带阈值的广义双向细胞联想神经网络GCBAM及其稳定性质研究

在提出双向细胞联想神经网络CBAM的基础上，通过引入阈值概念，进而提出了广义双向细胞 联想神经网络GCBAM，研究了其平衡态，存在性质及其Lyapunov意义下的网络稳定性质。     

一种基于神经—模糊的船舶航向控制器研究

文中针对船舶航向这种非线性、时变、滞后控制对象，提出了一种基于人工精神网络的模糊控制器。利用人工精神网络的学习能力，将抽象的模糊控制规则转化为神经网络的学习样本，通过ＢＰ学习算法记忆这些规则样本，并以“联想记忆”的形式来使用非样本规则。仿真结果表明该控制器具有很好的控制精度，动态特性和鲁棒性。     

舰船子系统的生命力评估模型

针对大型水面舰艇，传统生命力评估方法和评估模型均不适用。由于二级子系统是生命力评估的重点，本文通过定义二级子系统下属设备之间的影响关系，建立设备状态或损伤概率的评估模型。对二级子系统的输入输出节点进行建模，利用神经网络自学习、自组织和联想记忆功能，建立了基于神经网络的二级子系统评估模型。结果表明，文中所建立的评估模型能较好的解决大型水面舰艇子系统的生命力评估问题，具有很强的实用性。     

神经网络方法在船舶控制中的应用

进入90年代，人们对神经网络在自动控制中的潜力越来越感兴趣。这是因为神经网络是解决控制领域中某些难题的又一种有效方法，这些难题的产生是由于对象行为的不可预见性（通常是因为有不可预见的外部干扰，并且对象具有非线性），或者由于计算过程的复杂性，为了实现实时控制，必须在短时间内完成复杂的计算，因而提出了一种神经网络在线训练控制器的通用模式，其目的是利用神经网络的学习能力，得出一种不依赖于船舶精确数学模型的自主式神经控制算法。其神经网络控制器可以通过对性能参数准确性的直接评估来调整其在线参数，因此不需要“教师”和相应的离线训练。对在不同情况下三种不同的控制任务（即航向保持、航迹保持、自动泊位）进行了仿真，结果表明这种神经控制方法具有自适应性和耐用性。     

新模糊神经网络模型及其建模应用研究

本文提出一个新的模糊神经网络模型，证明了它是一个全局逼近器，且具有物理意义明显，收敛速度快之优点，通过一个建模的实例表明，与典型的模糊神经网络建模系统相比，本文提出的新模糊神经网络，是一个更适用的建模工具。     

径向基神经网络的构造理论

通过对径向基神经网络的研究，提出了径向基经网络的构造性理论及其构造算法，在给定函数及其允许误差的条件下，运用本算法能够构造几乎最少隐节点数的径向基神经网络。     

基于Matlab神经网络工具箱进行港口集装箱运量预测

基于Matlab的神经网络工具箱，利用其自带的用于神经网络的函数，通过简单的编程实现了线性神经网络、BP网络和RBF网络三种神经网络的建立、学习和训练，并对一实例进行了预测，结果显示是很有效的。     

基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题，提出一种基于模糊神经网络的机器人推进系统故障诊断方法，用以解决故障诊断过程中信息的不确定性问题，并提高推进系统的整体可靠性。该方法在常规神经网络基础上，引入模糊推理形成一种新型模糊神经网络结构，提出一种最小调整的模糊神经网络学习率，完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练，利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息，并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中，结果表明，基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类，但此网络使用BP算法，其误差能量函数是一个不规则的超曲面，容易陷入局部极小值。因此，提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法，该方法能够自动的确定网络的最优结构和联结权值，同时避免网络的局部优化。将该方法用于被动声呐晶目标的分类识别，实验结果表明基于进化规则的自适应高斯神经网络能够有效的克服局部最小问题，具有更好的识别率。     

径向基神经网络在软基沉降预测中的应用

软土地基沉降是土力学中的重要课题之一,通过沉降预测可以为软土地基的工程设计以及下一步施工提供指导性意见.以自组织神经网络为基础,利用其具有的自组织、自适应、容错性和较强的学习、联想能力,结合连徐高速公路软基沉降工程实例进行预测.说明该方法能够简便、精确的预测软土地基的沉降量.     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法，本文较为系统地介绍了其测量、故障参数提取及分析方法，并在诊断分析中使用了进化RBF神经网络，此网络的训练采用遗传算法，优化了径向基神经网络的结构和参数，加强了网络的实用性。最后用神经网络对所模拟的故障进行辨识，证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性。     

基于串联灰色神经网络的船用柴油机状态预测研究

文章首先对灰色预测模型进行了改进，建立了GM（1，1）综合预测模型；其次针对灰色理论和神经网络的互补性，创建了以等维新息GM（1，1）模型＋BP神经网络的串联型灰色神经网络预测方法，在此基础上提出了3＊3＊1＊1结构的预测模型，并对其建模过程和算法进行了分析讨论；最后以某型船用柴油机铁谱监测数据为样本，对这种新预测模型的可行性与准确性进行了验证。     

基于神经网络的工程图表数值计算

以典型的工程图表为例，提出了一种用神经网络来解决工程设计中的查表问题的实用方法。计算结果表明，对于一个较为复杂的工程图表，需要一个4层的BP神经网络才能很好地处理，从而为工程设计CAD提供了一个有效的方法。     

基于自适应PIDNN的船舶航向模型辨识与控制

在研究PID神经网络控制方案的基础上,提出一种基于自适应PID神经网络的船舶航向控制方案,以对其进行辨识和控制.将自适应PID神经网络引入船舶的航向控制系统中,既具有常规PID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力.仿真结果表明,该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪设定航向并进行有效控制,且具有自适应性和一定的鲁棒性,满足实时控制的要求.     

模糊神经网络系统建模

介绍了基于神经网络的模糊系统Ｍｏｄｕｌａｒ神经网络，提出了改进的学习算法，最后通过建模实例验证，使用本文改建的学习算法进行学习后建立的模糊系统，有着更强的泛化能力和更高的逼近精度。     

基于TSK模糊系统的模糊对向传播神经网络

充分利用了TSK（Sugeno-Tanaka)模糊系统的优点，提出了改进的模糊对向传播神经网络Improved-FCP，并给出了其学习算法，实验结果表明Improved-FCP网络之FCP网络对样本有更高的逼近精度。     

基于神经网络的态势预测方法研究

为提高安全态势感知精确度和降低其复杂度,加强网络系统的安全防护能力,提出了基于神经网络的态势预测方法,并研究了基于径向基函数和遗传神经网络的态势动态预测方法。神经网络可通过自学习和非线性映射以任意精度逼近函数关系,具有高度灵活可变的拓扑结构及很强的适应能力,对于中、短期预测具有较高的精度。     

基于UPF的神经网络辅助机动目标跟踪

为提高机动目标跟踪性能，提出了一种神经网络辅助下的滤波方法。基于Unscented卡尔曼滤波方法，Unscented粒子滤波器（UPF）能够产生较准确的建议密度分布，因此相对于其它蒙特卡洛方法，UPF能够获得对非线性目标跟踪问题更好的近似。利用目标的机动特征建立和训练神经网络，将神经网络的输出作为加速度控制参数，用于修正目标的运动模型。仿真结果表明，与扩展卡尔曼滤波相比，神经网络辅助下的UPF具有更好的跟踪性能。     

基于GA-BP神经网络的螺旋桨水动力性能预报方法

为了快速预报螺旋桨水动力性能，提出一种遗传算法优化BP神经网络（GA-BP）的螺旋桨水动力性能快速预测方法。采用计算流体力学（CFD）方法，使用FLUENT软件对P4119螺旋桨水动力性能进行仿真计算，结果表明CFD方法可替代敞水试验获取螺旋桨水动力性能。采用CFD方法计算100组不同系列螺旋桨的水动力性能，建立GA-BP神经网络螺旋桨水动力性能预测模型，以计算所得的100组数据为模型的学习样本，选择其中的80%为训练集，10%为验证集，10%为测试集，对比分析传统BP神经网络和GA-BP神经网络模型的预测效果。结果表明，GA-BP神经网络预测结果预测精度更高，能够满足快速预测螺旋桨水动力性能的要求。     

船舶动力精确控制中的小波神经网络控制

小波神经网络具有全局最优逼近等非常优秀的性能,其已被广泛应用于控制和系统辨识等领域。这是由于其结合了神经网络的自学习特性。但小波神经网络对动态反映不及时和泛化能力不足等缺点已经阻碍其应用于实际工程当中。本文提出一种基于Akaike信息准则改进的余值选择算法,其可以通过避免过拟和欠拟合现象来提高神经网络的泛化能力。