基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.     

基于模糊多层感知机的模式分类方法的研究

本文着重研究应用模糊神经网络来进行模式分类的问题,提出了一种基于模糊多层感知机的模式分类方法,学习方法采用自适应BP算法。这个网络最显著的特征是能处理网络输入、输出的不确定性和不准确性,并可以进行规则解释。输入隶属函数的中心和半径根据数据分布情况自动生成。输入向量由类隶属度决定。对该方法进行检验的结果表明它是切实可行的,其分类的精度很高,明显优于非模糊分类器。     

基于模糊多层感知机的模式分类方法的研究

本文着重研究应用模糊神经网络来进行模式分类的问题，提出了一种基于模糊多层感知机的模式分类方法，学习方法采用自适应ＢＰ算法，这个网络最显著的特征是能处理网络输入，输出的不确定性和不准确性，并可以进行规则解释，输入隶属函数的中心和半径根据数据分布情况处动生成，输入向量由类隶属度决定，对该方法进行检验的结果表明它是是切害可行的，其分类的精度很高，明显优于非模糊分类器。     

船用固体氧化物燃料电池电堆建模与仿真

由于船用固体氧化物燃料电池复杂的内部环境不利于对其直接建模,针对船舶设备负载变化导致燃料利用率变化,提出利用径向基函数神经网络的"基"函数.结合宽度学习网络结构和恒燃料利用率控制策略,构造了一种识别恒燃料利用率的固体氧化物燃料电池电堆特性的新方法.根据恒燃料利用率控制策略经研究获得电池的输入输出数据组;在输入输出数据组的基础上,利用Lipschitz商准则确定非线性模型的最佳输入变量阶数;利用粒子群优化算法来估算基于径向基函数宽度学习网络参数,包括增强层参数、增强层和输入层到输出层参数.该方法得到的辨识结果精度高且计算量小.试验结果验证了该方法的准确性和有效性.     

基于EKF神经网络的潜艇运动模糊控制

非线性与大惯性是潜艇运动的主要特性,基于试验模型得到的潜艇标准运动方程在很多情况下无法准确描述潜艇的运动过程,特别是当潜艇运动方程建模误差较大时,传统基于模型的控制器设计方法就显得力不从心。因此,本文提出了一种不基于模型的卡尔曼神经网络模糊控制算法,在神经网络学习训练过程中,利用卡尔曼滤波算法优越的数学特性将扩展卡尔曼滤波递推公式与RBF算法结合训练神经网络权值,根据神经网络输出的潜艇运动参数设计模糊控制器。仿真结果表明,该算法具有很好的控制精度、动态特性和鲁棒性。     

基于模糊神经网络的复杂环境下军用集装箱最优运输方案选择

在信息化战争时代,后勤保障系统也常常是敌人重点打击的对象之一。合理选择运输方案,有效防御敌人的打击,降低运输成本,对顺利完成保障任务具有重要意义。综合考虑战争对运输保障的要求和战场环境对运输效能的影响,构建了军用集装箱运输效能评价指标体系,针对战争条件下指标权重难以确定的特点,提出了一种权值获取方法,并基于模糊神经网络给出了最优运输方案的选择方法。通过将指标参数模糊处理形成特征向量作为输入,以综合评价值作为期望输出,对网络进行训练,对多个路径方案进行评价,取得了良好的效果。     

水下自主机器人航向控制算法应用研究

为了提高AUV航向控制系统的控制品质,研究基于模糊理论的参数自调整PID算法。该算法在AUV原控制器的基础上对控制器参数进行在线调整,使控制器具有了一定的自适应特性。分析模糊控制规则对控制效果的影响,提出一种基于非线性函数的尺度变换方法对模糊控制器输入数据进行处理,简化了模糊控制器输入数据的量化过程。通过湖上试验,验证了模糊PID控制算法的有效性。对比试验结果显示,改进后的算法在AUV航向控制中能够获得更好的控制效果。在大角度转向中,该控制算法的优越性明显,系统响应快,超调小,航向误差均方差小。     

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.     

基于进化规划算法的舰船辐射噪声分类

神经网络分类器在舰船辐射噪声分类中得到了广泛的应用.针对神经网络分类器的设计困难,提出一种基于进化规划算法的设计方法.在该方法中,进化算法的适应度函数不是取为神经网络分类器对训练样本的识别率,而是对训练样本的可分性和聚合度同时考虑,这样能够在保证识别精度的前提下,使网络分类器具有良好的泛化能力,而且该方法不仅能够对待识别的样本进行离线学习,也能够在线学习.使用该分类器对舰船辐射噪声进行分类识别试验,结果表明该方法设计的分类器具有良好的性能.     

基于混合深度学习的燃气轮机动态过程关键参数在线辨识北大核心CSCD

[目的]为克服燃气轮机非线性时变特性对动态控制及性能监测的影响,通过长短期记忆神经网络(LSTM)的时序记忆、非线性关系表达与高斯过程回归(GPR)的区间概率估计能力三者的结合,提出一种基于LSTM-GPR混合深度学习模型的关键动态参数在线辨识算法。[方法]首先,建立燃气轮机的动态机理模型,以燃料热值、压气机效率及负载电力矩为待辨识参数,生成大量训练数据;然后,构建LSTM-GPR参数辨识网络模型,并输入训练数据进行网络训练和权重系数学习;最后,使用训练好的LSTM-GPR混合模型对燃气轮机动态运行参数进行在线辨识,经分析辨识结果来验证所提算法的有效性。[结果]仿真结果表明,所提算法辨识结果准确,误差小于1%,实时性好,相比于LSTM单一模型能获得更好的均值估计效果,并给出可靠的结果置信区间。[结论]所提算法能有效应用于燃气轮机模型的关键动态参数在线辨识,为进一步应用于实际机组奠定了基础。     

基于神经网络的船舶间碰撞态势模糊分类方法

本文提出一种采用神经网络技术实现船舶间碰撞态势模糊分类的方法。通过对复杂问题的分解,建立了一个由三个子网构成的多级网络模型。每个子网实现一部分分类功能。仿真结果表明：该网络模型具有模糊分类功能,同时,对不正确的输入具有容错性。     

动态模糊神经网络在船舶动力定位中的应用

在前向模糊神经网络的归一化层和输出层之间加入递归层,形成的一种新型动态模糊神经网络(DFNN)具有动态映射能力,从而对动态系统有更好的响应.文章还推导了基于BP的反传学习算法.运用DFNN对船舶动力定位控制进行的仿真实验结果证明了该方法的有效性.     

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.     

多雷达多目标航迹跟踪法

提出了一种改进的模糊极小极大(Fuzzy Min-Max,FMM)神经网络算法,并结合无师训练FMM神经网络的聚类,给出了一种基于FMM神经网络的多雷达多目标航迹跟踪方法.仿真实验结果表明,这种方法能够有效地完成多雷达多目标的数据融合,并较好地实现了多雷达多目标的航迹相关.     

结构可靠度分析的智能计算法

模糊数学、神经网络、遗传算法并称为智能计算方法.对功能函数没有明确表达式的问题进行可靠度分析,本文提出了基于响应面重构的智能计算法,即构造一个模糊神经网络响应面并采用遗传算法进行可靠度计算.算例分析表明,该方法与传统的二次多项式响应面方法相比,计算精度较好,可大大减少有限元分析次数.该方法用于大型复杂海洋工程结构的可靠度分析,可相应提高工作效率和解题质量,具有实际应用价值.     

基于BP神经网络的船舶企业员工综合评价模型

为了保障船舶工业企业内部对其员工的使用管理和评价上的客观性和准确性,提出基于BP神经网络的综合评价方法,在建立了员工评价的指标体系基础上建立了基于BP神经网络的评价模型,将评价员工综合素质的指标值作为模型的输入量,评价结果作为模型输出量,用样本对神经网络进行训练,利用收集的中国船舶工业集团某造船企业管理执行层员工信息,使用MATLAB对模型进行模拟仿真训练,用验证样本对评价模型检测,检测结果是仿真输出与期望输入基本一致,说明网络合理,评价模型能够较好对船舶企业员工的综合素质进行评价.     

一种潜艇作战软件质量评价的新方法

提出一种基于专家知识与神经网络的潜艇战术应用软件质量评价方法.该方法运用专家知识对软件质量指标进行了修正,并作为模型的输入,利用模糊综合评判方法获取该模型的训练数据和测试数据训练神经网络,将训练好的神经网络用于对软件进行质量评价.经算例仿真证明该方法是可行和有效的.     

基于VMD和RBF的舰船管路泄漏识别和定位

针对工作环境恶劣、维护保养不便的舰船管路难以迅速定位泄漏点并对其进行损害管制,提出了一种基于VMD和RBF的舰船管路泄漏识别和定位方法。首先,对管路泄漏产生的空化现象、湍流和流体与管路的摩擦进行分析,研究影响泄漏产生激励的因素；然后,提出一种基于变分模态分解(VMD)与径向基函数(RBF)神经网络的管路泄漏识别和定位方法,通过VMD得到有效分量的中心频率和能量值分别构造特征向量,输入RBF神经网络以达到泄漏识别和定位目的；最后,模拟舰船环境,搭建泄漏管路试验平台,分析泄漏管路不同工况下的振动信号,并对RBF神经网络的诊断准确率进行验证。实测舰船管路故障信号分析表明,泄漏识别的准确率为90%,泄漏定位的准确率为87.5%。     

基于BP神经网络的维修性设计参数灵敏度分析

由于维修性设计参数存在模糊性和相关性,传统的评估方法往往很难明确表达出维修性设计参数对维修性的影响程度.通过采用综合评判和人工神经网络相结合的方法建立用于维修性设计参数灵敏度分析的网络.在网络中维修性设计参数作为输入变量,维修性评价值作为输出变量,通过参数值的变动得到不同的网络输出结果,利用网络的输出定量计算出参数的变动对维修性的影响程度,从而为优化维修性设计参数提供方向.