神经网络在舰船噪声识别中的应用

本文基于多层前馈型网络模型发展了一种利用声纳信号进行目标识别的技术，并在对传统BP算法局限性详细分析的基础上，对其稍作改进，提出了BP－选择学习算法。实验表明，此算法对噪声信号的识别效果好于BP算法。     

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 propaga-tion,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。     

基于变分模态时频分布下的水下目标DOA估计研究

在声呐、雷达等设备的目标探测中,声源方位估计是需要解决的关键问题之一。针对水下传感器阵列接收信号的波达方向角(DOA)估计算法中,传统的BP神经网络算法会因网络参数不合理和层数过多导致过拟合的问题,以往通过粒子群算法(PSO)进行优化后,网络仍容易过早结束训练而导致性能不佳。为此,本文提出一种基于变分模态分解结合粒子群算法优化后的BP神经网络算法。首先对目标回波信号进行可变模态分解,对分解得到的各分量进行时频分析后叠加的谱图特征作为经粒子群算法优化后的BP神经网络算法的输入进行训练测试,以此来提高阵元接收目标回波的DOA估计精度。仿真实验结果表明,结合变分模态分解及粒子群算法优化的BP神经网络具有更好的识别效果和泛化能力,提高了DOA的估计精度。     

基于改进A*GBNN算法的AUV路径规划研究

针对现有的离散生物启发神经网络(Glasius bioinspired neural networks, GBNN)算法在未知环境下,存在的路径规划时间长、易陷入局部最优等问题,提出一种结合A*与GBNN模型的改进算法。在GBNN活性值栅格网络中,算法将各栅格的活性值作为A*的代价函数进行运算并使用跳点搜索规则优化,实现未知环境下的实时路径规划。仿真实验结果表明,该算法有效改善了自主水下航行器在未知环境下的寻路效率,可以满足自主水下航行器实时路径规划需求。     

基于改进人工势场的避障路径规划策略研究

随着战争形势的无人化、多样化和跨域化发展,水下无人航行器作为各军事强国抢占水下作战域和海洋不对称作战优势的主要抓手,在未来战争中发挥着越来越重要的作用。由于海洋非结构化环境的复杂性,水下无人航行器在执行任务过程中,需能够在无人干预情况下进行系列操作和任务决策。本文针对水下无人航行器局部路径规划,提出基于速度矢量判断的改进人工势场法的避障航路规划策略,通过增加障碍物斥力场范围,强化目标点附近的引力场,优化障碍物斥力系数,并通过速度矢量判断旋转方向,使得水下无人航行器能够结合环境感知信息进行路径实时调整,最终能够达到安全快速避障。最后结合航行器流体动力与运动控制一体化仿真模型进行仿真分析,验证提出算法的有效性。     

虚拟现实平台中水下航行器动力系统装配模型优化设计

现有的水下航行器动力系统装配模型在虚拟现实平台中经常出现多数据间的协同异常,模型内多单元数据计算误差偏大的问题。针对问题的出现,提出虚拟现实平台中水下航行器动力系统装配模型优化设计。首先,引入多粒子群分析算法对航行器水下动力系统装配数据进行则优化模型建立,通过模型找出装配相关量的优化参数;接着,针对动力单元、控制单元与供电单元,分别引入磁转动力算法、约束控制算法与协同供电算法对对应单元进行优化,在装配相关单元数据修正中,实现最终模型数据误差的消除;最后,通过专业的动力分析系统,对优化后的模型数据进行仿真测试,证明提出的优化方法具有可行性与有效性。     

任意路径航行的水下航行器回波特征研究

本文阐述基于频域间接法的板块元基本原理,建立水下航行器三维网格模型,提出以任意路径运动的水下航行器回波特征预报方法。通过开展1∶20缩比的Benchmark潜艇回波特性水下声散射试验,验证了上述预报方法的准确性。研究表明,预报方法能够预测水下航行器以任意路径航行的回波特征,对水下运动目标的探测与识别有一定意义。     

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。     

圆柱形水下航行器多学科优化设计方法研究

基于Isight软件,对圆柱形水下航行器开展了多学科设计优化技术的研究。首先将圆柱形水下航行器划分为阻力、结构、能源和推进四个学科,对每一个学科进行了详细的建模与分析,然后基于序列二次规划法,霍克-吉维斯直接搜索法以及多岛遗传算法三种优化算法对每个学科进行了单学科优化,在得到优化结果的同时,确定了最适合每个子系统的优化算法。接着确定了四个学科的耦合关系,完成了协同优化框架和同时分析与设计框架下多学科优化模型的构建。基于这两个多学科优化框架,分别在系统级优化器中采用上述三种优化算法,对圆柱形水下航行器进行了多学科设计优化,得到了满意的优化结果。最后总结出了一套适用于微小型水下航行器的多学科设计优化方案。