基于大数据的船舶建造供应商RBF神经网络评价模型研究

本文在航运和船舶建造的大数据背景下,以对船舶建造供应商评价为研究对象,选取大数据指标,用Matlab、Excel软件进行数据分析处理,使用RBF径向基函数网络方法建立船舶建造供应商的评价模型,并以16家船舶建造供应商的实例数据对此评价模型进行分析验证,解决了大数据背景下的船舶建造供应商选择评价问题。     

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。     

基于RBF神经网络的水面船舶轨迹跟踪控制

针对速度矢量不可测、动态参数不确定以及具有未知扰动和磁滞特性的水面船舶系统,提出一种基于径向基函数神经网络的自适应反馈轨迹跟踪控制方案。根据船舶的状态矢量,利用高增益观测器估计水面船舶系统的不可测速度矢量,并通过一个函数描述间隙类磁滞对系统的影响。利用径向基函数神经网络的逼近能力和反步法设计控制器,基于李雅普诺夫稳定性理论,验证所设计控制器的稳定性,证明系统所有的闭环信号都是半全局一致有界的。通过仿真验证了控制器的有效性。     

RBF神经网络在船舶电力负荷预测中的应用

综合以往取得的研究成果,应用RBF神经网络对船舶电力负荷预测问题进行深入研究,提出一种基于RBF神经网络的船舶电力负荷预测方法。基于RBF神经网络实施船舶电力负荷预测,需要对对应的历史负荷数据进行选取。分两个层面对历史数据实施预处理,首先对异常数据实施完善和补充,接着实施样本归一化处理。基于RBF神经网络构建船舶电力负荷的对应预测模型,在模型的构建中,首先对节点数量进行确定。选取某高校实施船舶电站控制实验时使用的船舶作为实验船舶进行预测实例研究。根据研究中的实验结果,发现设计方法在预测时的相对误差较小,是一种预测精度较高的方法。     

基于RBF神经网络的电子海图海底DEM数据生成技术研究

本文介绍一种利用RBF神经网络进行电子海图海底规则数字高程模型(DEM)网格数据的生成技术，从而为实现电子海图海底三维可视化奠定了基础。实验和实践结果表明该方法符合应用要求。     

基于RBF神经网络的舰船维修费预测

鉴于单个预测模型在舰船维修费预测中存在信息源不够广泛的不足,提出用组合预测法进行维修费预测。构建了基于径向基函数(RBF-Radial Basis Function)神经网络的舰船维修费组合预测模型,并用实例进行了验证。结果证明了此方法的有效性。     

船舶设备供应商综合评价方法研究

为做好船舶设备供应商评价工作,船厂一线工作人员亟需一种简单实用的评价方法来指导船舶设备供应商的综合评价工作.以船舶设备供应商为研究对象,根据船舶设备供应商的特点,构建了船舶设备供应商的综合评价指标体系,采用专家调查法确定隶属度,应用层次分析法(AHP)获得指标权重,运用多级模糊综合评价理论,建立了一种船舶设备供应商综合评价方法.该方法简单实用,可操作性强,较好地满足了船厂一线工作人员的需要.     

RBF神经网络模型在边坡监测中的应用

在matlab环境下建立了边坡位移预测的RBF神经网络模型.利用已有的监测数据训练神经网络并进行测试,将训练好的网络模型用于预测边坡位移的变化值.最后将该预测方法用于斯里兰卡某边坡监测工程,预测结果与实测的监测数据相比误差较小,从而合理安排监测频次,提高了监测效率.     

基于混沌理论与RBF神经网络的船舶运动极短期预报研究

文章基于混沌动力系统相空间重构理论,利用关联维数法和最大Lyapunov指数法,对船舶运动时间序列的混沌特性进行了判定。并利用RBF神经网络较强的非线性映射功能,结合相空间重构理论建立了船舶运动极短期直接多步预报模型。实例预报结果表明,所建立的预报模型应用于船舶运动极短期预报取得了令人满意的预报精度,预报时间可达10 s。     

基于RBF神经网络的雷达网抗干扰效果评估

通过分析雷达网抗干扰效果的评估指标集,建立了一种基于RBF神经网络的雷达网抗干扰效果评估模型,并通过试验数据样本进行学习训练RBF神经网络模型。最后,利用训练好的RBF神经网络模型对雷达网的抗干扰效果进行评估,结果表明基于RBF神经网络的雷达网抗干扰效果模型具有一定实用性和可行性。     

基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.     

基于RBF神经网络的港口货物吞吐量预测

将人工神经网络理论引入港口货物吞吐量远景观测，并依据，1978－1998年北方某大港主要要经济腹地的相关经济变量的历史数据建立RBF神经网络预测模型，最后利用模型对未来15该港货物吞吐量进行了预测。     

基于高维优化的RBF神经网络螺旋桨性能预测

螺旋桨式水下推进器推力的大小决定着水下机器人的水动性能.为快速准确预测螺旋桨的敞水性能,建立一种RBF神经网络螺旋桨敞水性能估计器模型.利用几种型号螺旋桨敞水仿真值作为训练样本,对网络规模进行调整.在此基础上,广义逆动态地调整各网络间的连接权重,进行网络参数的优化.通过不断地迭代优化达到学习精度要求,最终得到一种高维优...     

基于大数据的智能船舶研究

为了在智能船舶领域取得发展先机,对船舶智能化的进程进行研究。首先,探讨了智能船舶的概念与功能;其次,介绍了南通中远海运川崎船舶工程有限公司在智能船舶研发方面的实践与进展,阐述了船舶全生命周期的智能信息服务;最后,提出未来船舶企业不仅需要建造智能船舶,还要建立岸基数据中心及智能信息服务体系,逐步将为船东的服务扩展至船舶的全生命周期。     

RBF神经网络在传感器故障诊断中的应用研究

提出一种基于RBF神经网络的传感器在线故障诊断方法,用某气囊隔振系统隔振装置中大量的传感器数据进行了仿真实验,验证了方法的可行性.通过对每个传感器建立单独的神经网络预测模型,实现多传感器的故障诊断.     

基于RBF神经网络的舰船监控通信软件设计研究

构建舰船的综合性网络系统是现代舰船的发展方向。为了能够将舰船上的各种信息进行共享,提高舰船的智能自动化程度,增强舰船的安全性,舰船上的所有子系统都必须整合到一个统一的信息共享平台。舰船上的部分电子设备实现了网络化,但是不同的电子系统之间的数据传输协议及其传输方式有着很大的区别,因此系统与系统之间的信息无法共享。本文设计了一种监控通信系统,可以在舰船上不同电子设备之间进行数据的交换以及监控。本课题的研究对我国舰船上监控通信网络的发展有着重要的指导作用。     

基于BP神经网络的船舶企业员工综合评价模型

为了保障船舶工业企业内部对其员工的使用管理和评价上的客观性和准确性,提出基于BP神经网络的综合评价方法,在建立了员工评价的指标体系基础上建立了基于BP神经网络的评价模型,将评价员工综合素质的指标值作为模型的输入量,评价结果作为模型输出量,用样本对神经网络进行训练,利用收集的中国船舶工业集团某造船企业管理执行层员工信息,使用MATLAB对模型进行模拟仿真训练,用验证样本对评价模型检测,检测结果是仿真输出与期望输入基本一致,说明网络合理,评价模型能够较好对船舶企业员工的综合素质进行评价.     

RBF神经网络模型在遥感目标检测中的应用

光学遥感成像是一种常见的船舶目标图像获取方法,对其图像中的船舶目标检测正逐渐成为研究热点。本文利用RBF神经网络模型对航空母舰、驱逐舰、护卫舰、客船、集装箱、民用货船6种常见船舶光学遥感图像进行检测,首先结合kmeans和区域增长法对遥感图像进行分割,接着对船舶区域提取灰度一致性矢量和距离直方图2个特征。最后用聚类方法对RBF网络训练,并用其对船舶目标进行训练和检测。检测结果表明,本文的RBF神经网络模型对船舶目标的检测准确率为86%左右,有效实现了常见船舶目标的检测。