集中式船舶供电网络的分布式控制方法

集中式船舶供电网络由于用电设备终端之间用电功率差异性容易导致功率输出失衡,需要进行优化控制,提出基于用电节点覆盖区域自适应功率调制的船舶供电网络分布式控制方法。对集中式船舶供电网络的路由节点进行优化部署设计,构建网络传输信道模型,采用输出功率拥塞控制方法进行供电网络传输信道的均衡处理,结合用电设备的功率损耗进行网络节点的自适应调制,通过分组概率均衡策略实现集中式供电网络的路由冲突调节,实现船舶供电网络的分布式控制。仿真结果表明,采用该方法进行船舶供电网络分布式控制能提高供电网络的功率均衡配置能力,传输链路的丢包率较低,电能开销较小,提高了供电网络的节能效益。     

船舶电力系统无功优化过程的自适应粒子群算法应用

随着现代船舶工业的需要,船载用电设备的数量越来越多,船舶电力系统的容量也越来越大。船载用电设备在提高船舶自动化水平的同时,也对船舶电力系统的稳定性、安全性、节能性等提出更高要求。其中,船舶电力系统网络的无功损耗问题一直是相关领域的研究重点。电力系统的无功优化是指当系统的结构参数、负载等保持不变的情况下,通过改善船舶电力系统电源的电压等参数,调节电网的潮流计算,无功优化对提高船舶电力系统的供电效率,降低事故发生率等有重要的作用。本文系统的介绍了自适应粒子群算法,并将该粒子群寻优算法应用到船舶电力系统的无功优化过程中,对于改善电力系统的无功优化过程有重要的意义。     

基于BP神经网络的船舶网络安全状态评价

船舶网络是一种特殊的移动网络,面临巨大的安全隐患,传统线性船舶网络安全状态评价的偏差大,结果极不科学。为改善船舶网络安全状态评价效果,设计了基于BP神经网络的船舶网络安全状态评价方法。该方法首先分析船舶网络安全状态评价影响因素,采集船舶网络安全状态评价数据,然后将影响因素和船舶网络安全状态评价分别作为BP神经网络的输入和输出,通过BP神经网络学习,对船舶网络安全状态进行评价,最后采用VC编程实现了船舶网络安全状态评价仿真实验,结果显示BP神经网络可以区分各种船舶网络安全状态,评价准确性得到大幅度改善,同时提升了船舶网络安全状态评价效率,可以有效保证船舶网络安全。     

希尔伯特变换在舰船电能质量检测系统中的优化研究

船舶工业向着自动化、工业化发展,大量的用电设备装载于船舶上,用电侧的设备对船舶供电系统和供电质量提出了新的要求。为了提高船舶供电系统的性能和供电质量,舰船电能质量检测系统必不可少。本文利用非稳态信号处理方式-希尔伯特变换,对舰船暂态电能的质量进行检测,并系统分析暂态电能的5种扰动形式及解决方法。     

船舶网络中的均衡化信道资源分配算法设计

船舶网络信道资源分配算法存在时间长、效果差等问题,导致信道资源分配不均衡、船舶网络通信质量差,为了解决该问题,提高船舶网络通信质量,提出一种船舶网络中的均衡化信道资源分配算法。首先对船舶网络的信道资源分配研究进行分析,并建立船舶网络信道资源分配的目标函数,然后引入蚁群算法对船舶网络信道资源分配的目标函数最优解进行搜索,最后进行船舶网络信道资源分配仿真模拟实验。结果表明,本文算法可能较好实现船舶网络信道资源分配均衡,提高了船舶网络数据传输的成功率,大幅度改善了船舶网络信道通信质量,克服了当前船舶网络信道资源分配算法存在的局限性。     

网状形船舶供电系统网络重构的仿真研究

网状形船舶供电系统是由环形供电系统发展而来的,是随着船舶容量和网络规模扩大后产生的,其连接方式更加复杂,供电形式更加多样.当网络发生故障时,网状形供电网络有多种供电组合.因此,必须研究新的理论,构造新的供电结构,使供电系统处于最优运行状态.文章首先简要介绍了网状形船舶供电系统.然后针对网状形船舶供电系统的特点,分别从拓扑理论、潮流计算、数学模型、求解算法方面,对船舶供电系统网络重构进行了分析和探讨,并分别提出了相应的策略.并最后编程实现了网络重构的仿真研究.     

船舶网络入侵风险等级估计算法研究

传统估计算法缺少信号分析与处理阶段,导致评估效果较差,为了解决该问题,引入神经网络评估算法对船舶网络入侵风险等级估计进行研究。根据船舶网络入侵风险等级估计问题确定流程,设计信号分析与处理阶段,保证数据分析有效性。根据信号处理结果,对船舶网络入侵风险等级进行划分,并对风险度量进行评估,由此完成船舶网络入侵风险等级估计算法研究。通过实验对比结果可知,该算法最高评估效果可达到97%,为船舶网络安全运行提供保证。     

基于克隆算法的船舶配电网络故障恢复研究

配电网络是连接船舶电站和船载用电设备的桥梁,其安全性、可靠性决定了船舶的正常航运。船舶配电网络的故障恢复是指利用分段开关和联络开关的功能,改变整个配电网络的结构,进而避开故障节点使配电网络恢复正常。本文系统介绍克隆算法和模拟退火算法,进行船舶配电网络的故障恢复多目标重构计算,并在此基础上研究了船舶配电网络的故障恢复技术。     

神经网络在船舶主柴油机建模中的应用

该文研究用BP神经网络建立船舶主柴油机模型的方法,并对BP算法进行了改进,提出了一种动态优化学习率的方法,对6L80MC柴油机实际数据用BP网络进行计算的结果表明,该算法能有效地建立船舶主柴油机模型。该模型已成功用于船舶主机遥控仿真系统中。     

舵机电液负载模拟器中CMAC神经网络的应用

电液负载模拟器是船舶舵机电液伺服控制系统的有效试验装置和开发工具,决定了船舶舵机的运行效率,进而影响船舶的转向性、操纵性,因此,研究电液负载模拟器的设计开发有重要意义。本文首先对电液负载模拟器的数学模型及工作原理进行了详细介绍,在此基础上引入一种CMAC神经网络算法,并基于该CMAC神经网络算法对电液负载模拟器进行了优化。     

舰船非线性配电网络的故障诊断与恢复策略研究

现代化的舰船配电网络非常复杂,需要兼顾到船舶上的各种用电设备。因此当配电网络出现故障时,为了能够最大程度降低故障造成的损失,需要合理控制配电网络的工作节点,隔离出现故障的子网络。本文主要采用了神经网络算法,对船舶非线性配电网络的工作模式进行训练,通过合理控制配电参数,能够有效监控网络中的故障,并提出了故障诊断算法,在故障发生时,能够自动产生恢复策略,并解决一些简单的故障,这种方式大大提高了系统的稳定性。     

机器学习在路径跟踪误差分析中的应用

为了提高无人驾驶船舶的控制精度,使无人驾驶船能够更好地完成探测任务,有必要对无人驾驶船舶的路径误差与控制进行研究。本文介绍了一种神经网络机器算法,基于该神经网络控制算法,设计了一种无人驾驶船舶路径跟踪与误差控制系统,取得了良好的效果。     

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 propagation,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。     

移动船舶通信网络的信道均衡技术研究

信道均衡问题是移动船舶通信网络研究中的重点课题之一,目前存在的解决方法主要有2种:基于神经网络和基于遗传算法的信道均衡技术,这2种方法经实践,信道分配效果较差,导致产生了极大的误码率,影响了数据传输质量。针对上述问题,研究一种基于蚁群算法的信道均衡技术。该技术首先需要建立一个移动船舶通信网络的信道均衡模型,然后利用蚁群算法对该模型进行求解,找出最佳的信道均衡方案。结果表明:与传统基于神经网络和基于遗传算法的信道均衡技术相比,利用本技术进行信道均衡后,误码率分别降低0.32×10–5%和0.05×10–5%。     

惯性粒子算法在船舶电力网络重构中的应用

海上船舶电力系统在出现故障无法供电时会导致船舶难以行驶与无法作业,必须在此情况下对电力网络结构进行重新构建,确保重要功能部件的恢复正常供电。为实现船舶电力网络的重构,本文对船舶上配置的一种电力网络的结构形式进行分析,并据此研究在电力故障时实现网络的重构数学模型。基于经典粒子群算法分析研究惯性加权粒子群算法在电力网络重构上应用。最后,以一种电力网络拓扑形式为仿真对象,对本文算法在电力网络重构进行实验,结果证明惯性粒子群算法能够构建合理的电力网络重构方案。     

粒子群优化算法在船舶电力系统脆性最大崩溃路径中的仿真研究

电力系统是船舶的重要组成部分,主要由柴油发电机、配电网络、配电板和用电设备等组成,其平稳运行决定了船载用电设备的工作性能。船舶电力系统的结构复杂,工作环境恶劣,因此在内部和外部干扰下很容易发生系统的崩溃问题。本文针对船舶电力系统的脆性模型,结合粒子群优化算法,对船舶电力系统脆性最大崩溃路径进行仿真研究,对提高船舶电力系统安全性和稳定性具有重要的指导作用。     

基于计算机网络的船舶视频图像模糊细节增强算法

为了提高船舶视频图像的质量,针对图像模糊问题,设计了基于计算机网络的船舶视频图像模糊细节增强算法。首先分析引起船舶视频图像模糊的因素,并提出采用无线传感器网络对船舶视频图像进行采集和传输,然后对船舶视频图像进行增强处理,丰富船舶视频图像细节信息,改善船舶视频图像视觉效果,最后实现了船舶视频图像模糊细节增强实验,结果表明,本文算法对船舶视频图像进行增强处理后,图像更加自然,并采用定量分析指标对船舶视频图像质量进行评价,获得比其他算法更优的船舶视频图像模糊细节增强效果。     

大数据背景下的船舶管理风险评估

船舶安全管理工作对于保障船舶安全航行起着十分重要的作用,传统方法如层次分析法、模糊评估法难以对船舶的管理风险进行科学的评价。为了提高船舶的管理风险评估精度,构建了粒子群算法优化RBF神经网络的船舶管理风险评估方法,首先利用粒子群算法对RBF神经网络的参数进行优化,然后利用优化的RBF神经网络对船舶管理风险进行评估,最后进行仿真测试,实验结果表明,本文方法的评估精度比对比方法的评估精度更高,同时耗时更少,可以满足对船舶的风险进行实时监控与管理。     

基于模糊神经网络的动力定位系统

针对船舶动力定位系统，采用神经网络来实现模糊控制的模糊化、规则推理到反模糊化的整个过程，并且采用BP算法进行网络学习；同时针对船舶的纵向运动进行了仿真、比较与分析。仿真结果表明，这种模糊神经网络对船舶的动力定位实施的可行性及有效性。