基于人工神经网络的船舶操纵性能预报方法

本文以单桨肥大型船回转性能为例,探讨应用改进的ＢＰ神经网络建立船舶操纵性预报数学模型的方法。研究结果表明,只要选择适当的学习样本、网络结构和学习算法,该数学模型的预报精度在工程上可以接受。     

基于投影寻踪学习的大型船舶运动极短期预报

本文结合投影和神经网络的优点,建立了应用于大型船舶运动的极短期预报我多维投影寻踪学习网络（ＰＰＬＮ）结构及算法,并将该算法所取得的预报结果与年历顺归预报法和周期图预报法的结果进行了比较,预报结果说明了该算法的可行性。     

基于LightGBM算法的潮位预报修正研究

潮汐预报在数学上属于回归预测，是人工智能算法的经典应用领域之一。文章以上海米市渡站点为例，提出了采用LightGBM算法修正调和分析T＿TIDE模型预报潮位的方法。以T＿TIDE模型的预报误差序列作为LightGBM算法的输入层参数，训练得到的LightGBM模型可有效预测T＿TIDE模型后续的短期(48 h内)预报误差，从而对T＿TIDE模型的潮位预报结果进行短期修正。米市渡站测试结果表明，构建的LightGBM模型能将T＿TIDE模型的24 h和48 h预报均方根误差分别降低至0.10 m和0.12 m,相应的±0.30 m合格率都提升至95%以上。但是，LightGBM算法在台风期间对T＿TIDE模型的预报结果存在误修正，台风期间的潮位预报修正有待进一步研究。     

大型舰船姿态运动极短期预报的一种AR算法

本文提出并严格地证明了一种AR模型的预报算法，利用该算法可对大型舰船运动姿态进行预报，在物理仿真系统中取得满意的结果。     

基于模糊神经网络的水下机器人局部路径规划方法

该文探讨了基于模糊神经网络理论的实时局部路径规划问题，并提出了能实现模糊控制规则的基于强化学习的自学习和自调整的规划算法，设计了水下机器人实时运动规划器结构以及规划器操作过程和相应的算法。仿真实验结果验证了本文所提方法的有效性和可行性。     

一种改进的船舶极短期运动预报精度分析方法

针对目前船舶极短期运动预报中以真实值与各理论预报算法的均方差最小来确定最优预报算法可能导致真正的最优算法被排除的情况,采用波形匹配和仿射变换提出一种改进的精度分析方法,用于船舶极短期运动预报的最优算法确定。该方法首先识别预报信号的周期和波数等关键波形参数,通过仿射变换为一个与真实信号同周期同相位的新信号,进而计算船舶运动时间序列间真实值与新信号的均方差,从而确定船舶极短期运动预报的最优算法。实际应用表明,该方法可以更合理地确定船舶极短期运动预报的最优算法。     

舰船运动极短期建模预报的研究现状

综述了舰船姿态运动极短期建模预报的发展历史及现状，讨论了各种建模预报方法在舰船运动极短期建模预报中存在的问题，着重介绍了投影寻踪学习法用于舰船运动建模预报。此外，对舰船运动极短期建模预报的研究作了展望。     

波浪补偿平台垂向位移的短时预报

针对BP算法存在收敛速度慢和局部极值的问题,采用此方法对BP学习算法进行改进,结合实验采集的数据进行仿真计算,结果表明采用此方法可以有效地提高Elman网络的训练速度和稳定性,使El-man网络能够更有效地对波浪补偿平台垂向位移进行短时预报。     

神经网络方法在舰船姿态运动预报中的应用研究

将神经网络应用于舰船姿态运动预报中,利用带有延迟反馈的回归神经网络的暂态、学习效率高、动态映射等优点,提出多输入单输出简化的对角回归神经网络,并给出舰船姿态运动预报模型。在此基础上进行算法收敛性的说明。最后采集15个样本,通过分析样本的平均误差、均方误差和相对误差来说明本文所此采用的算法对舰船纵摇姿态的预报结果有效。为提高预报精度需要将船舶受到的外界干扰融合到模型中,从而可得到理想的预报效果。     

基于格型递归最小二乘算法的船舶运动极短期预报

在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursive least square)算法对AR模型参数进行自适应估计.该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度.利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度.     

Ship motion extreme short time prediction of ship pitch based on diagonal recurrent neural network

A DRNN （diagonal recurrent neural network） and its RPE （recurrent prediction error） learning algorithm are proposed in this paper . Using of the simple structure of DRNN can reduce the capacity of calculation. The principle of RPE learning algorithm is to adjust weights along the direction of Gauss-Newton. Meanwhile, it is unnecessary to calculate the second local derivative and the inverse matrixes, whose unbiasedness is proved. With application to the extremely short time prediction of large ship pitch, satisfactory results are obtained. Prediction effect of this algorithm is compared with that of auto-regression and periodical diagram method, and comparison results show that the proposed algorithm is feasible.     

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。     

基于卷积神经网络的船舶自动识别系统

基于船舶自动驾驶存在的问题以及需求,提出了一个基于卷积神经网络的船舶自动识别系统。系统设计使用的生成对抗神经网络算法,基于互信息理论,能够无监督式地学习船舶图像特征。通过实验论证,在分类准确度上取得了显著地提升,表明本系统方法合理有效,具有较高地运用前景。     

基于回声状态网络的船舶摇荡连续预报方法研究

回声状态网络（ ESNS）是一种新型递归神经网络,可通过对有限的已知样本进行训练,建立非线性模型来预报未知样本。该算法在解决非线性问题时具有一定优势。无需知道海浪的先验信息和船舶航行姿态的状态方程,仅利用实测的船舶横摇、纵摇历史数据,寻求规律即可进行实测摇荡数据的极短期预报。仿真结果表明,该算法在预报15 s以内可达到较高的预报精度,通过预报窗口的平移,可以进行连续在线预报。     

基于神经网络的船舶舵机控制系统设计

传统船舶舵机控制系统只适于控制对象是线性系统且时延和阶数等已知的情况,但在实际应用中,船舶舵机控制过程受船舶运行情况和航行环境的影响,属于随机过程.为此,设计一种新的基于神经网络的船舶舵机控制系统,依据功能要求设计船舶舵机的不同控制模型,再设计整体控制系统结构.通过设计4个不同层次的控制器结构,实现神经网络控制器的整体设计,利用神经网络算法对控制器中的参数进行学习和调整,神经网络控制器输出结果即为船舶舵机控制结果.实验结果表明,所设计系统控制效果好,不易受外界环境的干扰.     

改进的BP神经网络在船舶与海洋工程中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.文章介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了改进并优化,详尽地给出了改进的三层BP神经网络数值预测算法.为测试该算法.选用了著名的XOR(异或)问题和和一个高度非线性的0-1矩阵预测问题对其进行了验证.计算结果表明文中算法能给出令人满意的精度.最后结合船舶与海洋工程的两个实际问题,探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实践表明,文中给出的改进的BP神经网络数值预测算法值得在船舶与海洋工程中加以应用并推广.     

基于L-M贝叶斯正则化方法的BP神经网络在潜艇声纳部位自噪声预报中的应用

基于L-M贝叶斯正则化方法使BP神经网络在推广能力、收敛速度和逼近精度上能够获得很大的提高.文中将BP神经网络和L-M贝叶斯正则化算法相结合用于潜艇声纳部位自噪声预报.分析了影响声纳部位自噪声的各种参数.利用潜艇声纳实测数据进行网络训练,训练好的神经网络可以对潜艇声纳部位自噪声进行精确预报.     

一种新型自动舵控制策略研究

本文基于预测控制的基本思想,利用神经网络技术,提出了一种新型自动舵控制策略。仿真结果表明了其优良性能。     

基于DRNN的直接多步自适应预测器设计

介绍了一种基于对角回归神经网络(DRNN)的直接多步自适应预报器的设计方法。由于其有特殊记忆能力组成单元和特殊的组织结构形式,这种预报器可以在线通过对一个动态系统的输入输出样本的学习,自动建立这个动态系统的模型,而无需事先了解该系统的参数。因此,该预报器可以根据系统过去的输入输出样本和当前可以测量到的系统输入,来获得系统未来的输出值。本文首先介绍了这种预报器模型的结构和输出输入的映射关系,然后给出了一个用于系统预测分析的预测器的具体设计过程并给出一些仿真实验结果,介绍了这种预报模型在船舶机舱智能监控系统中的具体应用。     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.