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。     

基于GA-BP神经网络的螺旋桨水动力性能预报方法

为了快速预报螺旋桨水动力性能,提出一种遗传算法优化BP神经网络（GA-BP）的螺旋桨水动力性能快速预测方法。采用计算流体力学（CFD）方法,使用FLUENT软件对P4119螺旋桨水动力性能进行仿真计算,结果表明CFD方法可替代敞水试验获取螺旋桨水动力性能。采用CFD方法计算100组不同系列螺旋桨的水动力性能,建立GA-BP神经网络螺旋桨水动力性能预测模型,以计算所得的100组数据为模型的学习样本,选择其中的80%为训练集,10%为验证集,10%为测试集,对比分析传统BP神经网络和GA-BP神经网络模型的预测效果。结果表明,GA-BP神经网络预测结果预测精度更高,能够满足快速预测螺旋桨水动力性能的要求。     

小展弦比翼大攻角水动力数值计算方法

为提高小展弦比翼大攻角水动力预报精度,以NACA0018小展弦比翼为研究对象,对比分析基于不同湍流模型的URANS与DES方法的计算结果,探讨Re及网格离散尤其是壁面y+对升力系数预报精度的影响规律,对翼尾端分离涡的捕捉进行探讨。计算结果与试验值的对比表明:计算方法和湍流模型的选取对翼水动力预报精度影响最大且与雷诺数相关;当Re106时,URANS方法的预报精度较高,其中以RNG k-ε湍流模型的预报结果与试验值吻合最好,而DES方法的精度较低;当Re107时,采用DES方法能够得到较为可靠的预报结果;壁面y+对翼水动力预报精度有重要影响,确保y+~1的同时适当加密网格可提高计算精度;翼失速后,RANS与URANS方法计算所得升阻系数差别较大,这2种方法均不能捕捉分离涡的时历特性,DES方法能够观察到与物理现象一致的漩涡结构。     

基于L-M贝叶斯正则化方法的BP神经网络在潜艇声纳部位自噪声预报中的应用

基于L-M贝叶斯正则化方法使BP神经网络在推广能力、收敛速度和逼近精度上能够获得很大的提高.文中将BP神经网络和L-M贝叶斯正则化算法相结合用于潜艇声纳部位自噪声预报.分析了影响声纳部位自噪声的各种参数.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部位自噪声进行精确预报.     

潜艇大攻角操纵运动预报

舱室破损进水是造成潜艇失事的主要险情之一.文中针对潜艇首部破损进水并采取应急吹除上浮时出现的大攻角运动状态,建立了潜艇大攻角操纵运动数学模型.通过数学模型中有、无考虑大攻角水动力修正的两种形式,对潜艇首部舱室破损进水的挽回操纵进行了仿真预报比较.仿真结果表明,潜艇在大攻角状态下的操纵运动预报,数学模型中考虑了大攻角水动力修正后的预报更加合理.而且,在潜艇舱室破损进水采取应急吹除挽回时,需要重点关注升降舵对纵倾的控制.     

潜艇舱室进水应急起浮时的机动性研究

为了探索潜艇应急起浮时的运动规律,在建立潜艇应急挽回操纵运动模型基础上,结合潜艇大攻角操纵性拘束船模水动力试验获得不同攻角状态下的水动力系数。引入敏感性指数概念,对敏感性指数高的水动力系数进行回归拟合时分为小攻角水动力系数和大攻角水动力系数两段进行描述,对潜艇不同事故应急起浮机动性进行仿真,得到潜艇应急起浮运动参数变化规律。结果表明,文中计算方法能够正确预报潜艇应急起浮的运动规律。     

潜艇水动力系数数值计算

舰船的水动力系数是衡量舰船操纵性能的重要指标.应用FLUENT软件对潜艇的拖曳及旋臂试验进行数值模拟,得到了潜艇的一系列速度、舵角及角速度水动力导数,与文献结果对比说明所使用的方法是可行的.     

自由面对潜艇水动力影响的估算

将入射波问题和兴波问题分别考虑,然后线性叠加给出自由面对潜艇水动力影响。将随机海浪和是若干个余弦平面进行波的叠加,其频率和波高由Ｂｒｅｔｓｃｈｎｅｉｄｅｒ谱来决定。在入射波问题中,忽略了辐射波和绕射波的影响,并仅考虑不随时间变化的稳态力。在兴波问题中,根据细长体理论采用源汇分布法计算其水动力。     

基于SR-UKF的潜艇水动力系数辨识方法

[目的]针对潜艇运动模型中水动力系数难以准确获取的问题,采用平方根无迹卡尔曼滤波(SR-UKF)算法进行系统辨识.[方法]首先,以潜艇垂直面运动非线性数学模型为基础,结合SR-UKF算法,建立潜艇垂直面水动力系数辨识模型;然后,利用自动操舵控制潜艇在垂直面进行类正弦机动,将运动仿真生成的数据作为SR-UKF参数辨识的输...     

操纵运动潜艇水动力计算研究

采用FLUENT软件对一模型艇在不同漂角下运动的升沉力系数和表面压力分布进行计算,验证了该软件解决此类问题的有效性。在此基础上,对作操纵运动的潜艇主体和带附体的全艇体,在一定攻角和漂角下的垂向力、俯仰力矩和横向力、纵倾力矩进行计算,取得了工程上较为满意、实用的精度,为解决潜艇操纵运动水动力预报的困难做出了有益的探索。     

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。     

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。     

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.     

基于神经网络的外贸集装箱生成量预测

分析了影响外贸集装箱生成量的主要因素,利用BP神经网络技术,构建外贸集装箱生成量的预测模型,并应用浙江省数据为实例进行验证.准确预测地区的外贸集装箱生成量,引导该区域港口等集装箱运输设施合理布局.     

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。     

基于BP神经网络的舰船维修成本估计

舰船维修成本估计直接影响舰船企业的运营效益,针对当前舰船维修成本估计方法存在的一些局限性,以延长舰船寿命,提出基于BP神经网络的舰船维修成本估计方法。首先介绍当前舰船维修成本估计研究现状,找到当前各种舰船维修成本估计方法的不足,然后在此基础上依据舰船维修成本变化特点,引入BP神经网络建立舰船维修成本估计模型,最后通过Matalab2017平台实现了舰船维修成本估计仿真实验。相对当前其他的舰船维修成本估计方法,BP神经网络可以更好地跟踪舰船维修成本变化特点,不仅舰船维修成本估计精度高,而且舰船维修成本估计建模时间短,为解决复杂多变的舰船维修成本估计问题提供了一种新的方法。     

基于BP神经网络算法及推导的研究

介绍BP神经网络算法原理,就算法推导过程做出重点分析,给出构造BP网络模型的一般步骤以及该算法在曲线曲面函数逼近中的应用实例.实验表明,BP神经网络在曲线曲面函数中具有很好的逼近能力,训练后的模型具有较高的精度.     

BP神经网络的舰船辐射噪声识别

当前舰船辐射噪声识别方法存在识别率低,对环境鲁棒性差等缺陷,为了对复杂环境下的舰船辐射噪声识别进行准确识别,提出了BP神经网络的舰船辐射噪声识别方法。首先采集舰船辐射噪声,并提取舰船辐射噪声识别有效特征参数,然后采用BP神经网络建立舰船辐射噪声识别模型,从而实现对舰船辐射噪声信号的分类和识别,最后进行舰船辐射噪声识别的仿真测试。结果表明,相对于已有的舰船辐射噪声识别方法,BP神经网络提高了舰船辐射噪声识别率,可以对各种舰船辐射噪声信号进行准确分类。     

基于BP神经网络的船用柴油机振动状态监测

通过监测柴油机表面振动信号,用时间序列分析方法提取柴油机故障的振动特征参数,以此建立相应的神经网络,用于船用柴油机的状态监测,提高诊断的准确性。试验研究在中速四冲程增压柴油机上进行。文中以柴油机气阀间隙异常的诊断和柴油机负荷状态的识别为例阐述了该方法的实现过程,并给出了振动信号的特征参数与柴油机工作状态之间的关系。研究表明,利用神经网络监测柴油机运行状态的变化是可行的和有效的。