基于自适应变异PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法(self-adapting particle swarm optimization algorithm,SAPSO),将该算法与误差反传(back propagation,BP)神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船"育鲲"轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于PCA-BP神经网络的铁路客运量预测模型研究

本文分析铁路客运量影响因素,利用主成分分析(PCA)消除原始铁路客运量影响因素之间的相关性,将主成分分析结果作为BP神经网络的输入,并通过增加动量项、输入数据处理、调整学习速率优化BP神经网络,提出基于PCA-BP神经网络的铁路客运量预测模型。实例研究表明,与BP神经网络相比,PCABP神经网络能有效提高铁路客运量预测精度。     

油气管道周向漏磁检测信号分析

用于检测管道腐蚀缺陷的漏磁检测方法已运用多年,但传统的轴向漏磁检测方法无法检测到狭长的轴向腐蚀缺陷,使用周向漏磁检测则能很好地弥补轴向漏磁检测的不足。周向漏磁检测及其信号分析在国内还处于起步阶段。采用ANSYS仿真软件建立了周向漏磁检测模型,并进行了电磁场模拟;对仿真模型提取的漏磁信号与腐蚀缺陷的尺寸信息进行了定性分析,提出应用BP神经网络定量分析油气管道腐蚀缺陷与漏磁信号的关系。结果表明：漏磁信号能定性地判断腐蚀缺陷,而使用BP神经网络方法可以定量地确定管道腐蚀缺陷尺寸,有助于提高检测的精度,同时也为油气管道安全评价提供了依据。     

神经网络优化PID的船舶发动机自动控制

船舶发动机自动控制系统十分复杂且有高阶强祸合的非线性特征。传统的船舶发动机采用的PID控制器,在船舶运行的整个制过程中其参数都固定不变,这就导致了船舶在实际运行过程中出现状态变化和系统参数的不确定性问题,难以达到最佳的船舶控制效果。而人工神经网络系统是对人脑功能的基本特性进行抽象简化的模拟系统,具有灵活和精准的特点以及良好的非线性处理和容错性能,在现代工业中得到了广泛应用。利用神经网络优化PID控制系统可有效解决传统船舶发动机运行过程中存在的不确定非线性问题。因此结合神经网络优化PID控制系统对船舶发动机自动控制系统进行研究和设计,并通过仿真实验验证神经网络优化PID的船舶发动机自动控制系统在运行过程中对船舶的控制能力。实验结果证实该系统能有效解决传统发动机中存在的非线性问题,在恶劣条件及故障情况下仍能保障船舶稳定运行。     

基于分数阶PI~αD~β的船用永磁同步电机控制策略研究

船用永磁同步电机是一种非线性、强耦合、多变量的复杂系统,使用常规的PID对其进行速度控制时难以达到理想的效果。为了改善船用永磁同步电机调速系统的性能,设计了一种新的速度控制器-径向基(RBF)神经网络分数阶PI~αD~β控制器。利用径向基神经网络的自学习和自训练的功能,对控制器的参数进行在线优化,以便使控制器在未知的系统中能够具有快速的适应能力和较好的控制性能。将设计的控制器应用于船用永磁同步电机的速度控制回路中,并在高速度、大负载扰动的条件下对其进行仿真实验。结果表明,使用了RBF神经网络分数阶PI~αD~β控制器的电机控制系统,具有良好的动态响应能力和较强的扰动抑制能力。     

基于SAPSO-BP网络模型的港口潮汐实时预报

为了提高港口码头潮汐预报的精度,提出一种自适应变异的粒子群优化算法SAPSO,将SAPSO优化算法与BP神经网络结合,用以潮汐水位的实时预报。SAPSO-BP网络模型运用自适应变异的PSO算法优化BP神经网络的网络参数,克服了传统BP神经网络所具有的对初始权值阈值敏感、容易陷入局部极小值的缺点,最后选用Isabel港口的实测潮汐值数据进行潮汐水位的实时预报仿真试验,用以验证SAPSO-BP预测模型的实用性和可靠性。     

利用小波变换设计的SAR图像检测研究

近年来,合成孔径雷达(SAR)飞速发展,已成为当今获得遥感信息的主要传感器之一。SAR图像检测由于其高分辨率和全天候全方位的优点,成为舰船尾迹检测的最重要方式之一。然而,传统的人工检测方法已不能满足大量的SAR图像数据要求,因此,为提高检测的准确率,必须开发海面舰船目标监测算法。针对这一需求,本文开发一款基于小波变换设计的SAR图像检测算法,该算法兼顾速度和准确率,具有广阔的应用前景。     

利用BP神经网络模型动态预测隧道涌水量——以铜锣山隧道为例

以垫邻高速铜锣山隧道为例,在分析隧道涌水和降雨响应特征的基础上,建立了综合考虑降雨脉冲、降雨累积效应和地下水系统整合作用的隧道涌水量预测的BP神经网络模型。计算结果表明,该模型对训练样本的拟合程度较好(平均绝对百分比误差为13.27%)且具有较高的预测精度(平均绝对百分比误差为15.05%)。该模型的建立和成功应用对丰富隧道涌水量的预测方法和动态指导隧道防排水管理具有重要意义。     

成品油管道泄漏监测与定位系统的研制

研制一套有效的成品油管道泄漏监测与定位系统,对于输油管道的安全运行及环境保护,减少企业经济损失具有重要的意义。根据现场实际工况,提出一种与SCADA系统相结合的成品油管道泄漏监测与定位系统方案,给出了系统的组成与工作原理。基于GPS授时与中断技术的异地同步采集保证了异地数据采集设备的精确同步。系统使用基于负压波的分段斜率法准确判断泄漏;采用小波变换精确检测负压波传到首末站的时间差,并给出了小波基函数的选取原则及定位方法。实际应用表明：系统报警响应时间短、误报率低、泄漏定位精度高。     

Farima模型在海上无线网络状态融合中的应用

为了克服海上无线网络信号传输中的噪声干扰,本文将小波变换和Farima模型应用于信号状态融合,首先利用小波变换对信号进行分解,再利用Farima模型进行预测,最后对重构后的信号进行融合,实验结果表明本文算法融合速率高,准确性好。