舰船无线网络的节点参数可调控制方法

传统网络节点控制方法转发率过低使得节点参数在接收数据包时很难及时做出相应的调整,导致经常出现网络节点接收不到数据包的情况。针对上述问题,基于网络节点吞吐量,提出一种新型的舰船无线网络的节点参数可调控制方法。该调控方法通过X形无线网络局部边缘的节点对目标节点传输数据包的侦听能力来选择网络节点广播速率值大小,使之传输功率尽可能达到最大化,凭借网络节点的吞吐量及时调整自身参数,实现舰船无线网络的节点参数的快速控制。对比实验结果表明:该方法节省了网络节点的计算量,能够快速实现参数控制,速度提高了20%。     

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     

人工神经网络在故障诊断系统中的应用

人工神经网络以其独到的联想、记忆、储存和学习功能，在故障诊断领域受到了广泛关注。其中，BP网络是最成熟、应用最广泛的一种网络。但BP网络在实际应用中也存在诸多不足，如学习率的取值需要凭借经验或试算选取，网络学习收敛速度慢以及易陷入局部最小点等。针对BP网络的这些不足，采用了Rumelhan附加惯性冲量和动态调整学习率相结合的改进的BP网络方法，并尝试用该改进算法来对凝汽器进行故障诊断。事实证明，在平均情况下，本系统收敛速度远远快于基本的BP算法。     

基于动态面滑模控制的主动队列管理算法

针对TCP网络中的拥塞问题,提出了一种基于动态面滑模控制的主动队列管理算法,该算法采用动态面的控制方法,利用一阶积分滤波器来计算虚拟控制的导数,解决了反步法对虚拟控制求导过程中引起的项数膨胀问题,对于TCP/IP网络中存在的模型不确定性、网络参数时变性,该算法具有很强的鲁棒性,仿真结果表明,该算法能够克服系统的不确定性干扰,使队列长度迅速稳定在期望值附近,有效避免拥塞现象的发生。     

基于神经网络的鲁棒自适应舵减摇控制北大核心CSCD

[目的]针对存在系统未知非线性函数和外界随机扰动的欠驱动水面船舶舵减摇控制问题,提出一种基于多层循环神经网络的自适应非奇异快速终端滑模舵减摇控制器。[方法]首先,针对传统滑模控制中存在的奇异性和收敛性问题,引入非奇异快速终端滑模面,并在假设船舶模型已知的情况下设计滑模控制律;接着,对传统径向基神经网络进行改进,并利用改进后的神经网络去逼近系统未知非线性函数,以解决船舶航行时模型难以确立的问题,提高控制精度;然后,应用Lyapunov理论证明闭环系统的稳定性和有限时间收敛性,并推导出神经网络参数的自适应律;最后,对一艘多用途海军舰艇进行数值仿真分析。[结果]结果显示,当船舶处于航向保持工况时,所提出的控制器减摇率为50.41%,与非奇异快速终端滑模控制器相比提升了19.2%;当船舶处于变航向工况时,所提出的控制器减摇率为23.46%,与非奇异快速终端滑模控制器相比提升了12.59%。[结论]该方法可以为欠驱动船舶舵减摇控制设计提供参考。     

非常态条件下城市道路网络交通信号控制方法综述

城市道路网络中交通供给与需求的随机扰动是造成网络交通短时结构性不匹配,甚至导致大规模交通拥挤,形成道路网络非常态条件的主要原因之一。对策城市道路网络中的随机扰动成为网络交通信号控制研究领域亟待解决的关键问题。本文归纳总结了应用网络交通信号控制方法对策该问题的研究与应用,梳理了城市道路网络控制研究发展脉络,从应对静态扰动与动态扰动两个角度,深入讨论了非常态条件下的城市道路网络控制理论与方法的研究动向。本文为促进非常态条件下道路交通信号控制从被动适应到主动调控,从局部优化到全局调整网络控制目标,通过网络控制实现非常态条件下城市道路网络效率优化提供了总结与展望。     

基于改进的ELMAN网络的舰船航态建模与预测

讨论了具有自适应功能的基于改进Elman网络的动态系统辨识建模与预测方法，并依据特定海情下实测的舰船航态数据，利用该法训练舰船航态的预测模型。该法对具有时变特性的非线性系统的建模与预测有一定的自适应能力。仿真结果表明，按该法进行建模与预测，具有动态性好、逼近速度快，精度高等特点，并且自适应性与抗噪性有较大改善，说明改进的Elman网络是一种新颖、可靠的负荷预测方法。     

神经网络理论与模糊理论在目标威胁判断中的应用

本文应用模糊理论和神经网络理论为构造网络，根据模糊决策表选用不同的网络计算目标的威胁度并排序。选用几种典型样本的参数并集中了专家的经验，对样本进行训练，效果良好。计算机仿真结果表明，此算改进了目前常用算法中存在的不足。     

基于FPGA的网络传输信道加密系统

介绍了一种基于现场可编程门阵列(FPGA)的网络传输信道加密系统。通过对硬件加密中的序列密码加密算法的改进，不仅提高了安全性，而且提高了纠错能力。由于该系统具有硬件实现容易、处理速度快、实时性好、扩展能力强等优点，使得该系统在网络安全中具有广泛的应用前景。     

网络遥操作机器人系统神经网络预测控制仿真研究

为了改善网络随机时延影响网络遥操作机器人系统稳定运行的问题,采用RBF神经网络对网络实测时延进行预测,取得较好的预测效果。结合Smith预估控制,提出了一种基于网络实测时延的遥操作机器人系统神经网络预测控制新方法,仿真实验结果表明了该方案的有效性和鲁棒性。     

基于RBF神经网络的科研绩效评价建模研究

客观、公正、准确的科研绩效评价是调动和提高高校及科研机构科研人员工作积极性和科技创新能力的重要措施.文中提出了一种基于RBF神经网络的科研绩效精细评价模型,以归一化后的科研指标数据乘以相应权系数作为网络输入,利用优、良、中、及格和不及格5级评价作为输出,采用粒子群优化算法通过交叉验证对RBF网络结构参数进行了优化.通过RBF网络结构和输入输出特性分析发现,训练后的RBF网络权值与5级评价结果高度相关,并较5级评价结果更能精细区别科研绩效差异.该权值可直接用来进行科研绩效精细评价.文中推广了RBF网络在科研绩效评价中的应用,并为进行类似评价或评估工作提供了一种新思路.     

应用傅里叶变换的舰船动力控制平台干扰信号防御算法

一旦动力控制平台受到干扰信号的影响,其指令传输的正确性和及时性就难以得到保证,使得船舶控制过程极易出现问题。为此,应用傅里叶变换设计一种舰船动力控制平台干扰信号防御算法。该算法以传统傅里叶变换为基础,通过时间窗对其进行改进,利用改进后的傅里叶变换过程对不同信号分量进行处理。最后通过逆变换得到"干净"的信号,并绘制舰船动力控制平台信号频谱图。实验结果表明:与传统干扰信号防御算法相比,应用本算法后,舰船动力控制平台波形相似性参数更大、信噪比更高,证明该算法防御性能更好。     

网络环境下船舶动力装置PID参数模糊控制设计

随着海洋工业的不断发展,船舶安全问题越来越受到人们的关注。本文以船舶动力装置作为研究对象,对船舶动力的控制方法进行研究,给出一种基于网络的PID参数控制方法,该方法采用网络通信方式进行数据间的传输,有效提高数据传输的可靠性与有效性。     

大面积随机无线传感器网络的覆盖问题研究

为解决大面积随机无线传感器网络覆盖的测量问题，根据大面积随机布放WSNs探测系统的特点，定义区域覆盖率、节点覆盖率和通路覆盖率三种测量来描述覆盖问题。利用节点密度、探测半径和通路距离等基本网络参数，研究了随机分布的大面积WSNs覆盖属性的渐近特征。最后通过仿真实验分析网络参数对各覆盖测量的影响。     

U—D分解渐消记忆滤波神经网络控制器在船舶操纵中的应用

针对前馈网络BP算法所存在的收敛速度慢且常遇局部极小值等缺陷，提出一种基于U－D分解的渐消记忆推广Kalman滤波学习新方法。与EKF相比，该方法不仅大大加快了学习收敛速度，数值稳定性好，而且比BP算法需较少学习次数和隐节点数，学习效果也更好，将这种学习算法应用在船舶操纵的神经网络控制器中，仿真结果表明该方法是提高网络学习速度改善学习效果的一种有效方法，可有效解决非线性系统的控制问题。     

双控制河段船舶通行指挥系统设计与实现

针对双控制河段缺乏有效船舶通行指挥方法的现状,在考虑工程实际因素的基础上,应用网络、通信、计算机、人工智能等理论和技术手段,设计了一种基于智能控制算法的双控制河段船舶通行指挥系统。该系统以船载自动识别系统(automatic identification system,AIS)作为主要信息源,采用改进卡尔曼滤波方法实现对船舶位置的实时跟踪预测,以船舶到达和通过控制河段的行程时间为依据,并结合船舶操纵特性,制定了一套船舶安全通行排序规则和指挥方法。泸州永川航段双控制河段的实地应用结果表明,文章提出的双控制河段船舶通行指挥系统可行性较好,能够降低信号员工作强度,并能提高控制河段通航服务水平和通行指挥效率。     

便携式柴油机热工检测仪及其应用

介绍一种用便携式柴油机热工检测仪对船用柴油机进行负荷调整，故障诊断以及状态监测的新方法。该方法能精确测量柴油机单缸循环功，可对柴油机负荷进行精确调整以节省燃料，减少排污，同时可利用该仪器测量的其他参数对柴油机热工状态进行监测与故障诊断。     

舰艇指控系统实验室简易信息仿真简介

概要叙述了使用Client/Server(客户机／服务器）结构、计算机局域网和数据库技术构造了一个实验室简易信息仿真环境，用来对在研的舰艇指挥控制系统进行联调。并对在构造该环境时可能出现的问题提出了一种解决方法，为今后的系统调试工作做了初步的探索。     

基于改进t-SNE和RBFNN的柴油机故障诊断

针对柴油机故障诊断问题，提出一种基于改进t分布的随机邻域嵌入（t-SNE）和径向基函数神经网络（RBFNN）的柴油机故障诊断方法。针对t-SNE算法对振动信号的实际降维效果不够理想的问题，进行自适应加权优化；引入遗传算法（GA）解决果蝇优化算法（FOA）陷入局部最优的问题，将GA-FOA应用于RBFNN参数选取中；采用改进后的RBFNN模型对经自适应加权t-SNE降维的数据进行故障识别。研究结果表明，改进后的算法能明显改善聚类效果，提高故障识别的正确率，具有良好的应用前景。     

基于单参数的Lagrangian支持向量回归算法及其应用

支持向量机（Support Vector　Machines，SVM）是基于统计学习理论框架下的一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能，该方法已成为当前国际机器学习界的研究热点，能较好地对解决小样本、高维数、非线性和局部极小点等实际问题。提出了一种基于单参数的Lagrangian支持向量回归算法，并将该算法应用在外贸货物吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在吞吐量预测中的有效性和实用性。