拖曳天线用于无线电导航定位试验研究

针对拖曳天线用于水下接收无线电信号进行导航定位开展了导航定位拖曳天线技术研究,并在某海区进行了拖曳天线用于无线电导航定位的综合性试验,试验取得了成功.试验研究表明,利用拖曳天线进行水下无线电导航定位是可行的,为无线电导航定位仪实现水下定位开辟了一条新的道路.本项试验的成功具有非常重要的意义.     

基于GDOP的导航定位误差和最优岸台设计算法的研究

本文利用矩阵为工具，采用最佳估计原理，从理论上证明了几何精度因子随岸台数目的增加而减小，从一种导航定位误差的数学分析方法中引进一个普遍适用的几何精度系数的概念和新的最优岸台选址设计算法，并利用GDOP（Geometrical Dilution of Precision）得出了导航定位误差的简单估计和分析所选岸台的最佳配置，此算法使得导航定位误差的分析既统一又简单，无疑在导航定位研究领域具有理论价值和实用价值。     

RBF神经网络的舰船图像滤波融合

普通舰船图像滤波融合模型,不能兼顾滤波精度计算性与滤波容错性。为解决此问题,设计基于RBF神经网络的舰船图像滤波融合仿真模型。通过网络结构设计与网络学习方法设计,完成RBF神经网络的搭建;改进原有仿真模型算法、舰船图像多滤波融合形式,完成仿真模型的搭建。模拟应用环境设计对比实验结果表明,基于RBF神经网络的舰船图像滤波融合仿真模型,既提升滤波精度计算性与滤波容错性,也做到2种性能的兼顾。     

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。     

RBF神经网络模型在边坡监测中的应用

在matlab环境下建立了边坡位移预测的RBF神经网络模型.利用已有的监测数据训练神经网络并进行测试,将训练好的网络模型用于预测边坡位移的变化值.最后将该预测方法用于斯里兰卡某边坡监测工程,预测结果与实测的监测数据相比误差较小,从而合理安排监测频次,提高了监测效率.     

基于RBF网络的舰船混沌保密通信系统研究

介绍了利用RBF网络产生混沌序列的方法,无需针对每一种混沌映射设计单一的系统结构,增加了混沌序列的复杂度和抗噪声能力.同时还分析了RBF神经网络跟踪混沌序列的学习能力.仿真结果表明,利用 RBF网络输出混沌序列,不仅跟踪速度快而且精度高.对输出的混沌序列的统计特性进行检验,表明RBF网络产生的序列有良好的伪随机特性.     

基于PCA和RBF神经网络的绞吸挖泥船实时产量预测

绞吸挖泥船在实际作业过程中的动态特性非常复杂,影响产量的控制因素众多.若这些控制因素全部参与产量预测比较耗时.为了实时训练网络及预测产量,先对影响绞吸挖泥船产量的控制因素进行主成分分析(PCA),再根据分析结果约减控制因素;在系统仿真建模中,分别以全部因素和约减后因素作为径向基(RBF)神经网络的输入变量,以产量作为输...     

基于高维优化的RBF神经网络螺旋桨性能预测

螺旋桨式水下推进器推力的大小决定着水下机器人的水动性能.为快速准确预测螺旋桨的敞水性能,建立一种RBF神经网络螺旋桨敞水性能估计器模型.利用几种型号螺旋桨敞水仿真值作为训练样本,对网络规模进行调整.在此基础上,广义逆动态地调整各网络间的连接权重,进行网络参数的优化.通过不断地迭代优化达到学习精度要求,最终得到一种高维优...     

RBF模糊神经网络航向模糊控制器的遗传优化方法

精准的控制船舶航向可以有效的保证船舶航行安全,本文利用遗传算法对RBF模糊神经网络航向模糊控制器进行了优化,在优化的过程中进行了模糊编码、优良模式自学习算子、最优串重组,最后通过仿真实验来说明,通过遗传算法优化后能够在改变参数的情况下使得船舶可以在预定的范围内可控的、稳定地行驶。     

基于RBF神经网络的舰船监控通信软件设计研究

构建舰船的综合性网络系统是现代舰船的发展方向。为了能够将舰船上的各种信息进行共享,提高舰船的智能自动化程度,增强舰船的安全性,舰船上的所有子系统都必须整合到一个统一的信息共享平台。舰船上的部分电子设备实现了网络化,但是不同的电子系统之间的数据传输协议及其传输方式有着很大的区别,因此系统与系统之间的信息无法共享。本文设计了一种监控通信系统,可以在舰船上不同电子设备之间进行数据的交换以及监控。本课题的研究对我国舰船上监控通信网络的发展有着重要的指导作用。     

RBF神经网络的舰船电力系统故障诊断模型

舰船电力系统故障诊断是当前的热点问题,经典舰船电力系统故障诊断模型存在各自的缺陷,影响舰船电力系统故障诊断结果,为了改善舰船电力系统故障诊断结果,提出了RBF神经网络的舰船电力系统故障诊断模型。首先分析当前舰船电力系统故障诊断研究进展,阐述了RBF神经网络的舰船电力系统故障诊断原理,然后从舰船电力系统工作状态中提取特征向量,引入RBF神经网络进行学习,产生舰船电力系统故障诊断模型,并对RBF神经网络参数优化问题进行改进,最后与当前几种经典模型进行了故障诊断对比测试,RBF神经网络的舰船电力系统故障诊断正确率超过92%,而经典模型的舰船电力系统故障诊断正确率低于90%,误诊现象出现的概率很高,验证了RBF神经网络用于舰船电力系统故障诊断的优越性。     

基于混沌理论与RBF神经网络的船舶运动极短期预报研究

文章基于混沌动力系统相空间重构理论,利用关联维数法和最大Lyapunov指数法,对船舶运动时间序列的混沌特性进行了判定。并利用RBF神经网络较强的非线性映射功能,结合相空间重构理论建立了船舶运动极短期直接多步预报模型。实例预报结果表明,所建立的预报模型应用于船舶运动极短期预报取得了令人满意的预报精度,预报时间可达10 s。