基于RBF网络的操纵水动力预报

在船舶初阶段,要求设计者能够在不断调整船舶主尺度和船型系数的同时,了解所设计船舶的操纵性能指标。其中,操纵水动力导数预报的精确程度无疑对整个船舶操纵性预报工作具有至关重要的影响。文中基于径向基函数（ＲＢＦ）网络提出了预报操纵水动力导数的新方法,并且与试验结果、线性回归方法预报结果进行了比较,与试验结果较为一致。     

船舶操纵性能预报的人工神经网络方法

在船舶初始设计阶段，船舶的主尺度和船型系数可基本确定，这时如能建立这些参数与船舶操纵性之间的关系，就能在初始设计阶段预报船舶的操纵性能。通常，采用线性回归方法建立这些关系，但其预报结果精度难以保证。本文基于人工神经网络理论，提出了新的预报操纵性能的方法，并以船队为例作了计算。     

限制水域中三维船舶操纵运动水动力计算

将Ｈｅｓｓ的三维Ｐａｎｅｌ的方法和Ｂｏｌｌａｙ的平板升力模型相结合，计入了船体厚度的影响，采用三维累加三次张力样条进行船表曲线光顺拟合，并在其上分布源汇，运用高阶面元方法，对Ｓｅｒｉｅｓ６０及其相当平板求解了船舶在浅水、浅窄航道中的操纵运动水动力，给出了各种计算曲线。     

分离涡对船舶操纵运动水动力的影响

为了探讨船体分离涡对船舶操纵运动水动力的影响，文中给出了计及“涡的影响因子”的自由表面条件，在新的定解条件下计算了船舶操纵运动时的横向水动力，并与不考虑分离涡影响的计算值进行了比较。     

粘性对作回转运动三维物体水动力的影响

以Ｃｈａｐｍａｎ和山崎的方法为基础，计算了在转运动三维物体的横向力，为探讨粘性对船舶操纵性水动力的影响，通过在物面上叠中平板湍流边界层排挤厚度，产芭此作为新的物面边界，按照山崎方法进行了计算，给出了平板及Ｗｉｇｌｅｙ船型地计算结果，并与试验值作了比较。     

面元法预报螺旋桨水动力性能

采用面元法预报螺旋桨水动力性能，桨叶和桨毂表面离散为四边形双曲面元，每个面元上布置等强度和偶极子分布，螺旋桨尾涡面也离散为布置等强度偶极子的四边形双曲面元。桨叶随边处理过迭代实现非线性等压加塔条件，通过螺旋桨敞水性能和桨叶压力分布的计算结果与试验结果的比较。     

船舶操纵运动的神经网络控制系统研究

船舶在航行时由于航行工况和环境变化多端,受力十分复杂,使得船舶操纵运动特性具有非线性、时变性和干扰的复杂性等特点．文中基于神经网络控制的自学习和自适应性,研究了三种无监督学习的船舶操纵运动神经网络控制系统,并对系统在混合干扰情况下进行了仿真研究,与优化后的传统PID控制系统进行了比较．     

一种操纵性水动力导数的实用估算方法

目前有很多诸如最小二乘、卡尔曼滤波等系统辨识方法用于船舶操纵性水动力导数的估算．但涉及神经网络的甚少．随着神经网络技术的日益成熟、完善，神经网络在船舶操纵性领域的应用将成为可能．文中介绍了一种基于线性船舶操纵运动方程的水动力导数估算方法，建立了一种基于神经网络的系统辨识模型，并将其应用于分析实船试验数据．结果表明了该方法的有效性．     

大阪号油轮在浅水,有限航速下的操纵水动力计算

利用浅水有限航速下操纵船体的水动力计算方法计算了大阪号油轮的操纵运动线性水动力导数，将计算结果与试验结果进行了比较，结果是令人满意的。     

基于人工神经网络的沥青混合料体积性质预测

在变级配多组试验数据的基础上，建立了人工神经网络预测模型。以各筛孔通过率作为输入，矿料间隙率和粗骨架间隙率作为输出，得到的神经网络预测模型，对于某种具体的材料，能够预测其它各种不同的级配在相同的沥青用量下所具的体积性质。     

Prediction of Axial Capacity of Concrete-Filled Square Steel Tubes Using Neural Networks

The application of artificial neural network to predict the ultimate bearing capacity of CFST （ concrete-filled square steel tubes） short columns under axial loading is explored. Input parameters consiste of concrete compressive strength, yield strength of steel tube, confinement index, sectional dimension and width-to-thickness ratio. The ultimate bearing capacity is the only output parameter. A multilayer feedforward neural network is used to describe the nonlinear relationships between the input and output variables. Fifty-five experimental data of CFST short columns under axial loading are used to train and test the neural network. A comparison between the neural network model and three parameter models shows that the neural network model possesses good accuracy and could be a practical method for predicting the ultimate strength of axially loaded CFST short columns.     

雷诺数相似喷水推进船模预报实船推进性能

通过在数值计算中调整流体粘度系数,实现缩尺船模与实船雷诺数相似,进而消除尺度效应的影响.在弗劳德数0.15~0.41范围内,雷诺数相似船模方法预报实船阻力与模型试验外推值差别在5%以内;在波形与伴流场的比较中,雷诺数相似船模方法与实尺度计算方法预报结果基本一致.数值计算表明对于缩尺比为30的模型泵与实泵效率差别在11%~17%,而雷诺数相似模型泵效率计算值与实泵计算值差别在1.5%以内,表明通过雷诺数相似模型泵能够较好预报实泵性能.文中比较了模型雷诺数与实尺雷诺数下喷水推进器的性能变化,分析了喷水推进自航试验中可能产生的误差.通过雷诺数相似船模数值自航预报阻力、推力、推进效率与实尺度计算的比较,表明了雷诺数相似船模方法能够较好预报实尺度喷水推进船的推进性能.     

用RBF网络学习船舶操纵运动的动态特性

提出了利用径向基（ＲＢＦ）神经网络的非线性映射能力,来学习船舶操纵动态特性,通过大量的仿真实验证明,用ＲＢＦ网络学习船舶操纵动态特性,在学习速度、预报误差待经常用的ＢＰ网络要优越得多。     

基于人工神经网络的船舶操纵控制系统模型研究

针对在船舶操纵控制系统中，船舶模型参数会随着外界条件(如航速、吃水、风等)的改变而变化的情况，提出了如何用神经网络模型使船舶在这些不断变化的外界条件下保持良好的状态，描述了前向网络原理与反向传播学习算法(BP)的步骤．     

神经网络结合遗传算法用于航迹预测

研究利用遗传算法对BP神经网络进行优化设计,建立了基于遗传算法的BP神经网络机动目标航迹预测模型。该模型克服了普通神经网络算法在训练过程中容易陷入局部最优点的缺陷,得到了更高的学习精度和更快的收敛速度。最后,用实测数据进行了验证分析,结果表明,基于遗传算法的神经网络的预测模型比单神经网络预测模型预测精度高,可用于航迹的预测。     

用神经网络方法预测股票短期走势

在技术分析基础上，建立了神经网络的股票短期走势预测模型，对深圳和上海股票市场中的几种股票价格走势进行预测，取得了满意的结果。同时，还对神经网络的输入参数（开盘价、收盘价、最高价、最低价和成交量）的不同组合产生的预测结果进行了对比分析。     

基于人工神经网络的装配序列规划方法研究

装配序列规划作为装配工艺中的核心内容, 对实现生产自动化、装备装拆有着十分重要的意义, 是目前国内外CIMS及装备维修领域的研究热点. 提出并实现了一种用神经网络来实现自动装配规划的方法. 该方法首先利用装配联系矩阵、装配联系图、惩罚矩阵来表达零件之间优先关系、装配代价,然后利用BP神经网络来求解满足此约束条件的最佳产品装配序列.     

RBF神经网络在极限承载力预测中的应用

利用RBF神经网络预测预应力高强混凝土简支T梁极限承载力.重点讨论了RBF神经网络的结构和算法,通过对预测结果进行分析比较,证明此方法在预应力高强混凝土简支T梁极限承载力的预测中具有实用价值.     

采用神经网络的传感器故障诊断方法研究

使用专用观测器组（ＤＯＳ）的方法能解决传感器故障诊断问题。然而，对于对象为非线性的、对象模型的结构和参数均未知的系统，ＤＯＳ很难构造出来，本文使用多层神经网络实现了ＤＯＳ以及决策逻辑，从而实现了对不确定的非线性系统传感器故障诊断。