模板匹配和BP神经网络在船舶识别中的应用

首先分析模板匹配技术,指出本文采用了序贯相似性检测法进行特征提取;然后设计BP神经网络3层结构,将模板匹配的特征作为输入层的输入向量,经过多次训练学习,得到船舶识别结果;最后利用Matlab和Opencv进行实验仿真,实验结果说明采用模板匹配和BP神经网络相结合的方法比仅用模板匹配的算法能提高识别率。     

用神经风格技术辨识海上船舶的稳性参数

本文用神经网络技术对航行在海上的船舶的稳性参数进行识别。从随机横摇响应中计算随机减量。该议程类似于描述自由横摇运动的微分方程。自由横摇运动方程中的非线性特性与线性阻尼项归并成一个横摇角Φ和横摇角速度Φ的非线性函数Ｆ，然后利用带单隐含层的前馈网络来辨识这个总的函数。应用回归技术，函数Ｆ可用来识别扶正力矩参数。作为一个例子，将该技术应用于一个系列６０，ＣＢ＝０．６０船模试验。用神经网络技术预报的曲线与     

利用BP神经网络进行船舶号灯识别

船舶夜间航行需要通过船舶号灯识别其型号、编号及航道等信息。为了提高船舶识别的准确率,本文建立了基于BP神经网络的船舶号灯识别模型。通过将信号灯亮度、投射距离、背景亮度等作为输入参数,并将已有数据作为输入,训练BP神经网络,修正网络内部神经节点个数及反馈函数。分别使用已有的L-M函数、动量梯度下降、无监督学习等反馈函数训练和验证,L-M反馈函数可得到精度最高的神经网络模型。通过使用BP神经网络模型对船舶号灯进行识别,提高了船舶夜间航行的安全性。     

基于组合优化算法的船舶信息风险评估

为避免船舶信息风险引发重大船舶航行事故,研究基于组合优化算法的船舶信息风险评估方法。选取通信、环境、管理、人为这4个方面因素共17个指标,构建船舶信息风险评估指标体系,将其作为径向基函数（RBF）神经网络输入层输入数据,经隐含层映射操作后,通过输出层输出评估到的船舶信息风险等级,采用结合模糊C均值聚类算法和遗传算法的组合优化算法,合理选取RBF神经网络隐含层中心向量并寻优获取最佳隐含层基函数宽度和权值向量,提升船舶信息风险评估效果。实验结果表明：该方法可有效评估多艘船舶的信息风险,并可依据评估结果获取何种因素导致船舶信息风险,提出针对性指导建议。     

基于径向基函数神经网络的舰艇声呐部位自噪声预报

径向基函数神经网络具有学习速度较快,函数逼近能力强的特点.文章分析了影响声呐部位自噪声的各种声源参数,以舰艇声呐部位自噪声作为目标函数,将径向基函数神经网络用于舰艇声纳部位自噪声预报.利用舰艇声呐实测数据进行网络训练,训练好的神经网络可以对舰艇声呐部位自噪声进行精确预报.     

遗传神经网络在导航传感器故障诊断中的应用

对船用组合导航系统中占主要地位的惯导系统进行故障诊断研究,提出了基于遗传算法优化的神经网络故障诊断模型.利用改进的遗传算法对BP神经网络的权值和阈值进行遗传操作,获得具有一定遍历性的初始权值和周值,然后再利用神经网络的L-M训练方法进行训练,克服了BP神经网络搜索速度慢和容易陷入局部极值的缺点,保证了训练过程收敛.对采集到的传感器故障信号进行预处理,故障特征信号作为改进遗传神经网络的输入信号来检测故障.采用惯导系统陀螺仪故障信号进行仿真研究,结果表明此方法可有效地检测故障且提高了系统精度.     

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.     

基于模糊神经网络的一种船舶碰撞危险度计算方法

利用神经网络与模糊推理提出一种船舶碰撞危险度的计算方法.用神经网络替代模糊推理过程,建立基于碰撞危险度计算的模糊神经网络推理框架,利用推理规则生成用于网络训练的样本.实例验证了方法的可行性.     

基于HHT和BP神经网络的船舶电力系统故障定位

针对船舶电力系统故障难以精确定位的情况,将Hilbert-Huang变换(HHT)和BP神经网络应用于船舶电力系统故障节点定位。首先,采集各节点电流信号,经过EMD分解得到若干IMF分量,对第一个IMF分量进行Hilbert变换得到其瞬时振幅向量。然后,将各节点的瞬时振幅向量之和作为电流信号的特征量输入到带有动量因子的BP神经网络中进行训练,利用训练好的神经网络进行故障节点定位。最后,通过仿真实验验证了所提方法的有效性。     

基于小波神经网络的上海港集装箱吞吐量预测

针对港口集装箱吞吐量预测精度不高的问题,采用小波函数作为隐含层传递函数改进BP神经网络进而建立小波神经网络,并对2008-2017年上海港的每月集装箱吞吐量数据按照前三个月预测后一个月的方式构建出训练数据和预测数据,同时与BP神经网络在同样数据情况下的预测精度进行比较分析。结果表明:小波神经网络的预测误差明显小于BP神经网络,其预测性能更好。