共查询到20条相似文献,搜索用时 62 毫秒
1.
针对前馈网络BP算法所存在的收敛速度慢且常遇局部极小值等缺陷,提出一种基于U-D分解的渐消记忆推广Kalman滤波学习新方法。与EKF相比,该方法不仅大大加快了学习收敛速度,数值稳定性好,而且比BP算法需较少学习次数和隐节点数,学习效果也更好,将这种学习算法应用在船舶操纵的神经网络控制器中,仿真结果表明该方法是提高网络学习速度改善学习效果的一种有效方法,可有效解决非线性系统的控制问题。 相似文献
2.
3.
转子磁场定向矢量控制中,转速PI调节器在控制对象参数变化时其鲁棒性能较差,而单神经元具有自学习、自适应能力,为了进一步改善矢量控制系统的性能,文章提出了用单神经元自适应PID控制器代替传统PI调节器。为了提高单神经元PID控制器的学习能力,将无监督的Hebb学习规则与有监督的Delta学习规则相结合,实现单神经元控制器的参数优化与在线自调。仿真结果表明,该系统不仅具有很好的静、动态性能,而且还具有很强的自适应性和鲁棒性。 相似文献
4.
5.
《舰船科学技术》2019,(23)
未来基于水下无人平台的水声目标探测体系要求平台自身具备目标智能化识别能力,而传统水下目标噪声识别方法需要人工提取泛化能力强的特征数据,且识别过程具有较强的人机交互特性,无法满足这一要求。针对这一问题,本文研究一种基于长短时记忆网络(LSTM)的水下目标噪声智能识别方法,借助深度学习自主学习数据特征的能力,应用长短时记忆网络(LSTM)分别对水下目标噪声的时域时间序列数据、频谱数据、梅尔倒谱(MFCC)数据进行深层次特征提取与识别,并使用实际水声目标噪声信号对该方法进行了验证。结果表明,在上述3种输入数据情况下,采用LSTM长短时记忆模型均能有效实现水下目标噪声特征提取与智能识别。 相似文献
6.
汤元辉 《上海海运学院学报》2002,23(2):51-54
根据1972年国际避碰规则要求,用CMOS4000组成符合要求的自动雾笛控制器,该控制器经实船使用,性能可靠,可克服传统的时钟凸轮机构和分立元器件组成的控制器的缺点。 相似文献
7.
基于TSK模糊系统的模糊对向传播神经网络 总被引:1,自引:1,他引:0
充分利用了TSK(Sugeno-Tanaka)模糊系统的优点,提出了改进的模糊对向传播神经网络Improved-FCP,并给出了其学习算法,实验结果表明Improved-FCP网络之FCP网络对样本有更高的逼近精度。 相似文献
8.
9.
采用模糊控制器来改进控制性能,遗传算法建立模糊控制器的控制规则,使控制器在不需要先验知识的情况下就能产生较好的控制效果;最后,建立工程船的数学模型并对系统进行了仿真实验。 相似文献
10.
在常规模糊控制器的基础上,通过自适应控制优化模糊控制器的控制规则,获得了反映被控对象过程状态特征的自适应模糊控制器,并且通过MATLAB软件仿真实验的方法,研究了该自适应模糊控制器用于可调螺距螺旋桨系统时的控制性能,取得了比较令人满意的仿真效果。 相似文献
11.
将人工神经网络方法与港口货源分配问题相结合,建立了货源分配的人工神经网络模型,并对网络的拓扑结构、网络学习机制、网络样本采集和网络的使用进行了介绍和分析。 相似文献
12.
13.
14.
为进一步强化航道安全,解决海事CCTV人工值守、非自动化问题,提出了基于稀疏表示的船体检测方法.利用稀疏表示实现对船体的检测时,首先构建样本特征矩阵,然后利用K-SVD算法对样本特征矩阵进行学习,得到冗余字典,最后对测试样本进行重构,根据马氏距离判断测试样本属性.通过与传统方法的试验比较,实验结果表明,该算法实时性好、检测准确率高,可以很好地对CCTV视频监控的船体进行检测与跟踪,解决CCTV人工值守、非自动化问题,节省大量人力资源. 相似文献
15.
基于模糊推理的潜艇舱室温度控制研究 总被引:1,自引:0,他引:1
针对复杂的具有不确定数学模型的潜艇舱室温度环境,利用模糊推理的设计思想,提出了一种参数自调整双层模糊控制器,用于舱室温度控制,并通过采用确定性模糊调整规则,简化了模糊控制器的设计,具有较强的适应性和鲁棒性。仿真结果表明,该控制器明显地改善了控制系统的性能。 相似文献
16.
基于自适应模糊系统的船舶碰撞危险评判 总被引:2,自引:0,他引:2
本文应用模糊系统方法建立船舶碰撞危险的专家评判系统。该系统用数值化的模糊联想记忆(FAM)规则表示专家的领域知识并进行模糊推理,同时采用神经网络的微分竞争学习算法(DCL)实现规则的自适应生成,该系统能模仿人类专家迅速作出危险评判,并具有学习,更新和完善的能力。 相似文献
17.
复杂的动力学特性及多变的海洋环境对无人水下航行器(UUV)控制器的设计提出了巨大挑战,在实际应用中,控制器的参数经人工调试后便固化,在控制过程中无法适应环境的变化。针对上述难题,该文借鉴自适应控制思想,提出一种基于强化学习的参数自适应S面控制方法,采用自适应控制方式实现不同环境下控制器参数的优化和自动整定。该方法采用Q学习算法进行训练,通过Q学习的自学习机制寻找输入状态和输出动作间的最优映射。仿真试验表明,所提方法能对控制器的参数进行实时在线调整,具备良好的控制效果和环境自适应能力。 相似文献
18.
19.
20.
[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。 相似文献