基于RBF的船体曲面变形方法及在船体型线优化中的应用

介绍了径向基函数插值（RBF）的基本原理及其在船体曲面变形中的应用。将基于径向基函数插值的船体曲面修改方法与CFD软件及优化算法结合,成功开发了船体型线优化平台。运用该平台对美国海军水面舰艇DTMB5415进行了艏部型线的优化设计,获得了给定约束条件下阻力性能最优的船体外形。结果表明,基于径向基函数插值的船体曲面变形方法是有效可行的,建立的船型优化平台具有一定的工程应用价值。     

基于CFD的KCS船舶艏部型线优化研究

为实现基于CFD船体型线优化设计,开发了船体型线优化平台,并以KCS船为初始船型,对其艏部型线进行了优化。首先,重点介绍了径向基函数插值的基本原理及其在船体曲面变形中的应用;其次,将该方法与CFD软件及优化算法结合,开发了基于CFD的船体型线优化平台;最后,将该平台应用于KCS船的艏部型线优化设计,获得给定约束条件下阻力性能最优的船体外形。研究结果表明:基于径向基函数船体曲面修改方法是可行的,建立的船型优化平台具有一定的工程应用价值。     

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.     

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,提出了径向基神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。     

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。     

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.     

优化算法对船舶可靠性的影响分析

通过构建径向基(Radial Basis Function,RBF)神经网络近似模型,分别采用自适应模拟退火算法(Adaptive Simulated Annealing,ASA)、多岛遗传算法(Multi-Island Genetic Algorithm,MIGA)、粒子群法(Particle Swarm Optimization,PSO)3种优化算法,以重量最轻为目标,对油船整体舱段进行基于CCS规范的优化设计;之后利用Abaqus非线性有限元法计算了轻量化舱段的极限强度,并通过建立极限状态方程,进一步研究优化算法对船体极限强度可靠性的影响;最后,为直观、量化地反映船舶的风险变化程度,通过提出失效概率折减率μ,发现PSO-RBF算法下减重单位舱段重量,船体梁失效概率增加最少。     

利用RBF神经网络预测和消弱低频无线电导航定位误差

由于诸多因素的影响，导致了低频无线电导航系统的定位误差和GPS卫星导航系统的定位误差之间存在较大的差距，拟采用径向基函数（RBF）网络来预测电波传播误差，以期达到修正现有低频无线电导航系统定位误差的目的，从而进一步提高低频无线电导航定位的精度。     

BP神经网络预测船体焊接变形

实现无余量造船的重要前提是准确预测船体结构的焊接变形,从而满足造船精度要求。由于焊接变形的起因以及现场工作环境非常复杂,几种回归公式难以完全覆盖所有范围。为此,本文应用C 语言实现BP神经网络学习算法,来预测船体构件焊接横向变形和角变形。     

船用固体氧化物燃料电池电堆建模与仿真

由于船用固体氧化物燃料电池复杂的内部环境不利于对其直接建模,针对船舶设备负载变化导致燃料利用率变化,提出利用径向基函数神经网络的"基"函数.结合宽度学习网络结构和恒燃料利用率控制策略,构造了一种识别恒燃料利用率的固体氧化物燃料电池电堆特性的新方法.根据恒燃料利用率控制策略经研究获得电池的输入输出数据组;在输入输出数据组的基础上,利用Lipschitz商准则确定非线性模型的最佳输入变量阶数;利用粒子群优化算法来估算基于径向基函数宽度学习网络参数,包括增强层参数、增强层和输入层到输出层参数.该方法得到的辨识结果精度高且计算量小.试验结果验证了该方法的准确性和有效性.     

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.     

一种基于模型的水声弱信号检测方法(英文)

Detection of weak underwater signals is an area of general interest in marine engineering. A weak signal detection scheme was developed; it combined nonlinear dynamical reconstruction techniques, radial basis function (RBF) neural networks and an extended Kalman filter (EKF). In this method chaos theory was used to model background noise. Noise was predicted by phase space reconstruction techniques and RBF neural networks in a synergistic manner. In the absence of a signal, prediction error stayed low and became relatively large when the input contained a signal. EKF was used to improve the convergence rate of the RBF neural network. Application of the scheme to different experimental data sets showed that the algorithm can detect signals hidden in strong noise even when the signal-to-noise ratio (SNR) is less than −40d B.     

Underwater vehicle sonar self-noise prediction based on genetic algorithms and neural network

1Introduction Sonarself noiseisakeyfactorinfluencingthehiding capabilityofanunderwatervehicleanddetectioncapa bilityofsonar.Decreasingsonarself noisehasimpor tanteffectonenhancingtheprobabilityofsonardetec tionandbattleeffectivenessofunderwatervehicle.An …     

基于径向基神经网络的舰艇空间磁场延拓

针对目前线性化方法解决舰船空间磁场之间推算时存在的困难,论文从智能优化的角度出发,建立了舰艇空间磁场之间的径向基神经网络预报模型.该方法避免了利用线性化方法存在的诸多困难,即可实现舰艇空间磁场的换算,并利用船模实验验证了网络预测的准确性,换算精度较高,满足工程实际需求.     

网络遥操作机器人系统神经网络预测控制仿真研究

为了改善网络随机时延影响网络遥操作机器人系统稳定运行的问题,采用RBF神经网络对网络实测时延进行预测,取得较好的预测效果。结合Smith预估控制,提出了一种基于网络实测时延的遥操作机器人系统神经网络预测控制新方法,仿真实验结果表明了该方案的有效性和鲁棒性。     

基于改进型RBF神经网络的磁流变阻尼器动力学建模及仿真

为提高磁流变阻尼器(MRD)动力学精度,提出一种网络连接权值自适应调整的改进型RBF神经网络模型。利用与任一测试样本相邻的两个训练样本对应的实际连接权值,对测试样本连接权值进行线性插值,提出连接权值的自适应算法;搭建MRD动力试验平台,进行多频率、多振幅的动力性能试验,利用大量实测力学特性数据,建立RBF神经网络模型以及连接权值自适应调整的改进型RBF神经网络模型,分析比较RBF神经网络模型在改进前后的平均累计相对误差变化规律,并进行数值仿真计算和试验测试分析。研究表明,在正弦激励频率0.25 Hz～1.0 Hz、振幅5 mm～15 mm、电流0～1.25 A工况下,相比于传统RBF神经网络模型5%的最大误差均值,改进型RBF神经网络模型使建模误差均值多控制在0.45%～0.85%之间,有效改善MRD的动力学特性,建模精度较好满足工程实际需要。     

运输船舶金属船体重量的神经估算

本文建立应用反向传播学习算法的多层前馈神经网络模型，对运输船舶金属船体重量进行神经估算。以散货船和油船为实例的计算结果表明，由非线性模拟神经元组成的神经网络在船体重量估算中是非常有效的。     

船舶管件加工智能生产线的设计与实现

传统管件加工车间依靠工人进行劳动密集型加工、储运,对生产过程数据和质量数据缺乏必要的管控手段和技术。通过梳理工艺流程,并将智能制造理念与传统管件加工生产线现有的制造模式深度融合,设计一条面向中小管件柔性加工的管法兰焊接加工无人生产线。通过现场运行调试,实现管法兰焊接生产线的可靠、稳定运行,提高焊接质量和生产效率,满足企业的预期要求。     

基于PSO-BP神经网络的船体分段任务包工时定额模型

为解决船体分段任务包工时定额的计算过度依赖线性公式而忽略工时定额与工艺参数之间的非线性关系的问题,提高工时定额计算的效率和精确度,将PSO-BP神经网络技术应用到船体分段任务包工时定额中。通过对影响船体分段中间产品额定工时的工艺参数进行分析,建立多输入单输出的PSO-BP神经网络模型,并应用实际数据对PSO-BP神经网络进行训练,测试仿真结果与实际值之间的误差在允许范围内。验证结果表明,采用PSO-BP神经网络建立船体分段任务包工时定额模型,能对任务包作业工时进行准确预测。     

基于RBF神经网络补偿的动力定位PD控制

动力定位控制系统在实际工况中会受到外部风、浪、流等环境力的扰动,本文主要研究PD+RBF控制算法以提高动力定位系统的抗干扰性和稳定性.RBF神经网络用来补偿外界环境扰动,其权值自适应律通过Lyapunov稳定性证明得到,通过稳定性的分析能够保证整个系统全局渐进稳定.在一艘平台供应船的仿真结果对比中显示了所提出控制器的有效性.