RBF神经网络在船舶电力负荷预测中的应用

综合以往取得的研究成果,应用RBF神经网络对船舶电力负荷预测问题进行深入研究,提出一种基于RBF神经网络的船舶电力负荷预测方法。基于RBF神经网络实施船舶电力负荷预测,需要对对应的历史负荷数据进行选取。分两个层面对历史数据实施预处理,首先对异常数据实施完善和补充,接着实施样本归一化处理。基于RBF神经网络构建船舶电力负荷的对应预测模型,在模型的构建中,首先对节点数量进行确定。选取某高校实施船舶电站控制实验时使用的船舶作为实验船舶进行预测实例研究。根据研究中的实验结果,发现设计方法在预测时的相对误差较小,是一种预测精度较高的方法。     

基于改进神经网络的船舶姿态准确预报技术

为了有效解决当前船舶姿态预测准确性问题,结合当前船舶姿态数据特征,改进传统神经网络并以此为基础建立新型船舶姿态预报技术。重构神经网络格式特征区,添加脉冲输出和神经网络数据放大和衰减参数量,构建耦合神经网络作为主要计算网络,结合达尔文进化算法和传统遗传算法特征,构建交叉概率算法,顶替传统经验算法获取放大衰减真实值,通过PC端数据传输和样本导入,实现船舶姿态准确预测。仿真实验数据表明,改进后的神经网络船舶姿态预报技术对于船舶横纵斜度的预测均提高30%以上,达到了提高船舶姿态预测准确度的目标。     

神经网络在船舶操纵中的应用研究

该文对人工神经网络用于船舶操纵动态特性的在线学习进行了研究,并提出了基于神经网络预报的操舵控制算法。仿真试验的结果表明了该控制算法的有效性。     

舰船电力系统量子遗传算法的故障诊断方法研究

为能准确的确定故障元件,建立了考虑保护或断路器拒动情况下适合舰船电力系统故障诊断的数学模型,利用量子遗传算法对故障诊断数学模型进行求解,并利用典型舰船电力系统故障算例对所提方法进行了验证,算例结果说明了该故障诊断模型的合理性和诊断结果的准确性。     

神经网络理论在独立电力系统励磁控制中的应用

根据发电机励磁控制的任务,本文基于神经网访理论提出了一种新的励磁控制器的设计方法。针对单机一静态负载模型进行的数字仿真研究结呆,证明了所提方法的正确性。     

电力系统稳定器在船舶电力系统中的应用

本文首先介绍了电力系统稳定器(PSS)的原理;然后,结合所搭建的船舶电力系统(大功率柴油发电机组)数字仿真模型,研究PSS在船舶电力系统中的应用;最后,通过对船舶电力系统在有、无PSS作用下的典型故障工况的对比仿真与分析,说明PSS能够有效提高船舶电力系统暂态稳定性.     

混沌遗传算法在船舶电力系统供电恢复中的应用研究

实现船舶电力系统的快速供电恢复是一个复杂的多目标非线性组合优化问题.根据系统的特点,采用混沌自适应遗传算法,使用混沌优化产生初始群体,以保证初始种群含有较丰富的模式,从而增加搜索快速收敛于全局最优解的可能,然后通过采用精英保留的选择机制和自适应交叉、变异概率,有效地加快了算法的收敛速度.船舶电力系统典型故障恢复算例表明,该算法改善了遗传算法的性能,提高了算法的收敛速度及精度,避免了不成熟收敛,较好地实现了船舶电力系统的多目标故障恢复.     

GA-BP神经网络在船舶供电网络评价中的应用

船舶供电系统的正常运行,对于船舶用电自动化设备、生活用电、船舶电力推进器等非常重要,如何合理且有效的对船舶供电网络进行质量评价,近年来成为了业内的研究热点。本文介绍一种将遗传算法和神经网络相结合的GA-BP神经网络算法,系统介绍该算法的基本原理,并基于该算法对船舶供电网络的输出质量进行了建模和质量分析,通过采集一段时间内船舶供电网络中的电流数据,直接对船舶供电网络的质量进行评价。     

船舶电力系统负荷模型及参数辨识研究

该文在分析了船舶电力系统负荷特性的基础上,将陆用电力系统负荷仿真研究中的一种综合负荷模型引入到船舶电力系统负荷仿真研究中,采用遗传算法辨识了模型参数,并进行了实际模型与辨识模型的对比分析,验证了模型的合理性.     

基于量子粒子群算法的船舶电力系统网络重构

船舶电力系统网络重构可以看作为一个多目标、多约束、多时段、离散化的非线性规划最优问题。根据船舶电网结构的特点,提出了运用量子粒子群算法解决重构问题的思想。加入量子粒子群算法的离散化操作,使之能够满足船舶电网重构模型的要求。仿真结果说明该算法能够得出船舶电力系统网络重构的全局最优解,实现了网络重构最优,并且通过相应的算例与其他优化算法进行横向比较的结果也验证了量子粒子群算法有更好的可行性。     

神经网络算法在船舶动力定位系统中的应用

随着计算机技术在各个领域的不断应用,传统的优化算法得到了极大的提高。目前,以神经网络算法、人工智能等为代表的计算机辅助优化已经成为了业内人士的研究重点。船舶的动力定位是指船舶不再依靠传统的锚泊式海上定位,而是利用自身的推动力使船舶抵消来自海浪、海风等的干扰作用力,使船舶在海面上保持相对的平衡。为了提高船舶动力定位的精度与稳定性,本文结合神经网络算法,在船舶动力定位函数模型的基础上开发了新型的动力定位控制系统,并详细介绍了该系统。     

船舶电力系统的模糊故障诊断

人工神经网络被广泛应用于故障诊断与分析过程,然而在船舶电力系统的应用环境中,通常会出现多种故障并发的情况,因此单一的神经网络无法完成复杂的、多种类的故障分析与诊断,难以应用于船舶电力系统。同时,采用单神经网络时,多种电力系统故障的数据训练也会造成较大的工作量,从而进一步降低可用性。为了解决以上问题,本文提出一种多层模糊神经网络方法对船舶电力系统进行诊断和分析。该方法采用多层人工神经网络,不但扩展了故障诊断系统适用的故障类型,更提高了数据处理的效率,提升故障诊断的准确性。仿真和实验表明,本文提出的方法具有较好的实用性。     

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。     

动态模糊神经网络在船舶动力定位中的应用

在前向模糊神经网络的归一化层和输出层之间加入递归层,形成的一种新型动态模糊神经网络(DFNN)具有动态映射能力,从而对动态系统有更好的响应.文章还推导了基于BP的反传学习算法.运用DFNN对船舶动力定位控制进行的仿真实验结果证明了该方法的有效性.     

神经网络专家系统在船舶控制系统故障诊断的应用

首先阐述神经网络技术和专家系统2种算法优劣之处,然后将2种算法相结合应用到船舶控制系统故障诊断中,结合后的算法具有较好的自学习和并行计算能力。在进行算法的详细描述中,介绍神经网络专家系统的基本结构,并对其在船舶控制故障诊断中的框架进行设计,针对具体的实际应用建立知识库。最后利用训练数据进行仿真实验,实验结果表明本文采用的神经网络专家系统在故障诊断方面具有可行性。     

神经网络在船舶电力推进系统故障诊断中的应用

船舶电力推进系统目前成为船舶推进系统的主流选择,电力推进系统对于保障船舶的安全稳定运行具有重要意义。因此,对采用电力推进系统的船舶进行电力推进系统故障诊断,成为船舶日常维护的一项重要工作。本文对船舶电力推进系统故障诊断系统进行研究,在Simulink环境下搭建故障诊断模型,并将BP神经网络应用于诊断系统,对电力推进系统的故障学习和诊断能力进行仿真。结果表明,该故障诊断系统可以提高网络的学习速度和诊断效果,具有很好的故障诊断能力,可以满足船舶电力推进系统的性能要求。     

神经网络在船舶动力定位模拟器控制系统中的应用

随着近海资源日渐枯竭,远洋自然资源的开发和利用技术成为了研究热点。远洋水域深度较大,船舶在采用传统的锚泊式定位时会发生走锚等问题,因此,必须采用动力定位技术。船舶动力定位系统由位置测量、控制器和推进器3部分组成,可以实现精准可靠的海上定位,对船舶和海上作业平台有重要意义。动力定位模拟器是船员进行动力系统操作培训的重要设备,本文结合神经网络算法和相应的数学模型,设计和开发了船舶动力定位模拟器的控制系统。     

混合型专家系统在船舶动力装置故障诊断系统中的应用

介绍了一种基于人工神经网络的混合型专家系统及其在船舶动力装置故障诊断系统的应用。具体描述了混合型专家系统的基本原理,论述了船舶动力装置故障诊断系统的结构与功能。最后用一个实例说明混合型专家系统在船舶动力装置故障诊断系统上的应用。     

船舶动力精确控制中的小波神经网络控制

小波神经网络具有全局最优逼近等非常优秀的性能,其已被广泛应用于控制和系统辨识等领域。这是由于其结合了神经网络的自学习特性。但小波神经网络对动态反映不及时和泛化能力不足等缺点已经阻碍其应用于实际工程当中。本文提出一种基于Akaike信息准则改进的余值选择算法,其可以通过避免过拟和欠拟合现象来提高神经网络的泛化能力。     

直流配电系统在舰船综合系统中的应用

直流配电系统是舰船综合电力系统中的一种新兴技术,能够有效减少燃料消耗和排放水平。然而,如何在舰船综合电力系统中有效应用直流配电系统,仍然需要进一步的研究。本文研究直流配电系统在舰船综合电力系统中的应用方法,并对综合电力系统的机电设备进行建模,为直流配电系统在舰船综合电力系统中的进一步发展,提供一定的借鉴作用。