基于双神经网络通道的时间序列预测框架

为了提高时间序列预测方法的预测精度,提出了一种基于双神经网络通道的时间序列预测框架。双通道框架组合了卷积神经网络和循环神经网络,卷积神经网络通道利用卷积和池化操作提取出时间序列的深层特征,循环神经网络通道能够提取出长序列依赖特征。此外,针对循环神经网络通道,设计了基于注意力机制的改进,提高预测精度。在EEM2016能源价格预测比赛提供的数据集上进行了实验,实验结果表明所提双通道框架可以取得比单通道框架更高的预测精度。     

升力鳍实验装置的升力函数发生器

本文重点研究了鳍的动态水动力在升力鳍实验装置上的应用.在分析升力鳍实验装置施力要求的基础上,提出并成功应用神经网络BP算法逼近鳍的动态水动力曲线,然后将训练好的神经网络作为该实验装置施力系统升力函数发生器,实现对实验装置中鳍的施力,该研究也进一步完善了该实验装置.     

一种基于神经网络的在线签名验证方法

通过实验介绍了一种基于神经网络的在线签名认证系统,总结了一组能够表现签名特征的特征向量,基于BP神经网络通建立模板,利用特征值进行笔迹识别,通过确定个性化阈值降低FR、FA错误率,并通过实验验证了本系统的可行性.     

径向基神经网络实现红外目标检测

本文分析了径向基神经网络的优点,并详细地描述和设计了基于径向基神经网络的红外目标检测,在设计神经网络的过程中,阐述了神经网络的隐层、输出层的节点数以及学习速率等,最后将其应用到实际检测中,通过实验结果可以看出,本文所采用的径向基神经网络在红外目标检测方面具有良好的逼近性和收敛性。     

改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(FCM)算法和模糊对向传播神经网络相结合,解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题,在此基础上结合TSK(Sugeno Tanaka Kang)模糊模型,提出了改进的模糊对向传播神经网络Improved FCP,并给出了学习算法.对两种典型的非线性模型进行实验研究,实验结果表明Improved FCP网络具有良好的非线性逼近能力.     

混沌神经网络优化机制研究

分析了混沌神经网络的优化机制,研究了具有模拟退火特性的混沌神经网络模型,给出了混沌神经网络的能量函数,以及计算网络Lyapunov指数的方法,从理论上证明了当网络参数满足一定条件时,网络具有混沌性状。在仿真实验中,应用Hopfield网络和混沌神经网络求解信道分配问题。结果表明,混沌神经网络在求解优化问题时具有更强的搜索全局最优解的能力,和更快的收敛速度。     

局部回归神经网络在水下机器人运动控制中的应用

探讨了水下机器人神经网络运动模型的结构,提出了带有局部回归结构的水下机器人神经网络控制器结构及预测控制的实现方法,给出了该神经网络的教师样本生成方法及学习方法,计算机仿真与水池实验结果验证了本文提出方法的有效性和可行性。     

基于遗传BP算法的神经网络目标分类器的研究

首先阐述了水下目标识别的研究发展和系统组成，然后提出了一种基于遗传BP算法训练神经网络目标分类器的新方法。实验结果表明采用新方法的神经网络分类器比采用改进BP算法的神经网络分类器具有更优的分类效果。     

舰船RCS特征提取与GA-BP神经网络分类研究

在典型舰船RCS的FEKO仿真数据基础上,提取均值、标准差、变异系数、平滑系数4种RCS数字特征作为BP神经网络的分类特征向量,进行目标分类仿真实验。实验结果显示,由于BP神经网络采用梯度下降法,其初始权值、阀值的随机设置会导致BP神经网络易陷入局部极小,为此,本文研究采用遗传算法对BP网络节点权值和阀值进行优化选择,仿真实验结果显示采用遗传算法优化后的BP神经网络分类识别性能稳定,不易陷入局部极小。     

基于改进神经网络方法的船舶姿态高精度预报研究

针对船舶姿态预报精度的难题,结合船舶姿态变化特点,提出基于改进神经网络方法的船舶姿态高精度预报模型,首先对船舶姿态的数据进行采集,并对船舶姿态数据进行去噪处理,然后采用神经网络对船舶姿态变化特点进行高精度逼近,并对神经网络存在的一些缺陷进行相应的改进,最后进行船舶姿态预报的仿真实验。实验结果表明,改进神经网络提高了船舶姿态预报精度,克服了当前其它船舶姿态预报模型存在误差大的弊端,船舶姿态效果优势十分明显。     

无人水下航行器网络控制器设计

传统无人水下航行器采用集中式结构设计,导致系统计算负担重、容错能力差、结构复杂.设计并实现了基于分布式结构的网络控制器,分析系统的工作原理,建立网络控制模型,设计网络控制器数据传输协议,并给出了硬件设计思路和软件开发,通过试验对网络控制器进行了验证。     

网络控制系统诱导时延的自适应补偿研究

在网络控制系统中,网络诱导时延是造成系统性能下降甚至不稳定的基本因素.为了有效地抑制网络时延对网络控制系统性能的影响,提出了一种基于BP神经网络补偿的自适应PID控制方法,在不改变已有PID控制器控制参数的情况下,实现了对网络时延的在线自适应补偿.仿真结果表明,与传统的PID控制器比较,该方法能有效补偿网络时延的影响.     

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.     

基于网络控制器的船舶自动化系统结构设计

通过对集散控制系统(DCS)与现场总线控制系统(FCS)两种系统的比较,提出了一种基于网络控制器和工业以太网的船舶自动化管理系统结构,介绍了其特点以及此系统中的重要硬件设备——网络控制器。并以船舶电站为例介绍了自动化系统的实施情况。     

神经网络自学习模糊控制器在直流蒸汽发生器控制中的应用

针对直流蒸发器的动态过程中，各段长度均发生变化，干扰因素多，具有不确定性和非线性等特性，利用神经网络具有并行处理，分布式信息存贮，自学习自适应特点等，设计了基于神经网络的自学习模糊控制器，仿真结果表明，所设计的控制器具有良好的控制效果。本文研究结果对直流蒸汽发生器的控制系统设计具有一定的指导意义。     

网络遥操作机器人系统神经网络预测控制仿真研究

为了改善网络随机时延影响网络遥操作机器人系统稳定运行的问题,采用RBF神经网络对网络实测时延进行预测,取得较好的预测效果。结合Smith预估控制,提出了一种基于网络实测时延的遥操作机器人系统神经网络预测控制新方法,仿真实验结果表明了该方案的有效性和鲁棒性。     

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.     

人工神经网络控制器在水下无人运载器导航中的应用

本文以水下无人运载器（AUV）绕平面圆周航行的速度、位置控制为例，推广到任何轨迹的控制问题。利用神经网络学习AUV运行的内在规律，预测未来一步的运行情况，并用改良的PID方式前馈与后馈相结合控制其执行机构。系统学习、预测及PID各增益量利用GESA（GuidedEvolutionarySimulatedAnnealing）全局优化方法求得。本方法具有自适应性、强非线性及前馈控制等特点，优于其它一般的控制器。     

PID智能模糊自整定控制器在SG水位控制中的应用

为提高蒸汽发生器水位控制效果,设计一种基于模糊控制原理的模糊PID参数自适应控制器,根据偏差和偏差变化率来实时调整参数,水位控制实验结果表明,这种模糊控制器比常规PID控制器有更好的控制效果,明显改善了系统的动态性能和稳态性能。     

一种面向科研实验的无人艇

为对无人艇的相关技术进行实船验证研究,在分析科研试验对无人艇系统需求的基础上,设计和实现一种基于以太网的分布式无人艇系统。该系统利用微控制器实现对传感器数据和设备数据的分布式处理,并通过以太网交换机组建数据交换局域网;利用开源通信协议和开源库对系统软件进行开发;详细介绍无人艇系统的具体设计和实现过程。系统测试和实船试验结果表明,所设计和实现的无人艇系统工作稳定,能较好地完成指定任务。