基于径向基神经网络的舰艇磁场推算模型

针对目前数值建模解决舰艇内外磁场推算问题时存在的困难,从智能优化的角度出发,建立了内外磁场之间的径向基神经网络预报模型.该方法避免了利用数值建模存在的诸多困难,即可实现舰艇内外磁场有效推算,并利用船模实验验证了网络预测的准确性,其换算精度相较于数值建模有所提高,满足工程实际需求.     

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.     

径向基神经网络的构造理论

通过对径向基神经网络的研究,提出了径向基经网络的构造性理论及其构造算法,在给定函数及其允许误差的条件下,运用本算法能够构造几乎最少隐节点数的径向基神经网络。     

用于低磁钢舰艇闭环消磁的船外磁场推算研究

利用实时测量的舰艇内部磁场值推算出外部目标磁场值,然后用外部目标磁场值来决策消磁绕组电流就是所谓的闭环消磁。本文推导了用于低磁钢舰艇闭环消磁的船外磁场推算的表达式,利用具有解析解的均匀磁化实心铁质球体的感应磁场进行了仿真实验。实验结果表明推算数据与理论值几乎完全吻合。在仿真数据中加入高斯白噪声后,推算数据与理论值依然吻...     

滑坡预测径向基神经网络法

在边坡稳定分析的基础之上,引入径向基网络的理论,提出了边坡滑动的径向基网络预测方法.以边坡高度、边坡角度等作为输入模式变量,建立径向基神经网络训练样本,用于滑坡稳定性评价.通过样本的学习训练,用训练后的径向基神经网络来预测滑坡,通过工程实例与评价结果比较,证明了该评价方法具有较高的精度,也表明该模型能较好的用于滑动预测.     

径向基神经网络在软基沉降预测中的应用

软土地基沉降是土力学中的重要课题之一,通过沉降预测可以为软土地基的工程设计以及下一步施工提供指导性意见.以自组织神经网络为基础,利用其具有的自组织、自适应、容错性和较强的学习、联想能力,结合连徐高速公路软基沉降工程实例进行预测.说明该方法能够简便、精确的预测软土地基的沉降量.     

基于互双谱与径向基函数神经网络的舰船目标分类

提出了声矢量信号互双谱估计算法.利用该算法和其它的二阶、高阶谱估计算法,提取了实测数据的声压和声矢量信号组合特征,并用不同组合特征构造了径向基函数神经网络的输入向量集,对矢量水听器实测的舰船目标进行了分类识别.结果表明,声矢量信号组合特征比声压信号组合特征具有更强的类别可分性,提高了水声目标的识别率.     

一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。     

基于神经网络的态势预测方法研究

为提高安全态势感知精确度和降低其复杂度,加强网络系统的安全防护能力,提出了基于神经网络的态势预测方法,并研究了基于径向基函数和遗传神经网络的态势动态预测方法。神经网络可通过自学习和非线性映射以任意精度逼近函数关系,具有高度灵活可变的拓扑结构及很强的适应能力,对于中、短期预测具有较高的精度。     

径向基函数神经网络在水动力参数智能模型中的应用

船舶在海上航行时受到外界环境的干扰会产生横摇的运动,影响船舶的航行安全。本文利用径向基函数神经网络建立船舶水动力参数智能模型,并利用此模型进行船舶横向运动仿真。仿真结果说明,本文所建立的模型收敛速度快、稳定性好、可行性强。     

基于免疫径向基网络的舰载无人机维修性预计模型

介绍了舰载无人机维修性预计的主要影响因素和维修性参数,将免疫算法与径向基函数相结合,建立了舰载无人机维修性预计的免疫径向基神经网络模型,并与BP网络和常规径向基函数网络进行了对比模拟实验.实验表明,免疫径向基神经网络具有更高的预测性、准确性和更短的训练时间.     

基于边界等效源的舰艇磁异常推算技术研究

用等效源法实现舰艇磁异常推算通常将等效源置于舰艇所占空间内,其位置分布参数常依赖人为经验确定,从而直接影响了等效源法在舰艇磁异常推算中的通用性。针对该问题,从边界积分理论及等效原理出发,分别建立了以边界单层源、双层源和混合源为未知量的边界等效源舰艇磁异常推算模型。与应用于舰艇磁场建模中传统等效源法相比,其等效源只需分布于边界面上,从而大大降低了人为因素的影响。基于磁场测量值来求解边界等效源磁性参数属磁场逆问题,磁场测量数据中信息量的不足通常使其表现出一定的病态性。为减小测量误差等因素对计算结果的影响,应用截断奇异值分解方法对模型进行了求解,并分析了所用磁场数据类型对建模的影响;采用数值算例和船模实验对边界等效源舰艇磁异常模型进行了分析比较。结果表明,基于截断奇异值分解方法求解的边界等效源舰艇磁异常模型,可有效克服传统等效源法在舰艇磁异常建模中的不足,推算结果令人满意。     

基于径向基函数网络的水声信号预测模型研究

随着舰船隐身降噪技术的不断发展,舰船辐射噪声信号检测变得愈加困难.针对这种情况,将RBF神经网络引入到水声信号的预测中,建立水声信号的全局预测模型.通过对Henon和Lorenz映射仿真,验证了RBF预测模型的有效性.运用全局预测模型对两种实际水声信号进行预测.实验证明,该预测模型学习速度快,所需样本点少,效果较准确,在水声信号检测中具有良好的发展前景.     

基于神经网络的舰艇指控系统故障诊断专家系统

针对舰艇指控系统设备故障的复杂性、多样性,采用神经网络和专家系统相结合的方法,构建了舰艇指控系统故障诊断系统,阐述了该系统的基本结构,以及知识库、推理机和解释机的实现方法。较好地解决了舰艇指控系统故障诊断问题。为舰艇指控系统故障诊断提出了一种新的途径。     

径向磁场永磁电机的曲率效应

本文用两个数学分析模型预测了表面磁体径向磁场永磁电机磁体／气隙中磁密的分布特性，这两个模型的差别在于，第一个模型忽略了极间漏磁，而第二个模型对极间漏磁则作了考虑，然而，还由于磁力线的聚集效应，这两个模型都可以用来确定磁体工作点的范围，此外，这两个模型还表明，对于磁体安装在转子上的表面磁体永磁电机，在气隙磁密为最大值时存在着一个最佳的磁体厚度。     

基于RBF神经网络的电池电解液密度预测

为了对电池电解液密度进行预测,建立了RBF神经网络模型,用电池放电试验数据对其进行了训练和检验。利用训练后的神经网络模型进行了电池电解液密度的预测,预测值与实测值的最大误差值为0.022g/cm~3,均方根误差值为0.004 g/cm~3左右。结果表明,RBF神经网络方法可以满足预测精度要求,从而可用于建立电池剩余电量实时监测系统,降低电池维护工作量并延长电池的使用寿命。     

基于PSO算法的磁偶极子阵列舰艇磁场模拟研究

舰艇磁场作为舰艇重要暴露源,是舰艇非声隐身性能的一大研究重点。在舰艇磁防护工作中,为应对舰艇上方的航空磁探测等新型磁威胁,需要对舰艇磁场全方位的空间分布特征进行数学建模。本文针对舰艇垂向非对称结构在舰艇上、下方感应磁场的分布差异,通过数值仿真实验对某潜艇简易模型进行定量分析,并基于舰艇上、下方2个近场平面的磁场数据,以拟合结果均方根误差为目标函数,采用粒子群优化算法（particle swarm optimization, PSO）对系数矩阵进行优化,建立了潜艇的三维磁偶极子阵列模型。定量分析模拟结果表明,在艇模上、下方单倍船长范围内,感应磁场最大相对误差超过5%,采用单个近场平面的测量数据建模将对磁模型换算精度带来显著影响。采用双平面模拟后,将磁偶极子阵列模型深度换算结果与艇模仿真数据进行比较,龙骨上、下方最大相对拟合误差仅为1.14%与2.82%,拟合精度高且可换算深度范围广。本文研究成果可应用于舰艇磁场的高精度建模,并为舰艇磁防护中磁场测量、磁性目标探测与定位等工作提供参考。     

基于BP神经网络的舰艇战损装备抢修排序

针对现代海战中影响舰艇战损装备抢修排序的因素不断增多,作战环境更加复杂,单一指标已不能满足抢修决策的需求,为了提高舰艇指挥员战时抢修决策的准确性和合理性,本文采用BP神经网络对舰艇战损装备抢修排序进行决策,建立了BP神经网络模型,最后通过实例进行网络训练,结果表明该方法具有较高的准确性和可行性。     

散乱数据拟合的径向基函数法

介绍了有关散乱数据拟合研究中的径向基函数方法,我们把区域分解法与径向基函数法结合给出了散乱数据拟合的异步并行算法.进而证明了此算法的收敛性。