基于小波神经网络的船用动力系统可靠性预测与分析

目前我国不少远洋船舶使用的动力系统,基本以电控柴油机为主,电控柴油机以其性能稳定、操作方便、精确控制等优势成为了当今船用领域研究热点之一,并在全球范围内的船舶上得到了普及。但是由于其起步较晚,电控柴油机还存在着许多问题亟待解决,比如如何预测其动力系统的可靠性,降低电控柴油机常见故障发生几率,如何有效降低各种事故。是本文的研究目。本文以某远洋船舶为例,基于小波神经网络(WNN)对其船用动力系统可靠性进行预测与分析,旨在协助操作人员更好地维护和保养船舶装置,提升船舶的使用寿命。     

小波神经网络算法在船舶动力控制系统中的应用研究

随着航海技术的发展,人类对海洋的探索也越来越频繁,在不断研究的过程中,人们不仅对船舶的位置有升级的要求,对于其内部动力控制系统的研究范围也在不断的拓宽。本文主要研究船舶动力定位系统的构成原理,并结合神经网络算法对船舶动力定位关键技术进行数学建模。最后在Matlab仿真系统中建立船舶动力控制系统在海洋环境中的实际干扰模型,并从静态角度对小波神经算法的性能进行分析与仿真,仿真结果表明此算法的控制效果良好。     

全燃联合动力推进系统可靠性建模与分配

分析了全燃联合动力(COGAG)推进系统的组成与任务,建立了COGAG推进系统可靠性模型,运用专家评分法对COGAG推进系统进行了可靠性分配,利用所编制的软件对系统进行了可靠性分配计算,并分析了COGAG推进系统整体可靠性指标与不同可靠度单元可靠性参数之问的关系,结果表明COGAG推进系统可用性和可靠性都非常高.     

潜艇操纵水动力小波神经网络预报方法研究

针对潜艇操纵性优化设计中水动力系数预报问题,在潜艇水动力预报中引入艇体肥瘦指数概念,确定了潜艇艇体几何描述的五参数模型。提出采用小波神经网络方法预报潜艇水动力,确定了神经网络的结构,利用均匀试验设计方法,设计了神经网络的学习样本。在验证CFD预报艇体水动力有效的基础上,完成了样本水动力系数的CFD计算;通过对样本进行学习,完成了潜艇艇体操纵性水动力系数小波神经网络预报。研究结果表明,只要确定适当的输入参数,选择适当的学习样本和网络结构,利用小波神经网络方法对潜艇水动力进行预报可以达到较高的精度。     

神经网络在系统可靠性评估中的应用

本文介绍了人工神经网络的结构和处理信息的方法,以及动态可靠性神经网络模型,并简述了神经网络在系统可靠性评估中的应用。     

船舶燃料电池系统可靠性分配与预计

本文以自主研发的船舶燃料电池系统为对象,建立其基本可靠性模型和任务可靠性模型,然后针对具体的可靠性定量指标进行可靠性分配获得各组成设备的可靠性参数,为燃料电池系统各组件的设计和选型提供可靠性指标参考,最后初步开展了可靠性预计分析。     

应用拟小波法求解旋转轴系动力响应

在考虑运转状态下轴系自身陀螺效应和所受脉动载荷的条件下,建立的微分方程组在空间和时间上是耦合的,难以采用常规方法在数值上进行精确求解。拟小波法拥有全局方法的高精度和局域方法的灵活性,适合于非线性耦合微分方程的求解,可用来求解旋转船舶轴系的动力学方程。采用拟小波求解无轴向力作用时旋转轴的动力响应,将它与解析解对比,验证了该方法的可行性和有效性。在此基础上,用该方法求解船舶轴系受到螺旋桨产生的周期性轴向力作用时的动力响应,讨论了转速和周期性轴向力的影响。计算结果表明在特定转速下轴系的位移响应会发散,呈现了周期性轴向力的影响。     

基于神经网络的可靠性优化分配及应用

本文利用Hopfield神经网络的优化能力,借用神经网络中能量函数的概念和含义,把复杂的可靠性分配问题转化为非线性一次微分方程组求解问题,同时应用到具体的舰艇主动力系统优化分配中,为系统可靠性分配提供了切实有效的方法和途径.     

基于Markov的系统级动力定位控制系统可靠性分析

针对Markov模型在处理大型冗余系统可靠性问题时会遭遇系统状态量过大,计算耗费时间长,甚至无法有效计算等问题,提出将冗余DP控制系统进行有效分割,分别建立主、备控制系统的Markov模型,进而结合分系统的故障率建立系统级的Markov分析模型。该策略将子系统作为独立的可靠性分析单元,无需获取复杂DP控制系统的所有状态量,大幅减少了系统状态转移的分析量,从而可有效提高冗余控制系统可靠性分析的效率。     

船舶系统可靠性指标分配的多目标优化方法

针对船舶系统可靠性设计问题,采用改进非支配排序遗传算法(NSGA Ⅱ)研究了可靠性指标分配中的多目标优化设计.根据Pareto最优解集形成决策矩阵,基于信息熵法得到属性权重,利用逼近理想解的排序方法(TOPSIS)进行多属性决策研究.对Pareto最优解给出排序.采用本文方法讨论了一个船舶系统可靠度的分配和预测算例,给出了可靠度和费用之间的拟合关系.数值算例表明,综合采用多目标优化和多属性决策技术,可以迅速、客观选择各部件的可靠度.这种综合方法还能用于可靠性研究的其他领域.     

基于小波神经网络的船舶动力系统故障预测方法研究

船舶动力系统是船舶的心脏,其性能的优劣对船舶的安全航行至关重要,研究船舶动力系统故障预测的方法对保障动力系统安全运行具有重要意义。本文采用小波神经网络针对船舶动力系统的性能参数进行预测,选取柴油机动力系统的油管压力作为预测对象,试验结果表明小波神经网络预测的结果符合预期值。     

长江危险品船舶交通事故应急资源优化配置研究

针对长江危险品船舶交通事故应急资源配置中存在的问题和自身特点,从应急系统中应急资源的投入产出的整体相对效率考虑,运用数据包络分析(DEA)对长江危险品交通事故应急资源配置效率进行评价,在此基础上,用神经网络对评价所得数据进行训练,并对生成方案的效果进行预测,从而获得全局最优的危险品交通事故应急资源优化配置方案,为目前长江危险品船舶交通事故应急资源的科学配置提供了重要的参考依据。     

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。     

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BP神经网络的贮存可靠性预测

导弹在贮存过程中,可用的故障数据量少,具体的故障时间难以准确确定。为此,引入BP神经网络进行导弹贮存可靠性分析,建立了导弹贮存可靠性预测模型。利用某2型导弹在贮存期间的测试故障数据,对贮存可靠度指标进行了定量计算。结果表明,该模型能迅速得出其贮存可靠性随时间的变化规律,对给定贮存条件下的贮存可靠性进行准确的预测。     

船舶动力系统中的递归混沌网络

随着现代船舶体积及自身重量的增加其动力系统也随之增加,而现行的船舶动力系统由于存在低频振荡﹑谐振及混沌状态等特性,整个船舶动力系统呈现非线性特性。混沌网络是近年来比较热门的研究动力系统非线性的方向之一,在船舶动力系统中得到很大发展。本文在研究现有船舶动力系统及混沌网络原理的基础上,提出基于递归的混沌网络船舶动力系统模型,通过计算系统的Lyapunov指数来评价动力系统的动力学特性,最后给出仿真结果。     

船舶发电机组间功率的最优分配分析

船舶发电机组之间功率分配的优劣会对船舶电网运行的稳定性和安全性产生直接的影响.本文在分析船舶发电机组功率转移特性的基础上,从能耗比的角度量化了机组之间功率的分配问题,并采用求极值的方法对发电机组之间最优功率的分配进行了理论上的推导,给出了功率优化分配的具体结论.     

基于神经网络的船舶电站频载模糊控制方法研究

为改善船舶电站的动态和稳态性能,本文提出基于神经网络的船舶电站频载模糊控制方法。分别对船舶电站的频率和功率变化情况进行监测,并保存监测数据,通过与正常频载范围进行对比,计算出频载模糊控制量;在此基础上,结合模糊控制原理和神经网络推断逻辑设计电站频载控制器,通过调整单机频率和解列电站频载的方式实现对船舶电站的频载控制。通过实验对比可知,无论频率角度的控制还是功率角度的控制,所提方法的控制性能始终优于传统控制方法。