BP神经网络对船舶远程监控系统的改进分析

为了满足公司对于远洋船舶更加有效监控的要求,应用BP神经网络对监控系统加以改进,使船舶远程监控系统发出预警信号,并能在船舶上报警.此时,相应参数识别码也能够第一时间到达岸上公司,岸上公司即能在最佳时间协助船舶对设备进行维修.BP神经网络在远程监控系统的应用分析过程中,以6缸柴油主机排气温度变化趋势为模型,利用BP神经网络良好的学习特性,建立了排气温度变化的持续升高预警模型及其他非预警模型.分析表明,此种方法适用于远洋船舶的远程故障监测及船舶系统故障预测.     

船舶物联网远程监控数据分类处理

传统方法在处理船舶远程监控数据分类问题时会倾向于单一处理,导致分类结果过于分散,且处理速度过慢,不利于对船舶远程监控数据的整体分析,为此提出并设计了船舶物联网远程监控数据分类处理方法。利用动态数据的映射反应对多维空间内的远程监控数据进行标记,并确定分类处理的数据范围,引用BP神经网络算法,对远程监控数据进行分类计算,将监控数据执行分类处理逻辑,实现远程监控数据的分类过程。仿真实验结果表明,设计的数据分类方法能够实现远程监控数据的有序、紧密分类,且数据处理速度比传统方法的处理速度高出23.1%,具备极高的有效性。     

BP神经网络在船舶运动估计中的应用

船舶运动估计在船舶安全、船舶节能等方面有着重要作用。本文给出一种基于BP神经网络的船舶运动估计方法。BP神经网络具有较强的自学习与自适应能力,通过把改进的BP神经网络模型应用到船舶运动估计中,实现了对船舶动态信息的准确预测。     

基于BP神经网络的故障诊断技术在装备维修中的应用

传统故障诊断方法在装备保障中的诸多局限性。文章介绍了基于BP模型的神经网络,研究了基于BP模型神经网络的故障诊断推理方法,并利用Matlab仿真软件对结果进行了运行和计算。结果证明,基于BP神经网络的故障诊断技术对装备故障诊断是行之有效的。     

BP神经网络技术在船舶起锚机离合器故障检测中的应用

当船舶起锚机离合器出现故障时,需要采用有效的故障诊断技术判断其故障类型以及故障元器件。BP神经网络是一种具有自主学习能力的记忆网络,可以实现线性和非线性函数之间的映射,并以此为基础对网络中存储的记忆进行训练,从而提高起锚机离合器的精检测。本文从BP神经网络技术入手,论述其在船舶起锚机离合器故障信号检测的应用,为故障检测提供实用操作价值。     

模板匹配和BP神经网络在船舶识别中的应用

首先分析模板匹配技术,指出本文采用了序贯相似性检测法进行特征提取;然后设计BP神经网络3层结构,将模板匹配的特征作为输入层的输入向量,经过多次训练学习,得到船舶识别结果;最后利用Matlab和Opencv进行实验仿真,实验结果说明采用模板匹配和BP神经网络相结合的方法比仅用模板匹配的算法能提高识别率。     

BP神经网络在船舶油污事故损害赔偿评估中的应用

此文针对船舶油污事故损害赔偿评估非线性系统的复杂性,分析了人工神经网络技术在该领域应用的可能性,建立了船舶油污事故损害赔偿的神经网络评估模型,并以具体案例来验证该模型的可靠性,结果比较满意。该模型对船舶油污事故损害赔偿评估具有一定的参考实用价值。     

基于优化BP神经网络的船舶动力系统故障诊断

[目的]为实现船舶动力系统的故障诊断,基于优化的BP神经网络提出一种故障诊断方法.[方法]首先,采用附加动量?自适应学习速率调整算法来克服BP神经网络的缺陷;然后,运用"小网络集群"的思路分别构建网络以进行故障识别和故障溯源;接着,采用动力系统仿真平台生成的450组故障数据进行神经网络训练;最后,通过给水泵转速异常高这...     

BP神经网络及其在图像压缩中的应用

BP神经网络是一种采用反向传播算法的多层前馈网络,它具有结构简单、可操作性强、能够逼近任意的非线性映射关系等优点,而且具有很好的泛化能力,在图像处理领域中应用非常广泛.本文简介了BP神经网络的理论、模型及其学习过程,探讨了其在图像压缩中的应用,分析了BP神经网络应用于图像压缩的可行性及其优点.     

基于LabVIEW的船舶机舱设备远程监控与故障诊断系统设计

以船舶机舱设备监控为背景,将基于Internet/Ethernet的网络技术应用到船舶机舱设备远程监控和故障诊断领域,提出基于LabVIEW实现远程监控和远程故障诊断的系统方案,给出系统的基本结构、功能、界面优化设计.该系统以不同的功能模块组成的数据库为中心,实现远程监控、远程故障诊断和故障报警等多项功能.     

基于BP网络的船舶磁性目标定位方法研究

船舶磁性目标定位是海上目标定位系统中重要的方法之一,优点是部署简单、定位精度较高;缺点是定位算法复杂度较高、计算量大,算法较易陷入局部最优解,需要进行改进。神经网络是解决目标最优问题的有效求解手段,利用各神经元权值系数调整能够计算出磁性目标定位的全局最优解。本文研究船舶磁性目标定位的算法结构,针对目标函数,设计基于BP神经网络的定位算法,最后给出基于神经网络算法仿真结果,并与传统算法进行对比。     

BP神经网络在舰船电网谐波预测中的应用

为预测电网谐波,改进供电品质,本文根据电网谐波特性,建立了BP神经网络算法,对电网谐波样本点进行了误差训练,得到了谐波幅值变化特性。通过与标准值比较,表明:采用BP神经网络算法对谐波进行拟合能够达到较高的准确度。     

基于BP神经网络的船舶航迹控制技术

航海战舰规模的扩大使船舶航迹的控制变得越来越困难、复杂。为了实现船舶航迹控制,采用新的控制技术,根据神经网络及船舶航迹的相关理论和BP神经网络的船舶航迹控原理,对BP神经网络的船舶航迹控制进行计算和航迹设计实现,通过模拟仿真得出各种海情条件下的船舶航迹控制比较图,对我国航海战舰控制航迹有一定的指导意义。     

基于BP神经网络的舰船维修成本估计

舰船维修成本估计直接影响舰船企业的运营效益,针对当前舰船维修成本估计方法存在的一些局限性,以延长舰船寿命,提出基于BP神经网络的舰船维修成本估计方法。首先介绍当前舰船维修成本估计研究现状,找到当前各种舰船维修成本估计方法的不足,然后在此基础上依据舰船维修成本变化特点,引入BP神经网络建立舰船维修成本估计模型,最后通过Matalab2017平台实现了舰船维修成本估计仿真实验。相对当前其他的舰船维修成本估计方法,BP神经网络可以更好地跟踪舰船维修成本变化特点,不仅舰船维修成本估计精度高,而且舰船维修成本估计建模时间短,为解决复杂多变的舰船维修成本估计问题提供了一种新的方法。     

BP神经网络的舰船辐射噪声识别

当前舰船辐射噪声识别方法存在识别率低,对环境鲁棒性差等缺陷,为了对复杂环境下的舰船辐射噪声识别进行准确识别,提出了BP神经网络的舰船辐射噪声识别方法。首先采集舰船辐射噪声,并提取舰船辐射噪声识别有效特征参数,然后采用BP神经网络建立舰船辐射噪声识别模型,从而实现对舰船辐射噪声信号的分类和识别,最后进行舰船辐射噪声识别的仿真测试。结果表明,相对于已有的舰船辐射噪声识别方法,BP神经网络提高了舰船辐射噪声识别率,可以对各种舰船辐射噪声信号进行准确分类。     

BP神经网络在船舶与海洋工程中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型.仅通过学习样本数据即可以进行预测.介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了优化,给出了改进的三层BP神经网络算法.最后结合船舶与海洋工程的一些实际问题.探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实验表明,神经网络的预测精度在船舶与海洋工程是可以接受的.     

BP神经网络和PID船舶自动舵控制方法

船舶自动舵控制十分复杂,再加其它因素的干扰,使得单一神经网络或者PID控制无法对船舶自动舵进行高精度控制,而且船舶自动舵控制速度慢,为了改善船舶自动舵控制效果,利用BP神经网络和PID控制的优点,设计了BP神经网络和PID相融合的船舶自动舵控制方法。首先分析船舶自动舵控制原理,然后初始化PID参数的范围,并采用BP神经网络获取PID控制器的3个参数最优值,从而实现船舶自动舵控制,最后在Matlab平台实现了的船舶自动舵控制仿真模拟实验。结果表明,本文方法可以对船舶自动舵变化趋势进行很好的跟踪和控制,获得了高精度的船舶自动舵控制结果,而且船舶自动舵控制速度快,能够适合船舶自动舵的实时性变化特性,具有较强的抗干扰能力,具有一定的推广价值。     

基于PCA与BP神经网络的危险化学品船舶识别

对危险化学品船舶进行识别有利于保障海上航道安全和维护海洋生态环境。本文通过PCA算法进行危险化学品船舶的特征提取,并且测试集和训练集样本都投影到特征空间中,利用BP神经网络进行分类识别。最后进行BP神经网络分类器中不同阈值和不同隐层数量的仿真实验。     

异构网络在船舶控制舱室远程监测中的应用

船舶自动化水平的提高要求实现对船舶的实时监控,船舶控制舱室是船舶自动化系统的重要组成部分,对控制舱室进行监控可以准确了解船舶的运行状态,最大程度保障船舶运行安全。本文对异构网络进行了研究,提出了一种基于异构网络的船舶控制舱室远程监测系统,系统使用现场总线技术、以太网、因特网、4G网络等实现控制舱室监控数据的传输和共享,设计了系统的整体架构,系统使用B/S结构,最后对服务器的数据库进行了设计。系统可以实现控制舱室的远程监控,因而具有一定的实际意义。