基于改进AK-MCS法的船舶板架极限强度可靠性分析

[目的]船舶结构极限承载能力不足会导致海损事故,为此提出改进AK-MCS法,用于船舶结构极限强度可靠性研究。[方法]通过引入信息熵中的学习函数H对样本点进行二次寻优,以提高最佳样本点的质量,从而提高Kriging模型的精度和更新效率;采用K折交叉验证替代AK-MCS法的迭代停止准则,解决原本迭代停止准则过于保守的问题,以有效避免发生过学习和欠学习状态,从而以较少的样本点训练Kriging模型,实现对极限状态函数的高度拟合。使用非线性振荡器数学模型进行验证,并将改进AK-MCS法应用于船舶板架的极限强度可靠性研究。[结果]仿真结果表明,改进AK-MCS法调用有限元模型的次数比原方法减少了38%,验证了改进AK-MCS法的求解效率和精度。应用结果表明,该方法的计算精度最高,且调用有限元仿真次数比原方法减少32%,验证了改进AK-MCS法在船舶板架极限强度可靠性研究中的适用性和高效性。[结论]使用改进AK-MCS法研究船舶板架极限强度的可靠性,可评估船舶实际航行中局部结构尤其局部较危险结构的失效概率。     

船艇柴油机故障诊断专家系统的研究

以船艇柴油机为研究对象,采用基于事例的诊断推理技术,开发了具有一定学习能力的船艇柴油机故障诊断系统,并介绍了系统总体结构与各模块功能。     

支持向量机与舰船辐射噪声的分类

目标识别已经成为计算机视觉和模式识别领域的一个研究热点。但是传统的目标识别方法具有过学习和欠学习等缺点,使得目标识别无法被广泛应用。支持向量机可以有效克服这些缺点,这是因为其不仅基于统计学理论,而且可以使结构风险最小化。本文在分析舰船辐射噪声的基础上,着重研究支持向量机在目标识别中的应用。     

基于神经网络的无人无缆水下机器人运动建模与控制技术研究

对自主型水下机器人（ＡＵＶ）神经网络运动模型的结构进行了理论分析和探讨,提出了非完全回归型神经网络、增加积分层的输出层结构及相应的分步式学习方法。对ＡＵＶ运动过程中目标运动路径和目标运动速度的同时跟踪控制进行了系统研究。提出了由主控网络和伴随网络构成的神经网络控制器结构,给出了通过计算机模拟来生成教师样本的方法,提出了预测控制的思想。计算机仿真及水下机器人“Ｔｗｉｎ－Ｂｕｒｇｅｒ”的水池实验结果验证了本文所提出的建模方法和跟踪控制方法的有效性和可行性。     

船体板和加筋板的屈曲及极限强度研究综述

船体板和加筋板的屈曲及极限强度是船舶结构强度设计的重要内容,近年来研究成果颇丰,为了能够更方便地对其展开学习和研究,对近十几年来国内外钢质船体板和加筋板的屈曲及极限强度研究进展进行综述。主要叙述了静态加载范畴下的研究现状,分别按照试验法、数值计算法、解析法和综合性方法 4种不同研究方法,对完整结构和含有开口、裂纹、腐蚀、凹痕几种不同损伤的非完整结构,在承受单一载荷或联合载荷作用下的极限强度研究成果进行系统的概述,并介绍加筋板低周疲劳和动力屈曲的研究必要性和部分研究成果,讨论各研究方法的优劣性,对一些重要的定性研究结论进行汇总,指出6个需要进一步展开研究的问题。     

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。     

基于目标规划的水下机器人模糊神经网络控制

针对水下机器人运动的精确控制问题,依据模糊逻辑和神经网络理论,提出了一种基于目标规划的模糊神经网络控制方法。根据水下机器人的运动特性构造了模糊神经网络的结构,并推导了网络权值学习的反传算法,最后以水下综合探测机器人为研究对象进行了试验研究。试验研究的结果表明,该方法结合了传统模糊控制和神经网络控制的优点,大大地提高了系统响应速度和控制精度,并且对模型的不确定性有较强的鲁棒性,能够实现水下机器人运动的精确控制,具有较高的理论和实用价值。     

基于模糊神经网络的水下机器人局部路径规划方法

该文探讨了基于模糊神经网络理论的实时局部路径规划问题,并提出了能实现模糊控制规则的基于强化学习的自学习和自调整的规划算法,设计了水下机器人实时运动规划器结构以及规划器操作过程和相应的算法。仿真实验结果验证了本文所提方法的有效性和可行性。     

基于神经网络的态势预测方法研究

为提高安全态势感知精确度和降低其复杂度,加强网络系统的安全防护能力,提出了基于神经网络的态势预测方法,并研究了基于径向基函数和遗传神经网络的态势动态预测方法。神经网络可通过自学习和非线性映射以任意精度逼近函数关系,具有高度灵活可变的拓扑结构及很强的适应能力,对于中、短期预测具有较高的精度。     

潜艇操纵水动力小波神经网络预报方法研究

针对潜艇操纵性优化设计中水动力系数预报问题,在潜艇水动力预报中引入艇体肥瘦指数概念,确定了潜艇艇体几何描述的五参数模型。提出采用小波神经网络方法预报潜艇水动力,确定了神经网络的结构,利用均匀试验设计方法,设计了神经网络的学习样本。在验证CFD预报艇体水动力有效的基础上,完成了样本水动力系数的CFD计算;通过对样本进行学习,完成了潜艇艇体操纵性水动力系数小波神经网络预报。研究结果表明,只要确定适当的输入参数,选择适当的学习样本和网络结构,利用小波神经网络方法对潜艇水动力进行预报可以达到较高的精度。     

优化英语专业研究生课程体系对策探析

时代发展要求研究生具备合理的知识结构、能力结构和素质结构,并使之协调全面发展。研究生课程学习是实现这一要求的重要途径,是增强研究生创新能力的主要渠道,英语专业研究生课程学习与其课程体系设置有很大关系,要认识到英语专业研究生课程学习及优化课程体系的重要意义,廓清课程学习中存在的主要问题,才能提出优化英语专业研究生课程体系的有效对策。     

船舶航向的混合智能控制技术研究

考虑船舶运动时的非线性及其操纵特性与航速、复杂多变的环境干扰等带来的不确定因素,将传统的模糊控制的基本结构嵌入到多层神经网络的控制器中,构成了混合智能系统.采用了模糊自适应学习控制网络,应用于船舶航向控制,对控制器的参数和结构进行了在线学习与调整,并进行了仿真,可以在一定程度上克服船舶运动中的不确定性问题.     

高阶CMAC神经网络及其在水下机器人运动控制中的应用

对高阶ＣＭＡＣ神经网络的结构和工作原理进行了研究,提出了中间层作用函数地址的计算方法,给出了计算高阶基函数的不同方法,利用高阶ＭＣＡＣ神经网络对水下机器人模糊深度控制器进行了学习,仿真结果显示了不同高阶基函数ＭＣＡＣ网络的不同建模能力,证明了中间层作用函数地址的计算方法正确。     

基于职业核心能力培养的航海英语混合式教学设计

提出构建以核心职业能力培养为目标的航海英语"线上+线下"混合式教学模式:依据"以学习体验设计为主、能力培养为核心,着重学习支持服务"的设计原则,从核心能力培养的角度提出航海英语不仅仅是工具,还需要把思辨能力、表达能力和合作学习能力等作为学习目标;在这个学习目标的指导下,重构了行动导向的课程结构,并根据混合式学习的一般过程,设计了不同阶段的学习支持工具。     

混合智能控制技术在船舶电站励磁控制中的应用

将混合智能控制技术应用于船舶电站同步发电机励磁控制，通过一种结合自组织学习和BP学习的混合学习算法，学习并调整控制器参数和结构，该算法比通常的BP算法收敛性好，速度快。仿真结果表明，该算法能很好地稳定机端电压。     

基于SVM的雷达目标一维距离像识别

基于支持向量机的雷达目标一维距离像识别研究。一维距离像揭示了目标径向结构的分布特性。支持向量机基于经验风险最小化原理,适用于小样本学习问题。通过对三种目标分类进行仿真实验,结果表明：该分类方法具有较高的识别性能。     

一种基于改进GoogLeNet的油井故障识别方法

油井功图是油井工作状态分析和故障诊断的重要依据,深度学习为油井功图的识别提供了有效手段,针对合理的深度神经网络架构的选择问题,构建了一个用于油井故障诊断的大型功图数据集,提出一种基于改进GoogLeNet网络结构的油井故障识别方法,并对深度神经网络的结构、激活函数、归一化层、训练方法、学习率等重要参数对识别精度和训练时...     

世界海事大学的质量文化

介绍世界海事大学独特的质量文化,重点对其质量保证体系的基本结构和运行机制进行分析,指出航海教育质量保障与控制已经成为航海教育研究的一个重要课题,作为世界海事教育的领跑者,世界海事大学有很多方面值得我国的航海院校学习和借鉴。     

基于.NET的在线学习系统的设计与实现

利用网络为学生提供学习交流服务已成为一种需要。该文论述基于.NET和Microsoft SQL Server 2000相结合的三层B/S结构的校园在线学习系统的设计思路和技术实现,对校园内开发此类学习系统有借鉴意义。     

区域港口群货源分配的人工神经网络方法

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。