艉轴管工艺改进与生产优化

船舶轴系是船舶动力装置的重要组成部分，采用改进的环氧树脂浇注工艺，对直筒型艉轴管与艉轴毂组成的密封空间进行浇注，加强了其密封性，同时使得艉轴安装方便，延长了艉轴和艉轴承的使用寿命。     

船舶艉轴艉管镗孔装置的改进设计

船舶艉轴艉管镗孔装置是造船厂的专用工具。其中两对齿轮的齿数不等,造成两对齿轮中心距不等,发生传动不平稳、振动大,镗孔加工精度受影响。作者把此两对传动齿轮改为变位直齿圆柱齿轮。从而解决了母型装置的技术缺陷,取得良好的效果,图4。     

环氧树脂粘合剂固定艉轴管工艺

本文就环氧树脂粘合剂艉管定中(定位)这一提法作了简要分析并相应地介绍了一种运用在船舶建造中的环氧树脂粘合剂固定艉轴管工艺。     

长艉轴管镗孔新工艺

本文介绍了118000吨级穿梭油船的长艉轴管加工过程所采取的新工艺方案,这个方案对找正用基准点的形式作了概念上的更新,对校正镗杆挠度有所创新,对长镗杆的使用也有新的突破,对今后同类型艉轴管的加工有参考价值。     

浅析艉轴管镗孔精度控制

本文主要针对广船国际在建灵便型船舶轴系艉轴管镗孔精度的控制作了详细的介绍,重点分析了镗孔机的安装使用、镗杆挠度的调整、镗孔的进刀工艺,保证了船舶艉轴管镗孔的精度要求,节省了生产成本,缩短了艉轴管镗孔的作业周期。     

1000吨级沿海货船艉轴管制造

本文对１０００吨级货船的艉轴管的结构划分，接口焊接坡口型式，装焊前准备工作，余量加放，拼装和焊接要点，热处理等验收等方面进行了扼要的介绍。     

基于改进BP神经网络的船舶操纵性能预报

以某单桨大型船舶在海上的回转性能为例，探讨了应用改进的BP神经网络（Back-pmpagation Neural Network）建立船舶操纵性预报数学模型的方法，并利用matlab语言对其进行了仿真。研究结果表明，改进的BP算法有更快的收敛速度和更好的计算精度。     

基于BP神经网络的船舶交通流量预测研究

在分析船舶交通流量特性的基础上,以船舶交通流量控制为最终目标,建立基于BP神经网络的船舶交通流量预测模型,以长江口深水航道的交通流量数据作为训练样本,进行模拟分析。预测结果与实测加权数据进行对比表明,该模型对船舶交通量的预测是有效的。     

一种基于BP神经网络的机动目标跟踪算法

交互式多模型（IMM）算法是一种可以有效跟踪机动目标的滤波算法,针对其跟踪精度和计算量在很大程度上受制于模型选择和转移概率确定的问题,提出了一种利用BP神经网络修正子模型滤波结果的改进IMM算法。仿真实验表明,该方法可以使IMM算法的收敛速度加快,收敛精度提高,改善了跟踪性能,具有一定理论指导意义。     

基于BP神经网络的煤矿电机故障诊断预测

电机软故障辨识诊断一直是困扰电机维修工程师一大难题。引入BP神经网络概念,利用采集到的样本数据训练BP神经网络,得出最优网络模型。通过典型故障状态参数测试新方法的辨别能力。结合对煤矿电机参数的训练测试,通过仿真实验验证了这种新方法对电气故障诊断的有效性。     

基于BP神经网络的舰船组合导航算法研究

针对GPS/惯导组合导航系统的滤波定位算法,文章提出利用BP神经网络,用其输出修正组合导航滤波输出结果,提高组合导航系统的定位精度。通过仿真试验表明滤波的效果对导航精度有所提高,同时也说明了该方法是可行的、正确的。     

基于时间序列BP神经网络的集装箱吞吐量动态预测

集装箱吞吐量预测是港口发展规划制定的依据。在MATLAB环境下，把时间序列BP神经网络应用于港口集装箱吞吐量的预测，采用逐步递归的方法进行，同时注意尽量减少训练样本的浪费（只用1个检验样本）和充分挖掘BP神经网络适合短期预测的潜力。无论是从拟合情况，还是预测值的检验和港口发展规划的实际情况来看，都有着很高的精度．可以作为集装箱吞吐量预测的一种行之有效的方法。     

基于BP神经网络与L-M算法的潜艇声纳自噪声预报

L-M（Levenberg-Marquart）算法与BP（Back-Propagation）神经网络相结合，使神经网络在多样本、大变量输入的情况下，具有更快的收敛速度和更高的逼近精度。将BP神经网络与L-M算法相结合应用于潜艇声纳自噪声预报；分析了影响潜艇声纳自噪声的各种声源参数；利用潜艇声纳实测数据进行网络训练，训练好的神经网络可以对潜艇声纳自噪声进行精确预报。     

基于引力搜索BP神经网络的柴油机故障诊断

为了提高柴油机故障诊断的精度,将引力搜索算法用于BP神经网络初始权值及阈值优化,提出了一种基于引力搜索算法和BP神经网络相结合的智能故障诊断方法,并将其运用于柴油机磨损故障的振动诊断。结果表明,该方法与BP神经网络相比,对柴油机的磨合、磨损、极限等故障诊断准确,精度提高明显,验证了该方法的有效性。     

基于BP神经网络的空袭目标识别

通过介绍BP神经网络用于目标识别的基本原理,对目标不完整或不确定数据进行分析、推理。提取空袭目标的速度、高度、机动加速度和雷达反射面积等有用特征,并运用定性、定量相接合的方法,对目标特征进行归一化处理,作为输入层数据。根据目标识别的具体要求确定各层神经元数,建立了BP神经网络目标识别模型。通过对样本数据训练、检验、输出结果的分析,表明在缺乏识别先验知识时,运用该方法识别空中目标简单有效。     

基于BP神经网络的维修性综合评估方法研究

建立舰船装备维修性评估用指标体系,借助MatLab语言建立BP神经网络评估模型,并给出实例应用,验证方法的可行性.