基于人工神经网络的船舶通信软件可靠性分析

船舶通信软件的可靠性包括测试阶段的可靠性评估和使用阶段的可靠性评估,为了确保船舶通信系统的平稳运行,有必要建立通信软件的可靠性模型,对船舶通信软件的使用寿命进行预测。本文介绍了一种基于神经网络算法的船舶通信软件可靠性评估方法,其核心是利用神经网络算法的大容量数据运算能力和容错能力,对船舶通信软件的可靠性进行较为精确的评估。     

船舶货舱监控视频关键信息安全性评估

当前船舶货舱监控视频关键信息安全性评估方法存在一些缺陷,如误评估率高、无法在线评估等,为了解决这些难题,改善船舶货舱监控视频关键信息安全性评估结果,提出加权平均的船舶货舱监控视频关键信息安全性组合评估方法。首先采集船舶货舱监控视频关键信息安全性评估数据,然后分别采用BP神经网络、支持向理机、极限学习机对船舶货舱监控视频关键信息安全性进行评估,最后将3个船舶货舱监控视频关键信息安全性评估结果作为RBF神经网络的输入,通过RBF神经网络合理确定它们权重值,根据权重值得到最终船舶货舱监控视频关键信息安全性评估结果。在Matlab 2018平台上进行了船舶货舱监控视频关键信息安全性评估仿真测试,结果表明,单一模型的船舶货舱监控视频关键信息安全性评估正确率均低于90%,而本文模型的船舶货舱监控视频关键信息安全性评估正确率超过96%,同时可以实现船舶货舱监控视频关键信息安全性在线评估,实际应用价值更高。     

基于灰色小波神经网络的船舶交通流预测研究

船舶交通流预测的准确性和可靠性已成为制约港口经济科学发展的瓶颈因素。文章综合利用小波变换的局部化性质与神经网络的自学习能力,并引入灰色模型以反映船舶交通流的发展趋势,使得小波神经网络在灰色模型预测结果的基础上结合船舶交通流的影响因素再预测,构成基于灰色小波神经网络的船舶交通流组合预测模型。实验结果表明,灰色小波神经网络的预测精度高于BP神经网络与小波神经网络,提高了整个预测系统的精度及其鲁棒性。     

基于层次分析法的船舶网络通信可靠性研究

为了提高船舶网络通信可靠性评估精度,保证船舶网络通信成功率,设计了基于层次分析法的船舶网络通信可靠性评估方法。首先对当前船舶网络通信可靠性评估现状进行分析,指出各种船舶网络通信可靠性评估方法的弊端,然后根据科学、客观、全面的原则,构建了船舶网络通信可靠性评估指标,采用层次分析法确定评估指标的权值,并实现船舶网络通信可靠性评估,最后采用具体船舶网络通信可靠性评估实例分析其可行性。结果表明,本文方法可以对船舶网络通信可靠性状况进行评估,评估误差小、速度快,解决了船舶网络通信可靠性评估过程中存在的难题,是一种切实可行的船舶网络通信可靠性评估方法。     

基于非线性组合模型的船舶无线网络流量预测

流量预测是船舶无线网络管理中的重要技术,传统组合方法只能描述船舶无线网络流量的部分变化规律,无法获得令人满意的船舶无线网络流量预测结果,为了全面反映船舶无线网络流量变化规律,提出基于非线性组合模型的船舶无线网络流量预测方法。首先分析单一预测方法和传统组合方法的局限性,然后采集船舶无线网络流量历史数据,采用RBF神经网络、BP神经网络、灰色算法分别对船舶无线网络流量进行预测,最后采用支持向量机要对它们的预测结果进行非线性组合,输出船舶无线网络流量最后预测结果,测试结果表明,非线性组合模型的船舶无线网络流量预测十分精确,船舶无线网络流量预测误差可以忽略不计,完全能够满足船舶无线网络管理要求,船舶无线网络流量预测结果显著优于传统组合方法,为解决复杂船舶无线网络流量预测问题提供了一种新的建模思路。     

基于GA-灰色BP神经网络船舶备件需求预测模型

船舶维修备件的及时保障是船舶设备正常生产作业的保证，备件需求量的准确预测对于航运公司降低运营成本、提高管理效率起着至关重要的作用。文章从某船设备维修备件的历史数据进行分析，构建一种基于灰色模型的多层前馈（BP）神经网络模型，并采用遗传算法（GA）进行优化。首先对船舶设备备件需求影响因素进行分析，通过灰色模型确定备件需求的关键指标，并将结果作为BP神经网络的输入层，从而输出需求预测值。与灰色模型、GA-BP模型预测值对比发现，基于GA-灰色BP神经网络组合模型对于船舶备件的需求预测精度误差仅为0.147%。结果表明，使用GA优化可以提高灰色BP神经网络的预测精度，为船舶维修备件需求预测提供了一种新思路。     

基于GA优化的灰色神经网络船舶交通流量预测方法研究

结合灰色模型和BP神经网络模型的特点,对两种模型进行有机地组合,构建一种改进的灰色神经网络预测船舶流量方法.以实际船舶交通流量和主要影响因素为数据,运用遗传算法改进的灰色神经网络模型对上海洋山港的船舶交通流量进行预测,计算和Matlab仿真结果表明,改进的灰色神经网络模型预测不仅精度较高,而且能准确预测船舶交通流量的变化规律.     

基于 BP 神经网络的通信训练考核评估方法

针对通信训练评估问题,分析了影响通信训练质量的基本因素,并建立了多级通信训练考核评估的指标体系模型。应用 BP 神经网络评价方法,构造了多级指标体系模型数值计算模型。最后,以通信台的通信训练评估为例,进行了数值计算分析。数值计算结果表明,采用 BP 神经网络对通信训练进行评估具有可行性和较高准确度。     

基于BP神经网络的船舶主机能效状态评估

[目的]在船舶航行期间,需要通过分析船舶和主机的运行参数来客观判断主机当前的工作情况,从而准确评估主机的能效状态。[方法]以状态良好的船舶运行记录为样本,结合主成分分析法和BP神经网络算法,构建船舶的航行状态识别模型和主机油耗模型,并在船舶航行期间对船舶实时运行参数进行分析,得出船舶主机在当前工况下的油耗量正常值。以某30万吨级远洋散货船为例开展模型计算验证,将正常油耗值与实际油耗值进行对比,以二者的残差值为依据,进而评估当前的主机能效状态。[结果]计算结果显示,航行状态识别模型的正确率为98.05%,油耗模型的平均误差为3.47%,2种模型的可靠性均较高。[结论]研究成果可为智能船舶的能效管理提供一定的参考。     

船舶主海水系统智能状态评估模型

随着船舶系统维护方式智能化升级,为提高轮机人员工作效率,实现船舶海水系统的视情维修,基于状态识别与层次分析(AHP)-模糊综合评估(FCE)构建了智能状态评估模型(AHP-FCE).首先,搭建并验证RBF神经网络状态识别模型,获取连续多期系统状态概率向量;然后,利用多级模糊综合状态评估模型对系统当前状态进行综合评估;最后,基于"育鲲"轮真实数据进行可靠性验证,结果证明该模型的计算结果与实际情况匹配.该模型综合考虑连续多期参数,评估结果更加科学合理,可为其他船舶系统的状态评估提供一种新的应用思路.