支持向量机在船舶电力负荷预测中的研究

在现代的船舶设备中,电力系统已成为船舶的主要动力来源,其性能的优劣对船舶的航运安全和成本有着非常重要的影响。随着各种电气设备被广泛应用于船舶控制和通信导航系统中,船舶的电力供给已经变得至关重要,因此对电力系统负荷的预测已经成为人们研究的重点。本文结合支持向量机回归算法,设计了用于船舶电力系统的负荷预测机制,通过建立船舶电力预测模型和最小二乘支持向量机模型,实现了对船舶电力系统的负荷预测和性能优化。     

基于支持向量机的船舶交通流量预测模型

针对船舶交通流的随机性大,影响因素多,船舶交通流量预测的准确度不高等现象,基于支持向量机理论,结合长江苏通大桥断面的观测数据,建立支持向量机的预测模型进行短期的船舶流量预测.预测结果与实际流量比较一致,优于SPSS线性回归的预测效果.验证了支持向量机预测模型在船舶流量短期预测中的可行性.     

电力推进船舶电力负荷预测方法

传统电力负荷预测方法在混度向量模糊场景下,所得到的电力负荷预测结果与实际电力负荷截值之间的误差较大。为了解决上述混沌场景下的预测精准度问题,提出电力推进船舶电力负荷预测方法。实现步骤共分为建立模糊预测量模型、混沌量回归优化与向量机预测输出负荷的优化3部分。通过对预测不同阶段关系量的优化,实现提升预测精准度的效果。与传统预测方法的数据对比表明,提出方法的预测值与实际负荷值之间的误差,明显小于传统预测方法预测值,更适合电力推进船舶电力负荷的预测应用。     

基于最小二乘支持向量机的船舶集中空调系统能耗预测

为了获得更高的船舶集中空调系统能耗预测结果,提出了基于最小二乘支持向量机的船舶集中空调系统能耗预测方法。首先分析船舶集中空调系统能耗预测研究进展,并设计了船舶集中空调系统能耗预测原理,然后采集船舶集中空调系统能耗历史数据,并采用最小二乘支持向量机对船舶集中空调系统能耗历史数据进行学习,获得船舶集中空调系统能耗预测模型。最后在相同环境下,与其他船舶集中空调系统能耗预测方法进行了对比测试。结果发现,最小二乘支持向量机的船舶集中空调系统能耗预测精度超过90%,误差控制在10%以下,可以满足船舶集中空调系统能耗控制的实际应用要求,预测误差远小于其他船舶集中空调系统能耗预测方法,体现了本文方法的优越性。     

基于支持向量机的船舶航向广义预测控制

船舶的动态性能具有大惯性、大时滞、非线性等特点,经采用基于结构风险最小化原则的神经网络--支持向量机,能充分发挥其可以任意逼近非线性模型的良好特性来对船舶进行辨识,并以此作为广义预测控制算法中的预测模型,加以相应的预测控制算法达到航向保持的目的.仿真结果表明:支持向量机学习速度快,在小样本情况下具有良好的非线性建模和泛化能力;基于支持向量机的广义预测控制算法具有很好的控制性能.     

基于DSP技术的电力推进船舶电力负荷预测系统

针对电力推进船舶电力负荷的非线性、混沌性,难以进行准确预测的难题,设计了基于数字信号处理(DSP)技术的电力推进船舶电力负荷预测系统。首先,针对电力推进船舶电力负荷的特点,设计船舶电力负荷预测系统的总体框架,然后进行基于DSP技术的电力推进船舶电力负荷预测系统设计,分别进行船舶电力负荷预测系统的硬件与软件设计,最后进行仿真实验,仿真结果表明,DSP技术能够更好地把握电力负荷信号的变化规律,可以得到更为准确的船舶电力负荷预测精度,预测的实时性得到了极大的提升。     

基于支持向量机模型的船舶航行广义预测控制

船舶操纵一直是船舶运动控制的研究重点,它与航行安全、能源节约和操作省力密切相关。模型是研究船舶运动控制的基础,本文鉴于船舶的动态具有大惯性、大时滞、非线性等特点,采用了基于结构风险最小化原则的神经网络———支持向量机对船舶进行建模,在建模中充分发挥支持向量机可以任意逼近非线性模型的良好特性,解决对船舶航向预测的问题。进而通过建立预测模型,并结合广义预测控制的算法达到航向保持的目的,且具有较好的稳定性和鲁棒性。     

支持向量机回归算法在船舶磁场推算中的研究

船舶航行中会遇到复杂的外界环境,其中磁场环境的变化对航行状况具有重要的影响。而船舶内部大量的电力系统会产生复杂的磁场分布。在建立的船舶磁场分布模型中,传统的基于磁场检测后的逆向拟合方法精确度不高。因此可以根据实验室的测量数据建立基于支持向量机回归算法的船舶磁场模型。在该模型中,预测的磁场分布具有更高的精度和复杂度,并且可以对磁场的动态变化进行预测,建立船舶磁场的时变模型。     

电力推进式船舶电力负荷预测系统研究

传统船舶电力负荷预测系统存在短期用电量不均、承载上限模糊等弊端。为有效解决上述问题,设计新型电力推进式船舶电力负荷预测系统。通过预测电路设计、推进负载接口设计2个步骤,完成新型系统的硬件运行模块设计。通过电力负荷环境的搭建、数据库设计、负荷预测流程完善,完成新型系统的软件运行模块设计。模拟系统应用环境设计对比实验结果表明,与传统系统相比,新型电力推进式船舶电力负荷预测系统有效平均短期用电量、明确承载上限。     

电力推进船舶电力负荷混沌分析及预测

电力推进系统在船舶航行中至关重要,其电力负荷预测的准确性可以保障航行过程的稳定性及安全性。本文根据船舶的电力负荷特点,对其进行混沌动力学验证,经过混沌特性进行数据分析。将小波变换与SVM算法相结合,对负荷数据进行奇异性分析,然后通过小波分解法,将电力负荷分解成具有一定规律的分解量。该仿真方法可有效提高负荷预测的精准度,从而提高船舶在航行中的稳定性及经济性。     

基于支持向量机的船舶交通流量预测方法

提升航道和港口资源的高效、合理利用,需精准掌握船舶交通流量情况。为此,本文提出基于支持向量机的船舶交通流量预测方法。该方法以船舶交通流量数据为基础,经预处理后将其作为采用支持向量机的输入量,通过输入量和输出量之间的高维映射,预测船舶交通流量;通过鲸鱼优化算法优化支持向量机的核参数和惩罚项参数;通过迭代寻优获取最优的参数结果,以此保证舰船交通流量预测结果的精准程度。测试结果表明：该方法能可靠完成不同航行环境下的船舶交通流量预测,均等系数均在0.019以下;中心可依据预测结果对船舶进行管理,高效、合理实现港口资源利用,减少船舶等待进港时间。     

基于支持向量机的船舶上层建筑纵向振动特性预报

根据支持向量机具有小样本学习、全局寻优和泛化能力强等特点,应用支持向量机对船舶上层建筑整体纵向振动固有频率进行预测。通过对船舶上层建筑整体振动特性的分析,以23条船的船舶主尺度、上层建筑的层数、类型以及上层建筑各层的长度、宽度和高度作为支持向量机的输入数据,上层建筑整体纵向振动固有频率实测值作为支持向量机的输出数据,建立了船舶上层建筑整体纵向振动固有频率的非线性回归模型。应用此模型对5条船的上层建筑整体纵向振动固有频率进行预测,预测值与实测值接近。这证明本文方法是可行的,为船舶上层建筑整体纵向振动固有频率预报提供了一种新思路。     

支持向量机在船舶电力推进系统故障诊断中的应用

针对人工神经网络收敛速度慢、容易陷入局部最优解等不足,本文采用支持向量机技术建立船舶电力推进故障诊断系统。确定支持向量机的核函数和分类方法,结合训练样本,采用基于网格搜索的K重交叉验证法进行核函数的参数优化,从而得到支持向量机故障诊断模型。利用支持向量机工具箱函数,在MATLAB中进行故障诊断模型的仿真计算,结果表明基于支持向量机所建立的故障诊断模型有较强的诊断准确性和泛化推广能力,从而提高船舶的安全性。     

船舶通信定位信号短时中断插值预测模型构建

为了提高船舶通信定位信号的短时中断插值预测精度,提出一种非线性的船舶通信定位信号短时中断插值预测模型。首先对当前船舶通信定位信号的短时中断插值预测方法缺陷进行描述,指出船舶通信定位信号短时中断具有随机性,然后采集船舶通信定位信号短时中断历史数据,将其看作是一种时间序列数据,并通过粒子群算法优化支持向量机对其进行建模,建立船舶通信定位信号短时中断插值预测模型,最后的船舶通信定位信号短时中断插值预测结果表明,本文模型的船舶通信定位信号短时中断插值预测精度高,预测误差小于线性的船舶通信定位信号短时中断插值预测模型,可以更好地适应船舶通信定位信号短时中断变化,具有一定的理论和实际应用价值。     

RBF神经网络在船舶电力负荷预测中的应用

综合以往取得的研究成果,应用RBF神经网络对船舶电力负荷预测问题进行深入研究,提出一种基于RBF神经网络的船舶电力负荷预测方法。基于RBF神经网络实施船舶电力负荷预测,需要对对应的历史负荷数据进行选取。分两个层面对历史数据实施预处理,首先对异常数据实施完善和补充,接着实施样本归一化处理。基于RBF神经网络构建船舶电力负荷的对应预测模型,在模型的构建中,首先对节点数量进行确定。选取某高校实施船舶电站控制实验时使用的船舶作为实验船舶进行预测实例研究。根据研究中的实验结果,发现设计方法在预测时的相对误差较小,是一种预测精度较高的方法。     

支持向量机改进算法在船舶桨叶数分类中的应用

利用船舶目标辐射噪声DEMON谱特征,采用支持向量机改进算法,实现了对船舶螺旋桨桨叶数的分类识别应用研究。针对支持向量机算法对噪声比较敏感和求解最优分类面时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏特性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数2方面进行改进,构造齐次决策二阶损失函数径向基支持向量机改进算法,进行理论分析、数据仿真实验,并应用于利用船舶目标辐射噪声DEMON谱进行船舶螺旋桨桨叶数的分类识别实验。结果表明,该改进算法实现了支持向量机在二次规划中的最小约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,适用于利用船舶目标辐射噪声DENOM进行船舶螺旋桨桨叶数分类应用。     

船舶电力推进系统故障诊断技术

故障诊断技术是船舶电力推进系统研究中的重点,当前无法对船舶电力推进系统的故障进行准确划分,无法获得较优的船舶电力推进系统故障识别效果,为了获得理想的船舶电力推进系统故障诊断效果,设计一种信号去噪和数据挖掘的船舶电力推进系统故障诊断方法。首先分析船舶电力推进系统故障原理,采用船舶电力推进系统故障信号,然后对船舶电力推进系统故障信号进行去噪,提高船舶电力推进系统故障信号质量,并提取船舶电力推进系统故障诊断特征,最后采用最小二乘支持向量机设计船舶电力推进系统故障分类器,并与其他方法进行船舶电力推进系统故障诊断对比实验,相对于对比方法,本文方法的船舶电力推进系统故障诊断率高于94%,不仅船舶电力推进系统故障结果的误识率明显减少,而且加快了船舶电力推进系统故障诊断的速度,具有更加广泛的实际应用领域。     

多模自适应舰船电力负荷预测算法

分析了舰船电力负荷预测的特殊性,给出舰船电力负荷预测的主要方法途径;提出适用于舰船电力负荷预测的多模自适应船舶电力负荷预测算法;并通过实验验证了多模自适应船舶电力负荷预测算法的准确性较高和泛化能力较强。     

基于支持向量机模型的船舶油污损失估算

将支持向量机引入了船舶油污损失赔偿额的估算中,通过从历史船舶溢油事故案例中选取了十组样本数,以污染损失赔偿额与影响因子集作为训练样本,建立了船舶溢油事故污染损失额估算的支持向量机模型.并对支持向量机模型进行仿真训练学习,并将训练好的神经网络应用于对相关案例的估算.研究结果表明应用支持向量机方法进行溢油损失估算结果客观、可靠,为船舶油污索赔和环境保护提供了有力的理论依据.     

改进蚁群算法的船舶软件系统可靠性评价

船舶软件系统可靠性是评价软件系统生命周期的一个重要指标,支持向量机在船舶软件系统可靠性评价中存在的参数优化难题,使得船舶软件系统可靠性评价错误率大。以减少船舶软件系统可靠性评价错误率为目标,提出改进蚁群算法的船舶软件系统可靠性评价方法。首先分析当前船舶软件系统可靠性评价国内外研究状态,指出了参数对船舶软件系统可靠性评价结果的影响程度,然后采用改进蚁群算法对支持向量机的参数进行估计,并应用于船舶软件系统可靠性评价的建模中,最后与传统支持向量机的船舶软件系统可靠性评价方法进行对比分析。结果显示本文算法的船舶软件系统可靠性评价错误率大约为5%,而传统支持向量机误率大约为10%左右,本文算法的船舶软件系统可靠性评价可信度更高。