基于人工神经网络的舰船灵敏度分析

舰船参数的选择对于评价舰船综合性能至关重要,但不同参数在评价过程中所占的比重不一,量化的舰船参数灵敏度分析是后续舰船性能评价、类型识别等的重要前提。本文利用24-10-10-1结构的BP神经网络对舰船的抗沉性、最大航速、适航性、载重量4个重要参数进行灵敏度分析,并建立起各参数灵敏度与舰船综合性能的对应关系。在用BP神经网络对样本进行训练的同时,利用Skeletonization灵敏度剪枝方法计算输入节点和隐节点的灵敏度。测试结果表明,本文的灵敏度分析算法不仅优化神经网络结构,而且学习过程收敛后,可获得各输入节点稳定的灵敏度值。     

舰船电磁兼容性评估指标体系及评估应用研究

舰船上装备大量的电子信息系统和武器,电磁环境十分复杂,舰船电磁兼容问题十分突出。研究建立舰船电磁兼容性评估指标体系,开展舰船电磁兼容性量化评估,对提高舰船电磁兼容性,充分发挥其作战性能具有重要意义。本文在分析国内外舰船电磁兼容性评估指标的基础上,研究建立了包含五大类19项指标的舰船电磁兼容性评估指标体系,运用提出的多层次加权求和综合方法对舰船电磁兼容性进行计算和验证,对舰船电磁兼容性能进行量化评估,为准确掌握舰船电磁兼容性状态提供技术支持。     

舰船危险识别方法研究

危险识别作为舰船安全性综合评估的第一步,是准确评估舰船安全性的基础.针对舰船安全性评估的需求,对影响舰船安全性的危险源进行了识别技术、取舍条件、估算方法的介绍与论证,着重对目前尚无定论的系统安全度计算进行了分析和比较,使得系统安全度得到合理可信的量化,为利用综合安全评估方法准确地评估舰船的安全性和可靠度提供了基础.     

基于改进AHP法和加权TOPSIS法的舰船电网综合量化评估方法

现代舰船规模不断增大,电力系统日趋复杂,在满足总体要求和稳定性要求的前提下,电网的设计方案将可以有多种选择。若继续沿用传统的设计方法去解决大型舰船电力网络的优化设计问题,既费时费力又难以保证所得到的设计方案能够在生命力、电气性能和适装性等多个方面达到最优。本文针对舰船电网设计的需求,建立了舰船电网评价指标系统,并结合改进AHP法和加权TOPSIS法,提出了舰船电网量化评估方法。通过对典型舰船电网设计方案进行对比分析,验证了该量化评估方法的准确性和有效性。     

基于模糊综合评判的舰艇推进系统生命力评估

应用模糊数学理论对舰船推进系统生命力进行了模糊综合评判,讨论了舰船推进系统在常用武器攻击下的模糊评估模型,并以某型舰艇的推进系统为例,通过综合模糊评估,得出整个推进系统的生命力指标.评估结果说明,根据加权模糊综合评判模型,可把模糊性很强的舰船生命力指标量化,为推进系统设计方案选优提供依据.     

基于模糊数学法的舰船耐波性综合评价

运用概率统计及模糊数学方法,在舰船耐波性规范的基础上,研究了舰船耐波性能的综合评价方法.提出了用"综合隶属度"的量化指标,对耐波性能进行综合量化评定.从试验或理论计算结果出发,提出了对舰船耐波性能综合评定的方法、步骤.通过SWATH的算例,证明此方法是可行的.     

信息技术下的舰船动力设备综合性能研究

以舰船动力设备为研究对象,通过对舰船动力设备综合性能检测与评估方法的回顾与把握,结合最新的信息技术发展趋势,在已有的舰船动力设备技术评估的基础上,提出了利用信息技术实现舰船动力设备综合性能的评估,并根据舰船动力设备综合性能评估的流程和步骤,构建了基于信息技术条件的舰船动力设备综合性能评估模型,并采用D-S证据理论方法作为实现舰船动力设备综合性能评估的方法,并根据理论进行舰船动力设备的实例评估分析。     

基于突变级数法的舰船作战能力综合评价

为适应现代海军信息化条件下的作战要求,满足遂行多样化军事作战任务的目标,以编队协同作战为背景,在分析突变理论基本思想和算法步骤的基础上,提出一种基于突变级数法的舰船作战能力综合评价方法。根据突变级数理论,对影响舰船协同作战能力的因素进行多层次分解,建立舰船协同作战能力综合指标体系,确定各层次指标突变类型。在对数据进行无量纲化处理之后,结合突变层次结构模型进行综合量化运算,得到最后的评价结果。该方法已应用于某系列舰船作战效能的评估之中,计算结果真实准确,为舰船协同作战能力的评价提供了一种新的思路和方法。     

舰船总体方案评估中底层指标效用函数确定方法

舰船总体方案综合评估是采办决策中和研发前期舰船总体技术方案优选的重要手段.在基于层次分析法与多属性效用理论形成舰船总体方案综合评估基本方法的基础上,重点对其中底层指标的无量纲化方法开展深化研究,分析了底层指标的主要特性,提出了底层指标无量纲归一化要求,定量指标效用函数的形式和定性指标效用量化方法,并运用在某新型舰船论证中优选初步总体方案.结果表明,该方法理论成熟、符合实际、便于操作.     

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。     

基于LabVIEW的柴油机供油系故障诊断系统开发

基于虚拟仪器技术,利用LabVIEW7.1编写采集分析程序,并以Matlab Script节点形式调用在Matlab里训练成功后的BP神经网络程序,开发了柴油机供油系故障诊断系统。该系统由PCI-6221采集卡获取测取燃油压力波形,利用小波包分解提取特征信号,并组成特征向量输入训练成功的BP神经网络进行典型故障识别,诊断结果通过人机界面输出,从而实现了故障诊断的智能化。     

A sensitivity analysis of a hull’s local characteristic parameters on ship resistance performance

Simulation-based design hull form optimization has become one of the most effective ways to develop energy-saving ships. However, the traditional method is time consuming and inefficient, so it is difficult to apply it to practical engineering. One of the reasons for this difficulty is that there are numerous parameters for expressing the hull form, making it difficult to find the optimal solution within a short amount of time. Therefore, this paper presents a sensitivity analysis method based on radial basis function and partial least squares regression neural network with uniform design for sampling, to study the sensitivity of local hull parameters of a class of container ships on wave-making resistance performance, and to reduce the number of dimensions in the design space. According to the results of sensitivity analysis, the parameters that are of negligible influence on the objective function can be removed from the optimization model. Comparison of results of the original model and the simplified model shows that the presented sensitivity analysis method can effectively reduce the dimension of the design space so that the time consumed to achieve the optimum is decreased.     

基于ANSYS的船舶纵向下水弹性计算方法

随着建造的船舶载重吨位的逐年增大,下水过程中船体和船台结构的安全性越来越受到业界的关注.文章提出了基于ANSYS的船舶下水弹性梁计算方法,采用ANSYS参数化设计语言实现下水全过程仿真计算.所开发的程序考虑了船体梁弹性弯曲和墩木等支撑结构的弹性变形,可以准确地预报船舶尾浮及全浮滑程并判断是否存在尾弯及首跌落现象,计算出下水全过程中船体弯矩、剪力、墩木反力及其变化,为校核船体及船台强度提供了准确的荷载.文中还提出了在船尾部安装浮筒以克服尾弯的新措施.     

人工神经网络理论在煤炭海运系统优化中的应用研究

本文应用人工神经网络方法，以经济指标为衡准，在考虑了航线的船型，港口装卸效率等因素后，对我国煤炭海运系统中的主要航线运量分配方案最优化进行讨论，为国家有关决策部门制订合理发展我国煤炭海运计划提供了理论依据。     

运输船舶金属船体重量的神经估算

本文建立应用反向传播学习算法的多层前馈神经网络模型，对运输船舶金属船体重量进行神经估算。以散货船和油船为实例的计算结果表明，由非线性模拟神经元组成的神经网络在船体重量估算中是非常有效的。     

BP神经网络应用于散货船空船质量估算

以搜集的200余条散货船为样本,建立了空船质量统计回归模型和三种情况下的BP神经网络模型,并选取10条散货船对各模型进行了测试和比较。三种BP神经网络模型测试结果与实际值很接近,精度优于传统的统计回归模型,表明用BP神经网络进行空船质量估算是可行和实用的。     

基于人工神经网络的胶州湾浮游植物生物量模拟

文章首先介绍了BP网络数据标准化、隐层神经元选择、网络训练和有效性检验方法。以2003年胶州湾环境监测资料为基础,建立了多输入单输出的3层BP人工神经网络模型,采用8个水环境因子预测浮游植物生物量(Chla浓度)。检测集样本网络预测值与观测值的相关系数为0.8943,平均绝对误差为11.33%。为避免个别网络输入初值对输出的干扰,采取全局灵敏度的方法,分析了各水环境因子变化对浮游植物生物量的相对影响。结果表明,浮游植物生物量对各水环境因子变化响应的敏感系数顺序为DOCODPO4-PSSTpHOilDINSiO3-Si。     

Robust adaptive course-keeping control of under-actuated ships with the rudder failure北大核心CSCD

[目的]针对舵机故障、控制增益未知和海洋环境干扰情况下的欠驱动船舶航向保持问题,设计一种考虑舵机故障的船舶鲁棒自适应航向保持控制算法。[方法]通过结合鲁棒神经阻尼技术和自适应方法,对繁重的神经网络权值进行横向压缩,仅需设计2个自适应学习参数对未知增益和舵机故障参数在线补偿,以确保船舶在舵机故障的情况下能够有效执行航向保持任务。通过李雅普诺夫理论,证明所提出的控制器半全局最终一致稳定有界(semi-global uniform and ultimately bounded,SGUUB)。最后以“育鲲”轮为仿真对象,建立非线性Nomoto数学模型,在海洋干扰下进行对比仿真试验验证。[结果]结果表明,在此策略下,“育鲲”轮在舵机故障情况下平均舵角输出比仿真试验中所对比的传统方法降低了51%,可改善航向保持控制效果。[结论]研究结果可为欠驱动船舶的航向保持控制问题提供借鉴。