船用汽轮发电机组滑油铜含量监测极限研究

针对某船用汽轮发电机组非工作侧推力瓦块经常发生非正常磨损对象，对机组滑油进行跟踪监测和光谱分析，获得了大量的相关数据。运用数理统计方法和趋势分析方法对机组滑油铜含量进行了数值分析，给出了相应的监测极限，并预测了机组相应的拆检周期。实践表明，所得出的结论有力保证了该汽轮发电机组的正常可靠运行。     

基于改进神经网络的船舶姿态准确预报技术

为了有效解决当前船舶姿态预测准确性问题,结合当前船舶姿态数据特征,改进传统神经网络并以此为基础建立新型船舶姿态预报技术。重构神经网络格式特征区,添加脉冲输出和神经网络数据放大和衰减参数量,构建耦合神经网络作为主要计算网络,结合达尔文进化算法和传统遗传算法特征,构建交叉概率算法,顶替传统经验算法获取放大衰减真实值,通过PC端数据传输和样本导入,实现船舶姿态准确预测。仿真实验数据表明,改进后的神经网络船舶姿态预报技术对于船舶横纵斜度的预测均提高30%以上,达到了提高船舶姿态预测准确度的目标。     

基于改进的BP神经网络的车牌识别研究

车牌识别作为目标自动识别技术之一应用非常广泛,本文研究了字符特征提取方法,利用神经网络的方法构建一种改进的BP神经识别网络,最后此基础上对识别系统进行了改进优化,实验结果表明系统具有良好的鲁棒性,系统满足实时车牌识别的要求。     

基于BP神经网络自适应控制系统的改进与优化

本文针对BP(Back Propagation)神经网络在控制系统应用中存在的一些诸如收敛速度慢、局部极小点等不足,提出了附加动量法以及自适应的学习速率法等算法,并对该算法的原理模型以及工作流程进行了研究和设计,同时对该算法在PID自适应控制系统中应用进行了改进和优化.     

基于频谱分析的汽轮发电机组振源诊断

采用频谱分析技术对某型船用汽轮发电机组进行振源诊断。分析结果表明汽轮机的振动对整个机组有较大影响,指出机组轴系的不对中和轴系动平衡的变化是产生低频特征频率的主要原因。对部分特征频率的传递路径进行分析并给出改进建议。     

基于改进的神经网络的船舶碰撞危险度的模型

针对船舶碰撞危险度具有模糊性、不确定性等特点,依据模糊理论方法建立的船舶碰撞危险度的数学模型,直接采用来船航速、来船航向、来船对本船的相对舷角和来船对本船距离作为神经网络的输入,采用Levenberg-Mrquardt优化算法这种改进的BP神经网络进行训练和仿真,并与标准BP算法和动量BP算法进行比较,发现经过改进的网络求得碰撞危险度比标准BP算法和动量BP算法具有更好的效果,网络能够更有效收敛,大大提高了网络的收敛速度和泛化能力。     

基于改进BP神经网络的船舶操纵性能预报

以某单桨大型船舶在海上的回转性能为例，探讨了应用改进的BP神经网络（Back-pmpagation Neural Network）建立船舶操纵性预报数学模型的方法，并利用matlab语言对其进行了仿真。研究结果表明，改进的BP算法有更快的收敛速度和更好的计算精度。     

小型块装式汽轮发电机组滑油系统的改进

通过对小型块装式汽轮发电机组油路系统的分析,提出改进方案,从而减小了主油泵的耗功,提高了机组的效率.     

基于改进Kohonen神经网络的多传感器关联融合算法

把一种基于Kohonen神经网络模糊聚类方法运用到多传感器多目标数据关联中来,该方法能对多传感器的测量数据进行自组织聚类,把测量数据准确地划分到各个类别中去,从而实现测量数据的关联。计算机仿真结果表明,该方法运用到多传感器多目标数据关联中来具有明显的优越性,能克服传统算法的错跟漏跟现象。     

基于神经网络的FSC检查选船模型研究

我国FSC检查的目标船目前主要由人工方式来确定,存在很大的盲目性和随意性。为了提高FSC检查目标船选择的合理性,文中分析了船舶的主要风险因素,并结合BP神经网络建立了FSC检查选船模型,最后通过实例验证了所建立模型的实用性。     

一种基于BP神经网络的潜艇自动舵探讨

针对潜艇自动舵的控制特点和要求,利用BP神经网络的学习和逼近功能,设计了潜艇自动舵的多输入、多输出自动舵控制模型,并对其训练后加入到潜艇运动模型中进行了仿真测试。仿真结果表明,该控制器具有理想的控制效果。     

基于混沌神经网的海上无线通信资源算法设计

在现代海上通信领域,基于无线技术的应用领域越来越多,如海上探测﹑目标侦查以及调度都需要利用无线资源进行数据传输,而海上无线资源十分紧张,所以如何对有限无线资源进行合理的分配是保障海上无线通信各种业务质量的关键。现有的无线资源算法普遍存在复杂度较高,并且最终计算结果与最优解之间还有一定的空间。本文研究了现有的海上无线资源优化算法,提出了基于混沌神经网络海上无线资源优化算法,并给出仿真结果。     

基于PSO-BP神经网络的油船中部结构优化

以舱段质量为目标函数,以相关规范要求的板厚及应力为约束条件,通过灵敏度分析确定设计变量,对油船中部结构优化。构建基于粒子群优化的BP神经网络模型,并代替有限元分析确定应力与设计变量之间关系,从而对舱段进行结构优化。优化后舱段质量降低了4.2%,优化后的有限元分析结果表明满足规范要求,PSOBP神经网络模型在船舶结构优化设计中具有可行性。     

基于模糊神经网络的船舶自动驾驶仪的研究

分析了常规船舶自动驾驶仪存在的缺陷,针对船舶操作这种非纷陛、时变参数的控制对象,提出了一种基于模糊神经网络和Bang-Bang控制相结合的控制系统,提高了模糊控制系统的精度,最后通过仿真将模糊型船舶自动驾驶仪与基于模糊神经网络船舶自动驾驶仪的性能作了比较,结果表明后者的方法控制性能良好.     

基于神经网络的船舶舵机控制系统设计

传统船舶舵机控制系统只适于控制对象是线性系统且时延和阶数等已知的情况,但在实际应用中,船舶舵机控制过程受船舶运行情况和航行环境的影响,属于随机过程.为此,设计一种新的基于神经网络的船舶舵机控制系统,依据功能要求设计船舶舵机的不同控制模型,再设计整体控制系统结构.通过设计4个不同层次的控制器结构,实现神经网络控制器的整体设计,利用神经网络算法对控制器中的参数进行学习和调整,神经网络控制器输出结果即为船舶舵机控制结果.实验结果表明,所设计系统控制效果好,不易受外界环境的干扰.     

柔性身管的RBF神经网络PID控制

由于舰炮身管的弯曲振动,传统的利用炮管轴角位移进行反馈控制的方法无法精确控制炮口指向。针对这一缺点,提出了一种利用炮口角位移作为随动系统位置环反馈信息的控制结构。为模拟身管的振动,应用多刚体动力学对舰炮身管进行了柔性体建模。为改进后的控制结构设计了基于RBF神经网络整定PID参数的控制器,并与传统PID控制器的控制效果进行了仿真对比,验证其对于提高随动系统控制精度的有效性。     

基于小波变换和概率神经网络的水下目标识别

由于水下环境的复杂性,水下目标的检测和识别是水声信号处理领域中的一个难题.本文研究了基于小波变换和概率神经网络的水下目标识别方法.利用小波变换得到水下目标辐射噪声信号在不同尺度下的能量分布作为特征矢量,并输入到概率神经网络中以实现目标分类.利用小波变换能量特征值可有效区分不同的目标辐射噪声.概率神经网络无网络训练过程,适合于信号分类.实验结果表明该方法的有效性和可行性.     

基于BP神经网络的船舱温度预警系统

针对现有的船舶机舱的环境监测报警系统无法对船舱火灾进行预警的缺点,设计一种基于BP神经网络的船舱温度预警系统。对船舱某一固定点的温度进行模拟仿真得到预测结果,并通过与实际测得的温度数据比较验证系统仿真得到结果的正确性。实验证明,该船舱温度预测模型预测的结果与真实测得的温度数据比较具有相对较高的准确性,可以达到温度预测的效果,对船舶机舱对火灾进行预警具有一定意义。     

基于BP神经网络的接触电阻测量与分等定级

提出了接触电阻的软测量方法,使用红外热像仪测量表面温升,采用有限元方法计算准备训练样本,使用BP神经网络建立起接触电阻与表面温升之间的非线性映射关系,以汇流条接触电阻测量为实例,其他电气设备接触电阻的测量也可类似进行,为提高工程应用的可操作性,将接触电阻分为表征接触程度好坏的I-V级,用模式分类方法对测得的接触电阻进行分类,实现了接触电阻的定量评价和分等定级。