大数据背景下的船舶管理风险评估

船舶安全管理工作对于保障船舶安全航行起着十分重要的作用,传统方法如层次分析法、模糊评估法难以对船舶的管理风险进行科学的评价。为了提高船舶的管理风险评估精度,构建了粒子群算法优化RBF神经网络的船舶管理风险评估方法,首先利用粒子群算法对RBF神经网络的参数进行优化,然后利用优化的RBF神经网络对船舶管理风险进行评估,最后进行仿真测试,实验结果表明,本文方法的评估精度比对比方法的评估精度更高,同时耗时更少,可以满足对船舶的风险进行实时监控与管理。     

神经网络在船舶动力定位模拟器控制系统中的应用

随着近海资源日渐枯竭,远洋自然资源的开发和利用技术成为了研究热点。远洋水域深度较大,船舶在采用传统的锚泊式定位时会发生走锚等问题,因此,必须采用动力定位技术。船舶动力定位系统由位置测量、控制器和推进器3部分组成,可以实现精准可靠的海上定位,对船舶和海上作业平台有重要意义。动力定位模拟器是船员进行动力系统操作培训的重要设备,本文结合神经网络算法和相应的数学模型,设计和开发了船舶动力定位模拟器的控制系统。     

基于神经网络的船舶计算网络安全评估架构

船舶工业的发展提高了船舶系统的复杂度,船舶计算网络的安全问题对安全评估架构提出了新的需求。传统的评估架构不能满足船舶网络对准确性和性能的要求。本文首先根据船舶网络的特点建立基于嵌入式web服务器的安全评估系统,然后使用神经网络预测船舶网络的安全性,提高评估的精确性和性能。     

水面无人艇的模糊建模方法研究

近年来,水面无人艇技术发展迅速,在军事侦察、武装保护等方面发挥显著作用,已成为水面反恐的重要方式之一。然而,水面无人艇航行在线性度、耦合性上存在较大的缺陷,高精度控制方式实现复杂。为实现水面无人艇航行的高精度、高准确度控制,本文将神经网络和模糊技术相结合,提出一种基于神经网络的模糊建模方法,对系统模型进行仿真可知,水面无人艇的模糊建模方法有效,且能够实现对无人艇航行的精确控制,具有进一步推广应用的潜力。     

基于PSO-BP神经网络的油船中部结构优化

以舱段质量为目标函数,以相关规范要求的板厚及应力为约束条件,通过灵敏度分析确定设计变量,对油船中部结构优化。构建基于粒子群优化的BP神经网络模型,并代替有限元分析确定应力与设计变量之间关系,从而对舱段进行结构优化。优化后舱段质量降低了4.2%,优化后的有限元分析结果表明满足规范要求,PSOBP神经网络模型在船舶结构优化设计中具有可行性。     

神经网络专家系统在船舶控制系统故障诊断的应用

首先阐述神经网络技术和专家系统2种算法优劣之处,然后将2种算法相结合应用到船舶控制系统故障诊断中,结合后的算法具有较好的自学习和并行计算能力。在进行算法的详细描述中,介绍神经网络专家系统的基本结构,并对其在船舶控制故障诊断中的框架进行设计,针对具体的实际应用建立知识库。最后利用训练数据进行仿真实验,实验结果表明本文采用的神经网络专家系统在故障诊断方面具有可行性。     

基于HHT和BP神经网络的船舶电力系统故障定位

针对船舶电力系统故障难以精确定位的情况,将Hilbert-Huang变换(HHT)和BP神经网络应用于船舶电力系统故障节点定位。首先,采集各节点电流信号,经过EMD分解得到若干IMF分量,对第一个IMF分量进行Hilbert变换得到其瞬时振幅向量。然后,将各节点的瞬时振幅向量之和作为电流信号的特征量输入到带有动量因子的BP神经网络中进行训练,利用训练好的神经网络进行故障节点定位。最后,通过仿真实验验证了所提方法的有效性。     

基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

故障树和神经网络在遥测装备故障中的研究

论文通过分析遥测装备的故障特性及其原因,结合对遥测装备变频单元故障树的定性和定量分析。构建了基于故障树的人工神经网络故障诊断断系统,根据系统编写了相应的程序以实现功能。通过实例验证了方法的实用性和有效性,增强了遥测设备的智能故障诊断能力。