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。     

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神经网络在北京道路安全评价中的应用

通过建立北京城市道路交通安全的分析与评价综合体系,采用BP神经网络法对北京的城市道路交通安全水平进行评价。通过对交通安全的状况、交通安全水平与经济发展关系、机动车保有量、人口及构成等因素的客观判断和预测,提出减少交通事故的合理化建议,并通过应用实例分析,说明该方法具有较强的可行性和可靠性。     

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。     

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.     

以BP神经网络计算船舶碰撞危险度

基于参考文献〖３〗的多因素确定碰撞危险度模型,研究了在自动避碰系统中确定碰撞危险度的ＢＰ神经网络快速实现方法。通过建立隐含层为９７个神经单元的三层ＢＰ网络,并通过１０６万次训练,使网络能够蕴涵文献〖３〗的所有知识,并使网络所确定碰撞危险度误差在０．５％以下,通过随机样本仿真检验,效果良好。     

BP神经网络在冷凝器建模中的应用

本文利用神经网络的非线性映射和泛化能力,建立了一个冷凝器的BP神经网络模型.仿真结果表明,该建模方法直接有效,具有一定的研究意义和应用价值.     

BP神经网络在深基坑位移预测中的应用

深基坑位移预测成了岩土工作者的一个关注点,文中对近些年BP神经网络在深基坑工程位移预测中的研究应用进行了总结分析,对后续的研究起到了积极的推动作用。     

BP神经网络在船舶远程监控中的应用研究

近年来,随着无线通信、传感器网络等技术的快速发展,船舶远程监控系统在保障航运安全、维护船载设备等方面发挥着越来越重要的作用。船舶远程监控系统实现船岸间数据信息共享和交互,对船载设备的运行状态进行实时监控,并根据采集的数据进行状态预测和故障诊断。本文在船舶远程监控系统基础上,利用BP神经网络的自组织学习特性,提出远程故障诊断模型,该模型能够根据设备运行参数对故障趋势进行准确判断并发出预警。     

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。     

神经网络算法在海上自适应通信的应用研究

首先分析递归神经网络的结构特点,并且以此为出发点说明串行和并行输出的自适应学习特点。最后通过实验仿真进行算法有效性的验证,实验结果表明与自适应监督学习算法相比,递归神经网络自适应学习算法改善信道误码率的效果更好,在突发干扰情况下恢复正常工作状态的时间短,抗干扰能力强。     

粒子群优化的RBF神经网络在海上运输事故预测中的应用

以海上交通安全为应用背景,对船舶运行事故预测方法进行研究,给出一种基于粒子群优化的RBF神经网络的事故预测方法。在本文中,首先对海上运输事故的特点和原因进行分析;然后对径向神经网络和粒子群算法的相关基本理论进行介绍,最后给出基于粒子群优化的RBF神经网络的事故预测方法。实验结果表明,该方法具有较好的预测效果。     

海上油污损害赔偿的责任主体——由“谁漏油谁负责”原则引发的思考

从油污损害赔偿主体着手,首先引入相关的国际公约和国内立法的规定,然后由“谁漏油谁负责”原则展开,并结合实践提出个人观点。     

量子神经网络技术在船舶电力系统中的应用

短期负荷预测是一种电力系统优化调度工具。其不仅可为电网调度及发、供电计划提供有效的指导,而且可以保障电力系统安全和高效的运行,达到节约经济的目的。本文在分析影响船舶电网短期负荷的因素基础上,提出基于量子神经网络技术的船舶电网短期负荷预测法。     

Farima模型在海上无线网络状态融合中的应用

为了克服海上无线网络信号传输中的噪声干扰,本文将小波变换和Farima模型应用于信号状态融合,首先利用小波变换对信号进行分解,再利用Farima模型进行预测,最后对重构后的信号进行融合,实验结果表明本文算法融合速率高,准确性好。     

突发性水体污染对船舶海上行驶影响建模分析

传统的研究模型在分析突发性水体污染对船舶海上行驶影响这一问题上,建模有效率低,分析结果准确率差。为了解决这一问题,在传统研究的基础上建立一个新的模型,对船舶海上行驶进行坐标系建立,根据动力定位船舶在海上行驶的具体运动状态,建立固定于地表的坐标系与以船舶为重心的形式坐标系,从初始坐标数据中实现对船舶的海上行驶数据的掌控,根据船舶的整体构造进行精准分析,查找其可能出现的海上行驶信息错误位置,检测受到突发性水体污染后的海浪形状,构建模型。实验结果表明,给出的模型能够精准地分析突发性水体污染对船舶海上行驶影响,有效性高。     

利用径向神经网络和Volterra级数滤波器进行海杂波非线性预测

本文利用非线性预测理论建立基于径向神经网络和Volterra级数滤波的海杂波预测,利用IPIX雷达和Logisic混沌映射信号采集海杂波,然后进行非线性预测。实验结果表明,对于Logisic混沌映射信号产生的海杂波,通过设定阈值能够较好的将目标检测出来。在今后的研究中会进一步探究海杂波中变化缓慢的目标的检测,以及高效的基于径向神经网络和Volterra级数滤波器算法的海杂波消波方式。     

蚁群神经网络在船舶发电机故障诊断中的应用

发电机作为船舶关键部件之一,其运行状况关系船舶整机状态。随着技术的不断发展,船舶发电机结构更为复杂,同时其所发生的故障更为复杂和致命,因此研究高效可行的船舶发电机故障诊断技术已成为各研发机构的重要课题。本文通过分析算法模型建立了一种基于蚁群算法的人工神经网络,以发电机转子偏心问题为实例,在Matlab中应用该技术进行训练和故障诊断,并与BP算法进行比较。结果表明,蚁群算法训练速度快、精度高,是一种可靠的故障诊断方法。     

动态模糊神经网络在船舶航向控制器上的应用

当船舶在海湾、海峡等狭窄海域行驶时,对于船舶航向控制器的可靠性和灵活性均有较高的要求,由于船舶模型的参数受到航速和载重量的影响,因而无法保证航向控制的精确性。本文提出一种船舶模型控制与动态神经网络相结合的方法,提高船舶航向控制器的控制精度和可靠性。设计一种零稳态误差控制器对船舶航向进行控制,同时利用模糊神经网络确定闭环控制系统的极点,并用仿真证明本文提出的方法具有较高的精确性和可靠性。     

神经网络技术在汽轮机智能控制中的应用

世界船运业的不断发展使得船舶各种电气设备的能源和动力需求日益提高,汽轮机作为船舶主要的动力来源,也承担了越来越多的能源供给任务。而汽轮机控制技术也发生了许多新的变化,从传统的现场人力控制,渐渐发展成了计算机自动化控制。本文结合神经网络技术和PID控制技术,实现船舶汽轮机的智能化控制,此系统能够大大提高控制的水平和精度,对汽轮机的工况能够做到实时监控,很大程度上降低了故障的发生率,增强了系统的抗干扰能力,具有广阔的市场应用前景。