神经网络在薄膜厚度控制系统中的应用

讨论了薄膜厚度控制的非线性和耦合性,应用神经网络串行解耦算法,解决多变量非线性耦合问题,同时还采用了改进的学习算法--动量法,并与传统算法做了仿真比较.仿真结果表明该算法能较好地解决上述难点,从而更好的控制薄膜厚度的均匀性.     

RBF神经网络在船舶航向保持非线性控制中的应用

船舶航向保持在可控范围内,使得船舶航迹能够在规定精度的阀值内。随着航运业的发展,船舶的动力及体积越来越大,操纵控制系统复杂度也越来越高,在船舶航向控制中的非线性因素越来越多,传统的线性模型已经不能适应船舶控制系统性能要求。RBF神经网络与自适应控制相结合,能够很好匹配非线性系统的求解。本文研究船舶航迹控制模型,给出基于RBF神经网络船舶航向非线性控制系统解决方法,最后进行仿真实验。     

神经网络在信号非线性变换中的应用

在温度测量中，热敏电阻或热电偶与温度的关系是非线性的。在微机化智能仪器中，常用软件来代替硬件进行线性校正，本文给出一种基于神经网络的信号非线性变换的方法，以实现线性校正，这种方法具有通用性，在介绍神经网络算法的基础上，给出了两个实例，其计算机模拟的结果是令人满意的。     

神经网络专家系统在船舶控制系统故障诊断的应用

首先阐述神经网络技术和专家系统2种算法优劣之处,然后将2种算法相结合应用到船舶控制系统故障诊断中,结合后的算法具有较好的自学习和并行计算能力。在进行算法的详细描述中,介绍神经网络专家系统的基本结构,并对其在船舶控制故障诊断中的框架进行设计,针对具体的实际应用建立知识库。最后利用训练数据进行仿真实验,实验结果表明本文采用的神经网络专家系统在故障诊断方面具有可行性。     

神经网络在船舶操纵中的应用研究

该文对人工神经网络用于船舶操纵动态特性的在线学习进行了研究,并提出了基于神经网络预报的操舵控制算法。仿真试验的结果表明了该控制算法的有效性。     

神经网络在船舶动力定位模拟器控制系统中的应用

随着近海资源日渐枯竭,远洋自然资源的开发和利用技术成为了研究热点。远洋水域深度较大,船舶在采用传统的锚泊式定位时会发生走锚等问题,因此,必须采用动力定位技术。船舶动力定位系统由位置测量、控制器和推进器3部分组成,可以实现精准可靠的海上定位,对船舶和海上作业平台有重要意义。动力定位模拟器是船员进行动力系统操作培训的重要设备,本文结合神经网络算法和相应的数学模型,设计和开发了船舶动力定位模拟器的控制系统。     

神经网络预测控制在HVAC系统中的应用

从神经网络的结构及特点出发,说明了神经网络预测控制系统的构造及工作原理,并着重通过介绍神经网络预测控制在HVAC系统末端控制、中央制冷站能源管理系统、冰蓄冷空调系统中的应用,展观了它在HVAC系统中广泛的应用前景.     

基于神经网络控制稳压系统在ICPT中的应用

在深海环境下,感应耦合电能传输(Inductive Coupled Power Transfer,ICPT)系统初级、次级磁芯在受到水流冲击后会产生偏心和间隙,引起耦合系数的变化。由于系统的非线性、不确定性等因素,PID控制器使系统达到稳压状态的反应时间较长,电流超调量大,稳压效果较差,导致负载两端电压值发生波动。本文提出基于神经网络的控制算法动态调节升压电路的占空比,最终保证系统输出电压恒定,克服了PID控制器不能满足水下系统控制需要的缺点。Matlab仿真表明与PID控制器相比,神经网络控制器反应时间缩短了25 ms,电流超调量减少了3.5 A,更适合在水下应用。     

小波神经网络算法在船舶动力控制系统中的应用研究

随着航海技术的发展,人类对海洋的探索也越来越频繁,在不断研究的过程中,人们不仅对船舶的位置有升级的要求,对于其内部动力控制系统的研究范围也在不断的拓宽。本文主要研究船舶动力定位系统的构成原理,并结合神经网络算法对船舶动力定位关键技术进行数学建模。最后在Matlab仿真系统中建立船舶动力控制系统在海洋环境中的实际干扰模型,并从静态角度对小波神经算法的性能进行分析与仿真,仿真结果表明此算法的控制效果良好。     

柔性结构神经网络分布式振动控制

提出采用分布式控制解决柔性结构振动问题,并且控制形式简单,便于控制力的实施。结合神经网络可以解决常规分布式控制难于解决的非线型耦合问题。神经网络采用非线性自回归移动平均移动方法,提高了神经网络的运算速度快。最后,在不同作动力情况下,将集中式神经网络控制和分布式神经网络分别采用相同的最大作动力对作动器/结构耦合系统进行控制。结果表明,分布式神经网络控制在采用较小的控制力情况下,取得了更好的控制效果。     

神经网络算法在船舶动力定位系统中的应用

随着计算机技术在各个领域的不断应用,传统的优化算法得到了极大的提高。目前,以神经网络算法、人工智能等为代表的计算机辅助优化已经成为了业内人士的研究重点。船舶的动力定位是指船舶不再依靠传统的锚泊式海上定位,而是利用自身的推动力使船舶抵消来自海浪、海风等的干扰作用力,使船舶在海面上保持相对的平衡。为了提高船舶动力定位的精度与稳定性,本文结合神经网络算法,在船舶动力定位函数模型的基础上开发了新型的动力定位控制系统,并详细介绍了该系统。     

神经网络方法在舰船姿态运动预报中的应用研究

将神经网络应用于舰船姿态运动预报中,利用带有延迟反馈的回归神经网络的暂态、学习效率高、动态映射等优点,提出多输入单输出简化的对角回归神经网络,并给出舰船姿态运动预报模型。在此基础上进行算法收敛性的说明。最后采集15个样本,通过分析样本的平均误差、均方误差和相对误差来说明本文所此采用的算法对舰船纵摇姿态的预报结果有效。为提高预报精度需要将船舶受到的外界干扰融合到模型中,从而可得到理想的预报效果。     

神经网络理论在独立电力系统励磁控制中的应用

根据发电机励磁控制的任务,本文基于神经网络理论提出了一种新的励磁控制器的设计方法,针对单机一静态负荷载模型进行了数字仿真研究结果证明了所提方法的正确性。     

神经网络理论在独立电力系统励磁控制中的应用

根据发电机励磁控制的任务,本文基于神经网访理论提出了一种新的励磁控制器的设计方法。针对单机一静态负载模型进行的数字仿真研究结呆,证明了所提方法的正确性。     

水下机器人自适应神经网络控制系统

提出一种水下机器人自适应神经网络控制系统的概念和例子，此系统有两个独立的部分，可在彼此的进程中并行计算处理，如数据采样、机器人控制、动力学鉴定和控制器适应等。每个进程的数据，如控制器联合负担在两个相关联的进程间同步通信。在机器人计算机系统中，这套系统利用并行处理能力和在油罐检查中研究出的控制器系统自适应能力来实现。     

小波神经网络在高维非线性系统辨识中的应用

在对高维系统的非线性辨识中，容易诱发维数灾难，而且由于数据分布的不均匀性和稀疏性，使得通常正交小波网络在应用时丰在许多困难，本文利用非正交小波网络，按照文[6]的方法训练和构造小波网络，针对其泛化能力不好的缺点，结合最小二乘算法提出了一种在线自适应调整网络权值的方法，获得了一类具有良好自适应能力的小波网络。     

PID神经网络自适应控制在恒流系统中的应用

本文在总结国内外相关文献的基础上,对目前神经网络自适应PID控制进行了理论研究,以目前运用较广泛的恒流系统为对象,对之进行仿真,通过将其仿真结果与传统PI控制进行比较,证明PID神经网络自适应控制的优越性.     

神经网络在目标识别中的应用

神经网络技术作为现代智能信息处理技术的主要方法之一,模拟人的神经元的生理结构模型,可自身完善和发展,在各领域都有其广泛的用途。本文对神经网络在目标识别中的应用进行了介绍。并指出目标识别在某种程度上也是一种函数逼近,并用matlab实现了BP网络的函数逼近。     

变厚度薄膜型声学超材料单胞的隔声性能数值研究

在船舶舱室中,结构振动引起的噪声有着低频、宽带的特点。常规的低频噪声,其隔声控制受到质量定律的约束,需要更为质密宽厚的材料。而基于一定设计的薄膜型声学超材料是一种单胞在几何尺寸上远小于声波波长的周期性材料,可以在某些低频频段下实现完全隔声。以往研究多讨论了等厚度的薄膜,对表面形状也呈周期性变化的变厚度薄膜研究甚少。本文利用商用有限元软件Ansys和Virtual. Lab Acoustic数值计算变厚度薄膜型声学超材料单胞的工作频率,并模拟单胞的驻波管实验。研究了变厚度薄膜型声学超材料单胞隔声性能随结构参数(包括质量块质量、薄膜厚度以及薄膜张力)的变化规律,为薄膜型声学超材料在船舶降噪方面的设计与应用提供参考依据。