVIEW中的Matlab Script节点,实现Matlab与LabVIEW的数据通信与传递,通过LabVIEW人机交互界面设定诊断参数,并将最终智能诊断结果显示在LabVIEW界面中。     

基于BP神经网络PID的船用锅炉蒸汽压力控制系统

锅炉蒸汽压力的特性导致常规的PID控制方法不具备自适应能力,难以满足系统要求,因此,设计了基于BP神经网络PID的锅炉蒸汽压力控制系统。以一个二阶含滞后环节的锅炉蒸汽压力数学模型为被控对象,分别用传统PID控制器和基于BP神经网络的PID控制器对锅炉蒸汽压力加以控制,并采用MATLAB软件进行仿真。仿真结果对比显示,在基于BP神经网络的PID控制器控制下,系统无振荡,无超调,过渡时间短,控制效果优于传统PID控制器。     

基于MySQL和BP神经网络的船舶焊接专家库软件研发

为提高船舶焊接试验过程中的工艺实施效率,研发一种基于MySQL和反向传播(Back Propagation, BP)神经网络的船舶焊接专家库软件。该软件由专家数据库、报表生成器、热输入值预测机、人机交互界面、通信接口组成,基于MySQL开发焊接专家数据库,基于BP神经网络设计热输入值预测机,具备自动坡口图生成、自动焊接工艺规范(Welding Procedure Specification, WPS)生成、自动专家经验数据存取等自动化功能,具备智能热输入值预测等智能功能。实船焊接试验结果表明,该软件可满足实船焊接试验需求,快速存取专家经验数据,提高焊接试验过程效率。     

齿轮传动故障诊断方法综述及应用研究

介绍了基于粒子群优化的小波神经网络,基于相关分析与小波变换,基于小波包和BP神经网络和基于小波分析等故障诊断方法,分析比较了各种方法的优缺点,并对提出了基于多数据融合的故障诊断方法将成为今后齿轮传动故障诊断的主要发展方向。     

海监船与渔政船主尺度模型研究

分析了我国海监船和渔政船发展现状及发展趋势。整理分析相关的船型数据资料,利用逐步回归的数学方法,分别基于Excel回归分析、MATLAB的BP神经网络工具箱和RBF神经网络工具箱,建立了海监船和渔政船主尺度的数学模型,并对3种数学统计模型进行了实船验证和误差分析,结果显示BP神经网络和RBF神经网络模型误差较小。数学模型的建立有利于分析和掌握海监船与渔政船主尺度变化的规律,为报价设计和初步设计提供了科学依据。     

基于B/S和C/S架构的船舶动力装置远程故障诊断系统

依据“智能船舶”的理念，针对船舶动力装置故障诊断系统，提出一种基于C/S和B/S混合架构的船舶动力装置远程故障诊断系统。依据B/S和C/S架构的优势，开发了基于C/S架构的数据管理平台，实现了船、岸间的数据、信息交互；将基于模糊神经网络的专家诊断模型应用于B/S架构的岸基船舶动力装置故障诊断系统的故障诊断判别，并利用BP算法训练实例对该模型进行了精度验证。结果表明，系统稳定可靠，故障诊断准确性高，为“智能船舶”发展提供了一个良好的解决方案。     

基于遗传小波神经网络的港口船舶交通流量预测模型比较

对船舶交通流量进行准确预测在现代智能交通系统领域发挥着重要作用,为提高对船舶交通流量预测的准确性,本文将遗传算法分别与小波分析和神经网络进行结合,构建改进遗传小波神经网络模型,对广东省船舶交通流量的季度数据进行预测,并与遗传BP神经网络和传统小波网络等算法的预测进行对比。结果表明:经过遗传小波神经网络预测模型的误差相比传统的遗传BP神经网络模型和小波神经网络模型大幅度减小,提高了预测精度,从而保障水上交通安全,给水上安全主管部门的相关决策提供理论依据。     

小样本情况下的船舶溢油事故风险评价研究

船舶溢油风险评价是一项复杂的多因素问题,是船舶溢油应急管理的关键环节.作为智能搜索算法的代表理论,BP神经网络被认为是进行不确定风险评价的较好方法之一,然而船舶溢油事故属于小样本事件,统计数据往往难以满足BP神经网络要求的样本容量.针对这一困境,首先提出一种利用B样条最小二乘理论的数据拟合法,显著增加样本数.其次,根据船舶溢油特点建立了基于BP神经网络的船舶溢油风险评价模型.最后以上海港近年发生的10起溢油事故为实例,检验了模型的可行性.