基于灰色小波神经网络的船舶交通流预测研究

船舶交通流预测的准确性和可靠性已成为制约港口经济科学发展的瓶颈因素。文章综合利用小波变换的局部化性质与神经网络的自学习能力,并引入灰色模型以反映船舶交通流的发展趋势,使得小波神经网络在灰色模型预测结果的基础上结合船舶交通流的影响因素再预测,构成基于灰色小波神经网络的船舶交通流组合预测模型。实验结果表明,灰色小波神经网络的预测精度高于BP神经网络与小波神经网络,提高了整个预测系统的精度及其鲁棒性。     

基于小波变换和分形理论的舰船损伤识别

研究舰船的损伤识别对于保障船舶在海面上安全航行具有重要意义。本文提出基于小波变换和分形理论的舰船损伤识别算法,充分考虑小波变换的多尺度细化特性,对获取到的舰船图像进行小波变换和分形计算。通过实验验证了该算法的区分度好,差异性大,可靠性强,有利于利用神经网络进行损失识别。     

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.     

齿轮传动故障诊断方法综述及应用研究

介绍了基于粒子群优化的小波神经网络,基于相关分析与小波变换,基于小波包和BP神经网络和基于小波分析等故障诊断方法,分析比较了各种方法的优缺点,并对提出了基于多数据融合的故障诊断方法将成为今后齿轮传动故障诊断的主要发展方向。     

基于双树复小波包和PNN的柴油机故障诊断研究

针对传统小波变换在故障特征提取中的不足,提出一种基于双树复小波包和概率神经网络(PNN)的故障诊断方法。首先通过双树复小波包变换将各个工况的柴油机声信号分解得到不同频带的分量,选取各频带分量的能量作为特征向量,再利用PNN对特征向量进行训练,最后通过测试样本得到柴油机典型故障诊断结果。实验表明,该方法可以对柴油机典型故障进行较为准确的诊断,相比传统小波包有着更高的故障诊断率。     

基于数据驱动和神经网络的船舶机械轴承故障预测

本文针对船舶机械轴承故障预测问题,首先进行轴承典型故障的数学模型转化,然后提出一种基于模态分解算法和小波神经网络算法的故障预测方法,利用小波变换对轴承振动信号进行特征提取,构建一个多层感知的神经网络模型和较准确的轴承故障预测模型。最后,通过实验验证了该方法的有效性和准确性,具有一定的实用价值。     

小波神经网络在电路故障诊断中的应用研究

从连续小波变化求信号极值点和离散小波变换检测随机信号频率结构的突变两个方面分别进行了描述.指出小波神经网络在电路故障诊断中的优势与发展前景以及小波分析方案的软件实现.最后指出了小波分析理论在电路系统故障诊断中的不足之处和发展方向.     

小波分析在故障诊断中的应用

在分析小波变换原理的基础上,根据设备出现故障时的信号特征,介绍了小波分析在降噪及故障诊断中的应用。重点分析了小波变换应用于设备故障诊断的优点及其优于傅里叶变换等其他方法的数学机理。最后通过实例验证小波分析在故障诊断中的应用,并通过与傅里叶变换对比,表明小波变换能克服傅里叶变换的固有缺陷,准确提取故障特征。     

船舶动力精确控制中的小波神经网络控制

小波神经网络具有全局最优逼近等非常优秀的性能,其已被广泛应用于控制和系统辨识等领域。这是由于其结合了神经网络的自学习特性。但小波神经网络对动态反映不及时和泛化能力不足等缺点已经阻碍其应用于实际工程当中。本文提出一种基于Akaike信息准则改进的余值选择算法,其可以通过避免过拟和欠拟合现象来提高神经网络的泛化能力。     

数字通信信号调制识别的Gabor变换方法

Gabor变换是线性时频变换中的一种，它通过加窗函数的办法对Fourler变换加以改进。把Gabor变换引入到了数字通信信号调制识别领域，对ASK、FSK和PsK信号的Gabor变换域特征进行了理论分析和软件仿真，最后给出了识别算法和仿真结果。