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。     

基于WSEIAC模型的系统效能求解新算法

WSEIAC模型是武器系统效能评估经典模型。模型中能力向量矩阵通常根据经验数据由专家打分给定,不能准确与具体实验数据关联。新算法采用核主元分析方法,提取可信赖性向量矩阵的核主元比重,作为能力向量矩阵,提高了系统效能与具体数据间的准确关联性。     

基于GAHP的舰载反潜武器系统效能评估

针对影响舰载反潜武器系统效能评估的各因素,建立了系统效能评估的层次指标体系。以灰色系统理论为基础,结合层次分析法,提出了基于AHP和灰色评估法的系统效能评估模型,并用实例说明了该模型应用的基本步骤。该文为舰载反潜武器系统效能评估提供了一种新的评估方法。     

模糊支持向量机在船舶发电机故障诊断中的优化应用

对以往提出方法的优点进行总结,在故障诊断中对模糊支持向量机进行优化应用,提出一种优化诊断方法。基于模糊支持向量机进行发电机故障分类,构建模糊故障分类模型。利用故障仿真模型获取各种发电机故障的对应电流信号,将电流信号中的特征量设为模型的四维输入向量。根据模糊故障分类模型的分类结果和船舶发电机历史运行数据,建立故障诊断融合识别框架。根据建立的故障诊断融合识别框架,将故障诊断过程分为4个步骤进行船舶发电机的实际故障诊断。对模糊支持向量机的优化应用进行实例研究,测试结果证明其优化应用实现了有效的故障诊断,验证了设计方法的有效性。     

基于超球支持向量机的船舶高温淡水系统状态评估

文章建立了基于超球支持向量机的船舶高温淡水系统状态评估模型,对训练样本确定以及核函数确定等方面进行深入研究。研究表明,利用系统中各设备自身性能方程所获得的训练样本能够准确地反映系统最优状态,建立起评估基准。另外,当核参数为5时,所建立的超球体稳定且准确,适合用于状态评估。通过对3个实际工况的评估分析,结果表明该方法在船舶系统状态评估方面具有一定的实际应用价值。     

果蝇算法在基于LSSVM智能水下机器人操纵运动模型辨识中的应用

基于水下机器人的Z型仿真试验,应用支持向量机对水下机器人的操纵运动模型进行辨识,从核函数结构中得到水动力系数,并建立水下机器人的预报模型,引入果蝇算法对惩罚因子C进行寻优,以减少基于经验而选择的参数对辨识精度产生的影响。通过预报与仿真比较,验证了该方法的有效性。     

基于WSEIAC模型的某炮兵指挥控制系统效能分析研究

基于WSEIAC模型的炮兵指挥控制系统效能分析模型,通过可用度向量、可信赖矩阵和能力向量三者的函数建立基本数学计算模型,再根据武器系统在执行任务前,须经过若干个可靠性指标不同的过程得出武器系统在执行任务时的系统效能。该模型的求解涉及炮兵营系统的初始可用性向量、各节点的可信赖矩阵和可用度、火炮系统能力向量、炮兵系统能力向量的计算。     

基于支持向量机的船舶结构优化方法

针对船舶等大型结构在优化过程中耗时长的问题,提出了支持向量机与遗传算法组合优化方法。基于支持向量机建立结构的近似模型,代替耗时长的有限元分析并应用遗传算法进行结构优化,形成一套省时、精度高、适应性强的优化方法。以某舱段结构优化为例,建立支持向量机近似模型,模拟结构设计尺寸与结构响应的映射关系,并选用二阶响应面模型做精度对比。分别使用支持向量机与遗传算法组合优化方法(SVM-GA)、传统的有限元法与遗传算法组合优化方法(FEM-GA)进行优化分析,计算结果表明,SVM-GA法相对于传统的FEM-GA法,不仅显著降低计算时间成本,而且具有良好的精度。     

基于支持向量机的舰船建造预付款风险评估

舰船建造项目的规模和复杂性日益增大,预付款风险也得到了军方的日益重视.针对传统风险评估方法的不足,应用基于支持向量机的模型进行舰船建造预付款风险评估.建立了预付款风险评估指标体系,将支持向量机方法与BP神经网络方法进行对比,结果显示支持向量机可以很好的应用于风险评估.评估结果可供预付款管理决策时参考.     

基于SVM的大型集装箱船上层建筑振动预测方法

基于支持向量机,采用RBF核函数,以某集装箱船上层建筑舱室振动为训练样本,建立了集装箱船上层建筑舱室振动的非线性回归模型,对该船上层建筑部分舱室振动进行预测。通过对上层建筑振动特征的分析,构造转换系数,提高了模型的通用性,并应用此模型对另一艘集装箱船上层建筑舱室振动进行预测。预测结果表明:应用SVM非线性回归模型对大型集装箱船上层建筑舱室振动进行预测是可行的,预测效果较为理想。