基于LS-SVM的世界海运需求量预测

针对世界海运需求量预测中存在的非线性、复杂性和不确定性,提出基于LS-SVM(最小二乘支持向量机)世界海运需求量预测模型,通过预测实验,并与其他几种常见模型预测结果比较,表明该模型具有预测精度高、速度快、容易实现等优点.     

基于LS-SVM的船舶操纵性黑箱建模与预报研究

文章提出了基于LS-SVM的船舶操纵性黑箱建模方法,通过选取影响操纵性能的主要因素,利用LS-SVM建立了操纵性能的非线性回归模型,并利用回归模型对自航模回转试验进行了预报,通过试验与预报结果的对比分析表明,所建立的回归模型具有较高的预报精度,为船舶操纵性预报提供了一种新的技术手段。     

基于LS-SVM的水火弯板机械手逆运动学求解

对水火弯板机械手的运动学进行分析,实现了正逆向运动学的仿真。主要讨论应用LS-SVM方法对逆运动学进行求解,并与传统LMBP方法得到的结果进行对比。仿真结果表明,此方法能够很好实现水火弯板机械手对加热轨迹的跟踪。     

基于LS-SVM的间断性需求备件预测

我国近年引进国外装备时间不长,其备件的历史数据较少、需求具有间断性且具有大量零值,给预测工作带来了一定的困难。文章提出应用最小二乘支持向量机（Least Squares Support Vector Machines LS-SVM）这一新的机器学习方法来实现间断性需求备件的预测,建立了舰艇间断性需求备件的预测模型,并对某型舰艇备件进行预测和分析,结果表明：LS-SVM在间断性需求备件预测上表现出优秀的学习和预测能力。     

基于LS-SVM的船舶动力定位有限时间控制器设计

为解决船舶模型存在的具有任意不确定性特征的船舶动力定位控制问题,基于有限时间Lyapunov理论提出一种非奇异快速终端滑模控制策略(NFTSMC),提高系统的收敛速度和抗干扰能力。针对模型不确定性问题,利用最小二乘支持向量机(LS-SVM)的非线性函数逼近技术进行补偿控制,引入最小参数技术,将在线学习参数减少到1个,解决维数灾难问题。仿真对比结果表明,提出的控制策略具有较高的优越性。     

基于LS-SVM船舶动力定位有限时间控制器设计

为了解决船舶模型存在任意不确定性的船舶动力定位问题,基于有限时间Lyapunov理论提出了一种非奇异快速终端滑模控制策略,提高了系统收敛速度及抗干扰能力。针对模型不确定性问题,利用最小二乘支持向量机(LS-SVM)的非线性函数逼近技术进行补偿控制,引入“最小参数”技术,将在线学习参数减少到一个,解决了“维数灾难”问题。最后的仿真对比结果验证了提出的控制策略的优越性。     

基于RBF神经网络的舰船维修费预测

鉴于单个预测模型在舰船维修费预测中存在信息源不够广泛的不足,提出用组合预测法进行维修费预测。构建了基于径向基函数(RBF-Radial Basis Function)神经网络的舰船维修费组合预测模型,并用实例进行了验证。结果证明了此方法的有效性。     

舰船装备维修费用预测的PSO-LSSVM方法研究

提出了一种基于粒子群优化的最小二乘支持向量机(PSO-LSSVM)模型的舰船装备维修费用预测方法,该方法利用PSO算法的收敛速度快和全局收敛能力,优化LSSVM模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性,提高了LSSVM模型的预测精度.以某舰船装备维修费用为例进行实例验证,计算结果表明,这种方法比其他方法有更好的预测精度.     

基于支持向量机的船型主尺度要素数学建模

主尺度要素数学模型的建立是一项重要有益的工作,提出了用支持向量机对船舶主尺度要素数学建模,与传统数理统计回归分析方法和RBF神经网络模型相比,其精度比较高。实践证明,该方法在船舶设计船型主尺度要素建模等复杂系统方面是实用的和可靠的。     

基于大数据的船舶建造供应商RBF神经网络评价模型研究

本文在航运和船舶建造的大数据背景下,以对船舶建造供应商评价为研究对象,选取大数据指标,用Matlab、Excel软件进行数据分析处理,使用RBF径向基函数网络方法建立船舶建造供应商的评价模型,并以16家船舶建造供应商的实例数据对此评价模型进行分析验证,解决了大数据背景下的船舶建造供应商选择评价问题。     

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。     

基于RBF神经网络的电子海图海底DEM数据生成技术研究

本文介绍一种利用RBF神经网络进行电子海图海底规则数字高程模型(DEM)网格数据的生成技术，从而为实现电子海图海底三维可视化奠定了基础。实验和实践结果表明该方法符合应用要求。     

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.     

RBF神经网络混沌背景下微弱信号检测方法研究

船舶信号检测系统在检测水场压力值等信号时,会遇到海浪、强风等较强的噪声干扰。为了有效降低信噪比,提取微弱信号,本文提出基于RBF神经网络的混沌背景下微弱信号的检测方法。该微弱信号检测方法基于混沌动力学和静力学原理,利用RBF神经网络算法将敏感程度高的混沌振子与RBF神经网络拓扑结构相结合,构建抗干扰能力强、接收信号能力强的微弱信号检测系统。     

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。     

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...