基于神经网络的舰船运动模型辨识

通过神经网络对线性水动力系数、弱非线性水动力系数和强非线性水动力系数进行了研究,利用免疫模糊遗传算法对各神经网络辨识器进行优化,以确定舰船运动的待识别系数,并且进行了10°/10°Z形操舵运动、30°回转操舵运动和35°回转操舵运动辨识的仿真。结果表明:利用辨识所得的各种典型操舵运动曲线与利用原参数所得结果符合良好。     

遗传算法与正交试验在一类系统辨识问题中的研究

给出了一种解决一类复杂系统辨识问题的方法.先用正交试验安排好实验过程,然后采用基于遗传算法的神经网络实现对系统的辨识.本文通过辨识S195柴油机排气噪声规律方程的例子,证明了这种方法不失为解决此类问题的一种有效方法.     

基于混合学习算法的水下机器人神经网络辨识

借鉴Elman和Jordan神经网络的特点,构造了一种新的动态神经网络.该网络能对隐含层的历史进行状态记忆,实时调整过去的信号对现在值的影响,并且增加了输出层节点的反馈以增强神经网络的信号处理能力.将基于遗传算法(GA)和误差反传算法(BP)的混合学习算法用于神经网络权值的修改,既可提高收敛速度又能避免陷于局部极小值.最后,将改进的神经网络应用于水下机器人动力学模型辨识,仿真结果表明,基于混合学习算法的神经网络提高了学习的收敛速度和辨识精度.     

基于GA-FCMAC算法的船舶运动智能控制器

在研究模糊小脑模型神经网络控制器（FCMAC）的基础上，本文提出了基于遗传算法学习的模糊小脑模神经网络控制（GA－FCMAC）算法并应用于船舶运动。仿真结果表明该算法具有良好的控制性能。     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法，本文较为系统地介绍了其测量、故障参数提取及分析方法，并在诊断分析中使用了进化RBF神经网络，此网络的训练采用遗传算法，优化了径向基神经网络的结构和参数，加强了网络的实用性。最后用神经网络对所模拟的故障进行辨识，证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性。     

多技术集成智能船舶系统构建方法研究

对船舶系统构建中的集成技术进行研究,介绍计算机集成技术、信息集成技术以及智能集成技术。以智能集成技术为重点,给出一种多技术集成的船舶系统故障诊断方法。该方法将神经网络、模糊逻辑、遗传算法3种智能算法进行集成,利用神经网络的自学习能力与遗传算法的计算能力,使得船舶系统故障诊断方法收敛速度快,准确率高。     

新模糊神经网络模型及其建模应用研究

本文提出一个新的模糊神经网络模型，证明了它是一个全局逼近器，且具有物理意义明显，收敛速度快之优点，通过一个建模的实例表明，与典型的模糊神经网络建模系统相比，本文提出的新模糊神经网络，是一个更适用的建模工具。     

基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题，提出一种基于模糊神经网络的机器人推进系统故障诊断方法，用以解决故障诊断过程中信息的不确定性问题，并提高推进系统的整体可靠性。该方法在常规神经网络基础上，引入模糊推理形成一种新型模糊神经网络结构，提出一种最小调整的模糊神经网络学习率，完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练，利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息，并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中，结果表明，基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。     

模糊神经网络系统建模

介绍了基于神经网络的模糊系统Ｍｏｄｕｌａｒ神经网络，提出了改进的学习算法，最后通过建模实例验证，使用本文改建的学习算法进行学习后建立的模糊系统，有着更强的泛化能力和更高的逼近精度。     

复杂结构船舶配电系统故障恢复算法

利用遗传算法、支持向量机以及神经网络等传统算法对船舶配电系统故障进行诊断,误诊率和漏诊率较高,影响了后续故障修复,不利复杂结构船舶配电系统故障恢复。针对上述问题,以模糊C—均值聚类算法取代以上3种故障诊断算法,解决误诊率和漏诊率高的问题,之后在故障诊断的基础上,实现故障修复,从而完成整个故障恢复。结果表明:与遗传算法、支持向量机以及神经网络3种传统故障诊断算法相比,模糊C—均值聚类算法的误诊率和漏诊率均更低(误诊率:1.14%,1.22%,2.00%;漏诊率:1.40%,0.43%,0.34%),说明本算法的诊断性能更好,更能全面、准确的检测出配电系统发生的故障,保证了后续故障修复的效率和准确性。     

RBF模糊神经网络航向模糊控制器的遗传优化方法

精准的控制船舶航向可以有效的保证船舶航行安全,本文利用遗传算法对RBF模糊神经网络航向模糊控制器进行了优化,在优化的过程中进行了模糊编码、优良模式自学习算子、最优串重组,最后通过仿真实验来说明,通过遗传算法优化后能够在改变参数的情况下使得船舶可以在预定的范围内可控的、稳定地行驶。     

潜艇指挥决策控制模型及仿真研究

在分析模糊神经网络(FNN)结构的基础上,根据潜艇指挥决策控制的特点,提出了利用模糊神经网络建立潜艇指挥决策控制模型.潜艇指挥决策控制过程是一个典型的模糊过程,模糊神经网络能够较好地处理模糊信息,并具备模糊推理能力.文中给出了适应潜艇指挥决策控制特点的模糊神经网络结构,推导了模糊神经网络学习算法,并探讨了基于模糊神经网络的潜艇指挥决策控制模型在潜艇指挥控制系统中的应用.     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法,本文较为系统地介绍了其测量、故障参数提取及分析方法,并在诊断分析中使用了进化RBF神经网络,此网络的训练采用遗传算法,优化了径向基神经网络的结构和参数,加强了网络的实用性.最后用神经网络对所模拟的故障进行辨识,证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性.     

模拟电路故障诊断新方法探讨与展望

本文探讨了该领域中的一些新研究方法，主要包括神经网络、模糊理论、小波变换、遗传算法、信息融合等理论发展起来的新理论和新方法。对上述方法的基本原理、优缺点及发展现状进行述评，并预测了模拟电路故障诊断技术的发展趋势。     

模糊系统理论在预测中的一个应用

按照模糊自适应系统的理论，探讨了一种预测方法，这个方法比神经网络预测方法更为简单且收敛更快。     

船舶神经网络运动模型的研究

根据船舶海上航行的实际情况，针对船舶运动的特点，研究了基于神经网络建立船舶操纵运动模型的方法，提出了一种线性神经网络结构，并给出了相应的训练和学习方法。大量的仿真试验表明：线性神经网络用于船舶运动模型的研究，具有收敛速度快、预测误差较小、能快速跟踪参数变化等优点，可用于船舶运动实时辨识。     

基于粗糙集的模糊神经网络建模研究

利用粗糙集从数据库中发现规则的能力，确定模糊神经网络的初始拓扑结构，再利用原始数据对网络进行训练。由于这样构造的模糊神经网络一开始就具备了良好的符合数据分布特性的拓扑结构，因而可以大大减小网络规模，提高网络训练速度。数值实验结果表明了该方法的有效性。     

基于TSK模糊系统的模糊对向传播神经网络

充分利用了TSK（Sugeno-Tanaka)模糊系统的优点，提出了改进的模糊对向传播神经网络Improved-FCP，并给出了其学习算法，实验结果表明Improved-FCP网络之FCP网络对样本有更高的逼近精度。     

模糊神经网络在船舶火灾报警系统中的应用

提出了一种利用神经网络和模糊系统理论设计船舶火灾报警系统的方法。该系统 模糊推理能力哟、神经网络学习能力强的特点,将模糊系统和神经网络结合起来,实现模糊系统设计的自动调整。利用感温式知因式传感器对火灾发生时温度和烟雾两个主要参量进行智能监测委 解决了报警灵敏度和误报率之间的矛盾。     

模糊神经网络控制在调速系统中的应用研究

针对无刷直流电机(BLDCM)调速系统的特点,在分析BLDCM(Brushless DC Motor)的数学模型的基础上建立了控制系统的仿真模型,设计了一种新的模糊神经网络控制器FNNC(Fuzzy Neural Network Controller),并运用遗传算法优化模糊神经网络结构和改进在线学习算法,将其应用到直流电机调速系统中。仿真试验表明,该方法较传统PID控制有更好的控制效果。