基于神经网络的舰船机舱火灾温度快速预测

为了更快、高精度的对舰船机舱火灾温度进行建模和预测,提出基于神经网络的舰船机舱火灾温度快速预测方法。首先分析当前舰船机舱火灾温度的研究进展,指出当前舰船机舱火灾温度预测方法的局限性,然后收集舰船机舱火灾温度的历史数据,通过神经网络对历史数据进行学习和分析,挖掘舰船机舱火灾温度变化特点,建立舰船机舱火灾温度预测模型,并对神经网络参数优化问题进行解决,最后与其他舰船机舱火灾温度方法进行对比实验。结果表明,神经网络的舰船机舱火灾温度预测精度超过90%,远远高于其他舰船机舱火灾温度方法的预测精度,同时减少舰船机舱火灾温度预测建模时间,能够快速对舰船机舱火灾温度进行预测。     

基于传感器网络的舰船行驶系统振动检测

根据振动检测结果可以知道舰船行驶系统的工作性能,传统方法无法有效的实现舰船行驶系统振动检测,为了提高舰船行驶系统振动检测精度,设计了基于传感器网络的舰船行驶系统振动检测方法。首先分析当前舰船行驶系统振动检测研究进展,并指出当前各种舰船行驶系统振动检测方法的缺陷,然后采用传感器采集舰船行驶系统振动检测信号,并对舰船行驶系统振动检测信号进行消噪,最后构建了舰船行驶系统振动检测模型,并通过仿真实验分析舰船行驶系统振动检测方法的性能,结果表明,本文方法可以准确描述舰船行驶系统振动检测信号变化特点,获得高精度的舰船行驶系统振动检测结果。     

基于BP神经网络的舰船维修成本估计

舰船维修成本估计直接影响舰船企业的运营效益,针对当前舰船维修成本估计方法存在的一些局限性,以延长舰船寿命,提出基于BP神经网络的舰船维修成本估计方法。首先介绍当前舰船维修成本估计研究现状,找到当前各种舰船维修成本估计方法的不足,然后在此基础上依据舰船维修成本变化特点,引入BP神经网络建立舰船维修成本估计模型,最后通过Matalab2017平台实现了舰船维修成本估计仿真实验。相对当前其他的舰船维修成本估计方法,BP神经网络可以更好地跟踪舰船维修成本变化特点,不仅舰船维修成本估计精度高,而且舰船维修成本估计建模时间短,为解决复杂多变的舰船维修成本估计问题提供了一种新的方法。     

舰船上层建筑振动特性的数学模型设计

针对当前数学模型无法描述舰船上层建筑振动特性的变化规律,为了提高舰船上层建筑振动特性预测精度,设计一种蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测数学模型。首先对当前各种舰船上层建筑振动特性预测数学模型的优缺点进行阐述,然后采用神经网络对舰船上层建筑振动特性变化规律进行拟合,并采用蚁群优化算法确定神经网络相关参数,最后进行舰船上层建筑振动特性预测数学模型的性能测试。结果表明,蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测精度高,不仅预测误差远低于当前其他舰船上层建筑振动特性预测数学模型,而且预测效率也得到了改善,为解决舰船上层建筑振动特性预测问题提供了一种新的研究方法。     

舰船维护中机械潜在故障智能预测方法

舰船机械部件是一个非线性系统,舰船机械部件出现故障概率相当高,当前故障预测方法无法描述舰船机械部件故障的不确性,因此舰船机械部件故障预测精度低,为了提高舰船机械部件故障预测精度,克服当前舰船机械部件故障预测方法的缺陷,设计了一种舰船维护中机械潜在故障智能预测方法。首先提取描述舰船机械部件故障类别的特征信息,然后采用BP神经网络对舰船机械部件故障特征信息进行学习,确定相对应的舰船机械部件故障类别,并解决BP神经网络参数确定问题,最后与其他方法进行了对比实验。结果表明,本文方法的舰船机械部件故障预测精度超过95%,远远高于对比方法的舰船机械部件故障预测精度,改善了舰船机械部件故障诊断速度,具有十分广泛的应用前景。     

改进神经网络的舰船碰撞危险度估计

当前的一些方法在航行行为预测以及碰撞预警能力方面仍存在一些问题,因此提出一种改进神经网络的舰船碰撞危险度估计方法,实现了舰船碰撞危险度的高精度估计。首先基于改进神经网络构建改进神经网络预测模型预测舰船航行行为,以提供碰撞危险度估计的基础数据来源。对舰船碰撞风险中的安全距离模型进行制订,具体包括危险领域安全距离模型、安全会遇领域安全距离模型、舰船动界安全距离模型。通过昆兹模型构建舰船碰撞危险度计算模型,对舰船碰撞危险度进行估计。在某水域进行本文方法的性能测试,测试结果证明该方法的航行行为预测误差低于现有方法,而碰撞预警精度则高于现有方法,提供了舰船防碰撞领域的新研究方向。     

基于统计数学理论的舰船航行轨迹建模研究

轨迹建模对舰船航行安全具有重要的意义,为了解决当前的舰船航行轨迹建模准确性低,以及建模时间长的难题,以获得更加理想的舰船航行轨迹建模结果为目标,设计了基于统计数学理论的舰船航行轨迹建模方法。首先对舰船航行轨迹建模原理进行分析,建立舰船航行轨迹建模的数学模型,然后引入统计数学理论中的机器学习算法——BP神经网络对舰船航行轨迹进行建模,最后采用具体舰船航行轨迹数据进行了性能验证性测试。结果表明,相对于当前经典舰船航行轨迹建模方法,本文方法的舰船航行轨迹建模效果更优,获得了高精度的舰船航行轨迹建模结果,缩短了舰船航行轨迹建模时间,是一种高精度、高效率的舰船航行轨迹建模方法,具有一定的实际应用价值。     

神经网络算法的舰船间距快速预测

间距预测是保证舰船航行安全的重要技术,传统方法存在舰船间距预测不准确,精度低等不足,为了提高舰船间距预测精度,提出基于神经网络算法的舰船间距快速预测模型。首先分析当前舰船间距预测的研究现状,找到引起舰船间距预测不足的因素,然后引入神经网络算法对舰船间距变化特点进行深入挖掘,建立舰船间距快速预测模型,最后采用VC++6.0编程程序实现舰船间距快速预测仿真实验,结果表明,神经网络算法的舰船间距预测精度超过90%,远远高于其他舰船间距预测模型,而且舰船间距预测速度快,减少了舰船间距预测的时间,具有比较明显的优越性。     

基于神经网络的舰船电机转速控制系统

舰船电机有十分强烈的非线性变化特点,当前控制系统不仅无法有效对舰船电机转速进行高精度的控制,而且无法对舰船电机转速进行在线控制。为了获得理想的舰船电机转速控制效果,提出基于神经网络的舰船电机转速控制系统。首先分析当前舰船电机转速控制系统,找到舰船电机转速控制系统的局限性,然后采用PID控制机制对舰船电机转速进行控制,并根据舰船电机转速控制误差对PID控制参数进行在线调整,最后实现舰船电机转速控制仿真实验。结果表明,神经网络能够实现准确、快速的舰船电机转速控制,各项指标满足舰船电机转速控制的实际要求,同时舰船电机转速控制效果优于当前其他方法,结果验证了本文舰船电机转速控制系统的优越性。     

基于改进神经网络方法的船舶姿态高精度预报研究

针对船舶姿态预报精度的难题,结合船舶姿态变化特点,提出基于改进神经网络方法的船舶姿态高精度预报模型,首先对船舶姿态的数据进行采集,并对船舶姿态数据进行去噪处理,然后采用神经网络对船舶姿态变化特点进行高精度逼近,并对神经网络存在的一些缺陷进行相应的改进,最后进行船舶姿态预报的仿真实验。实验结果表明,改进神经网络提高了船舶姿态预报精度,克服了当前其它船舶姿态预报模型存在误差大的弊端,船舶姿态效果优势十分明显。     

BP神经网络的舰船辐射噪声识别

当前舰船辐射噪声识别方法存在识别率低,对环境鲁棒性差等缺陷,为了对复杂环境下的舰船辐射噪声识别进行准确识别,提出了BP神经网络的舰船辐射噪声识别方法。首先采集舰船辐射噪声,并提取舰船辐射噪声识别有效特征参数,然后采用BP神经网络建立舰船辐射噪声识别模型,从而实现对舰船辐射噪声信号的分类和识别,最后进行舰船辐射噪声识别的仿真测试。结果表明,相对于已有的舰船辐射噪声识别方法,BP神经网络提高了舰船辐射噪声识别率,可以对各种舰船辐射噪声信号进行准确分类。     

基于神经网络的船舶物流配送成本预测

高精度的船舶物流配送成本预测可以节省成本,提高船舶物流配送企业的利润,因此具有重要的研究意义。为了获得更高精度的船舶物流配送成本预测结果,提出神经网络的船舶物流配送成本预测方法。首先采集船舶物流配送成本历史数据,通过变换技术建立船舶物流配送成本预测的学习样本,然后引入BP神经网络对船舶物流配送成本学习样本进行训练,拟合船舶物流配送成本的变化特点,从而实现船舶物流配送成本预测,最后与当前经典船舶物流配送成本预测方法进行优越性测试。结果表明,BP神经网络的船舶物流配送成本不仅预测精度平均高于对比方法 5%以上,而且船舶物流配送成本预测稳定性更优,预测结果可以为船舶物流配送企业提供有用的信息。     

数据采集编程实现

水平基准对舰船定位起着重要和关键的作用，水平基准的精度直接决定了舰船定位的精度，并且舰船定位精度与水平基准的精度相当。准动态水平基准满足舰船振动频率、振幅、摇摆周期、幅度等要求，本文介绍基于准动态水平基准电路的数据采集编程实现。     

舰船复杂网络跟踪目标信息传输安全性评估分析

信息传输安全性评估分析对舰船复杂网络跟踪目标研究具有十分重要的意义,由于信息传输安全具有随机性和时变性,当前分析方法难以获得高精度的舰船复杂网络跟踪目标信息传输安全性评估结果,为了获得更优的信息传输安全性评估效果,提出基于神经网络的舰船复杂网络跟踪目标信息传输安全性评估分析方法。对当前舰船复杂网络跟踪目标信息传输安全性评估分析进展进行研究,指出各种方法的局限性和不足。采集大量的舰船复杂网络跟踪目标信息传输安全样本数据,引入神经网络描述舰船复杂网络跟踪目标信息传输安全变化趋势,从而建立相应的分析模型。最后在Matlab 2018平台上进行具体的实验,分析本文方法的性能。结果表明,本文方法的舰船复杂网络跟踪目标信息传输安全性评估精度超过了92%,且评估时间极短,有效说明了本文方法的舰船复杂网络跟踪目标信息传输安全性评估结果明显优于当前其他方法。     

基于危险理论的舰船通信网络安全风险评价

为了准确把握舰船通信网络安全风险的变化,设计了基于危险理论的舰船通信网络安全风险评价方法。首先引入危险理论将舰船通信网络入侵频率作为风险评价输入,舰船通信网络安全风险级别作为输出,建立舰船通信网络安全风险评价样本集合,然后采用Elman神经网络对舰船通信网络安全风险评价样本集合进行训练,建立舰船通信网络安全风险评价模型,最后采用舰船通信网络系统为例,分析舰船通信网络安全风险评价方法的可行性,结果表明,本文方法能够高精度把握舰船通信网络安全风险变化态势,不仅获得了令人满意的舰船通信网络安全风险评价结果,而且舰船通信网络安全风险评价效果要优于其他方法,具有十分显著的优势。     

某型测量船的船体总振动固有频率预报方法分析

以某型测量船为例,采用已有的多种方法对该船总振动固有频率进行预报,并将预报结果和实测值进行比较,分析说明了各种方法的特点。重点分析了影响迁移矩阵法计算精度的若干因素,提出了具体应用中需要关注的问题,对其他类型的舰船具有很好的借鉴作用。     

基于图像增强技术的舰船图像拼接

当前舰船图像拼接技术存在拼接准确率低、拼接速度慢等问题,为了提高舰船图像拼接精度,设计了基于图像增强技术的舰船图像拼接方法。首先对当前舰船图像拼接方法进行分析,得到舰船图像拼接准确率低的原因,然后采用图像增强技术对原始舰船图像进行预处理,提高舰船图像的清晰度,并计算舰船图像的分块邻域梯度向量,得到舰船图像的初始拼接结果,最后去除舰船图像初始拼接结果中的拼接错误,并引入聚类分析算法对舰船图像拼接结果进行优化。舰船图像拼接仿真测试结果表明,本文方法可以消除图像相似性对拼接结果的不利影响,可以进行高精度的舰船图像拼接,并且减少了舰船图像拼接时间,舰船图像拼接速度要快于当前其他舰船图像拼接方法,获得了令人满意的舰船图像拼接结果。     

舰船网络异常通信行为识别研究

舰船网络异常通信行为变化不仅具有规律性,同时具有随机性,当前方法无法挖掘舰船网络异常通信行为的复杂变化特点,使得舰船网络异常通信行为识别实时性和准确性差。为了获得更优的舰船网络异常通信行为识别结果,提出神经网络算法的舰船网络异常通信行为识别模型。首先描述舰船网络异常通信行为识别原理,然后将舰船网络异常通信行为识别看作问题,引入神经网络算法对其进行建模,在舰船网络异常通信行为识别建模过程中,引入粒子群算法解决神经网络参数确定的难题,最后进行舰船网络异常通信行为识别测试实验。结果表明,神经网络算法获得了准确性较高的舰船网络异常通信行为识别结果,而且由于神经网络收敛快,使得舰船网络异常通信行为识别实时性好,具有良好的推广应用价值。     

航行速度的非线性建模与仿真研究

舰船航行速度具有十分强烈的非线性变化特点,而当前舰船航行速度建模方法均只考虑其线性特性,使得舰船航行速度预测错误很大。为了提高舰船航行速度预测精度,提出一种航行速度预测的非线性建模方法。首先采用舰船航行速度的历史样本数据,建立舰船航行速度预测的训练样本集合,然后引入回声状态网络对舰船航行速度训练样本的变化规律进行描述,建立舰船航行速度预测模型,最后采用具体舰船航行速度数据对非线性建模性能进行测试。本文建模方法可以捕捉舰船航行速度强烈的非线性变化特点,舰船航行速度预测错误小,舰船航行速度预测精度要小于当前线性建模方法,而且降低了舰船航行速度建模的时间,具有比较显著的优越性。     

大数据分析下舰船维修数据挖掘算法优化分析

舰船维修数据具有重要的利用价值,当前算法无法有效对其变化特点进行准确挖掘,无法充分发挥舰船维修数据优势,为了提高舰船维修数据挖掘精度,设计了基于大数据分析下舰船维修数据挖掘算法。首先采用单一算法对舰船维修数据进行挖掘,并根据挖掘精度对各种算法进行评价。然后采用大数据分析技术中的包容性检验算法选择最佳的单一模型,并对它们结果进行组合,得到舰船维修数据挖掘结果。最后采用舰船维修价格的历史数据作为实验对象,分析本文方法的优越性。本文方法的舰船维修价格的预测精度要显著高于当前其他数据挖掘算法的精度,而且舰船维修价格预测可信度更优,降低了舰船维修价格预测误差。