模糊逻辑和神经网络在油轮静电监测中的应用

油轮静电问题直接关系到整个油轮的安全。目前，为了防止油轮静电事故的发生，采取了一些防护措施，但基本上没有采用主动的监测系统。这就使油轮在防止静电过程中处于被动盲目的状态。油轮静电产生的机理是十分复杂的，它受多种因素的影响，因此，要准确地对其进行是测量是十分困难的。然而，正是这些内部及外部的不确定因素，使得模糊逻辑有可能应用于油轮静电监测之中。本文提出了一种“模糊逻辑监测系统”。该系统是具有学习功能     

船用中速双燃料发动机放热规律神经网络预测模型的开发

以船用中速双燃料发动机为研究对象,提出其放热规律神经网络预测模型的开发方法。首先建立船用中速双燃料发动机的多维性能仿真模型,对增压空气压力、燃气喷射量和引燃油喷射提前角等不同控制参数进行数值组合,计算多组不同工况条件下的放热率曲线;通过对多条放热率曲线进行参数化分析,明确描述放热率曲线的4个曲线特征参数和特征方程;建立双燃料发动机放热规律神经网络预测模型,以控制参数作为输入量,以放热率曲线特征参数作为输出量,利用多组放热率数据对神经网络模型进行训练和测试。该模型揭示了控制参数与放热率之间的规律,可由控制参数对放热率曲线进行预测。仿真计算结果表明:相比一般的发动机实时仿真模型,神经网络预测模型结果更加贴近发动机实际工作状态。     

船舶障碍避让系统中模糊神经网络多步预测模型设计

水路运输自古以来就是一种非常重要的商品流通途径,对促进经济发展和贸易往来有重要的意义,特别是近年来,经济全球化的趋势不断加强,远洋海上运输成为世界范围内商品贸易的主要途径。在船舶的正常航行过程中,障碍避让是非常重要的性能,是保障船舶安全航行的重要条件。由于船舶在航线航行时,受到许多未知环境的干扰条件因素影响,比如其他船舶、暗礁等,因此,研究船舶的避障技术有重要意义。本文充分利用神经网络算法和模糊算法,对船舶的障碍避让系统进行开发,设计了基于模糊神经网络的船舶障碍避让预测模型。     

遗传神经网络的船舶运动受扰力预测模型

船舶运动受扰力预测,是实现对船舶摇摆控制的关键步骤。为达到有效控制船舶摇摆的目的,基于遗传神经网络,完成船舶运动受扰建模预报和预测方法选择。模拟船舶航行状态,设计仿真对比实验结果表明,基于遗传神经网络的船舶受扰力预测模型,有效提升横向与纵向运动受扰力预测准确性,完成有效控制船舶摇摆的目的。     

油船吨位的选择与规模报酬理论

理论联系实际地论述了油船吨位的扩大引起收入大比例增加,而单位运输成本随着油船吨位的扩大而减小,然后结合航运实践,指出目前油船吨位的最佳选择。     

基于广义回归神经网络的船舶交通量预测模型

船舶交通量受多种环境与社会因素的影响,使得船舶交通量预测存在复杂性与非线性的特点.在分析现有预测模型和方法不足的基础上,介绍了广义回归神经网络GRNN的基本原理与拓扑结构.不同类型船舶受各类因素影响的程度不同,根据天津港VTS(Vessel Traffic Services)中心提供的船舶交通量数据,按船舶种类将船舶交通量分为六类,利用GRNN神经网络分别进行预测.预测结果表明GRNN神经网络具有很强的非线性拟合能力,有效解决了天津港船舶交通量预测中的小样本问题,提高了整个预测系统的精度与稳定性.     

油船主船体隔舱划分的神经网络专家系统

本文在总结专家系统（ＥＳ）发展与现状的基础上，描述了油船舱划划分的神经网络专家系统（ＴＡＧＮＥＳ）的基本原理与结构，以及基于 ＴＡＧＮＥＳ的知识表示，获取与推理，提出了ＴＡＧＮＥＳ与其它领域神经网络专家系统的组合，系统地阐述了ＴＡＧＮＥＳ的理论体系，同时给出３８０００吨油船分舱仿真设计的部分算例，说明了应用神经网络专家系统这一新理论来进行油船分舱智能设计的有效性和实用性。     

基于PSO-BP神经网络的油船中部结构优化

以舱段质量为目标函数,以相关规范要求的板厚及应力为约束条件,通过灵敏度分析确定设计变量,对油船中部结构优化。构建基于粒子群优化的BP神经网络模型,并代替有限元分析确定应力与设计变量之间关系,从而对舱段进行结构优化。优化后舱段质量降低了4.2%,优化后的有限元分析结果表明满足规范要求,PSOBP神经网络模型在船舶结构优化设计中具有可行性。     

RBF神经网络在黄河口水沙通量研究中的应用

介绍了RBF神经网络的结构与学习算法,并对黄河河口利津断面的实测资料进行归纳整理,以此建立了用于预测利津断面未来年份水沙通量的RBF神经网络水沙预测模型,对水量和沙量进行了仿真预测。结果表明,该模型对水沙预测结果与实际情况符合较好。     

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.     

神经网络在混凝土断裂能预测中的应用

通过神经网络中最广泛使用的BP网络建立预测模型,预测混凝土的断裂能。对模型的预测值与试验数据及已有的数学预测公式的预测值进行了比较。研究表明,神经网络方法由于综合考虑了更多的混凝土断裂能影响因素,而且能够实现非线性关系,所以具有较高的预测精度。神经网络预测模型在混凝土断裂能预测中具有广阔的应用前景。     

神经网络算法的舰船间距快速预测

间距预测是保证舰船航行安全的重要技术,传统方法存在舰船间距预测不准确,精度低等不足,为了提高舰船间距预测精度,提出基于神经网络算法的舰船间距快速预测模型。首先分析当前舰船间距预测的研究现状,找到引起舰船间距预测不足的因素,然后引入神经网络算法对舰船间距变化特点进行深入挖掘,建立舰船间距快速预测模型,最后采用VC++6.0编程程序实现舰船间距快速预测仿真实验,结果表明,神经网络算法的舰船间距预测精度超过90%,远远高于其他舰船间距预测模型,而且舰船间距预测速度快,减少了舰船间距预测的时间,具有比较明显的优越性。     

港口集装箱吞吐量的灰色神经网络预测模型研究

为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过分析传统的灰色预测模型和 BP 神经网络预测模型的优缺点,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和 BP 神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明：灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。     

新模糊神经网络模型及其建模应用研究

本文提出一个新的模糊神经网络模型，证明了它是一个全局逼近器，且具有物理意义明显，收敛速度快之优点，通过一个建模的实例表明，与典型的模糊神经网络建模系统相比，本文提出的新模糊神经网络，是一个更适用的建模工具。     

运用神经网络模型预测铁矿石即期海运运价

为改变我国目前在铁矿石及海运价格议价权方面的弱势地位,正确把握市场的发展趋势,争取在铁矿石交易市场的主动权,通过分析铁矿石即期运价的影响因素,建立神经网络模型对其进行分析,提出在铁矿石即期运价的影响因素中,影响力排名依次是波罗的海海岬型船运价指数(BCI)、远期运费协议(FFA)指数和即期租金。     

基于灰色小波神经网络的船舶交通流预测研究

船舶交通流预测的准确性和可靠性已成为制约港口经济科学发展的瓶颈因素。文章综合利用小波变换的局部化性质与神经网络的自学习能力,并引入灰色模型以反映船舶交通流的发展趋势,使得小波神经网络在灰色模型预测结果的基础上结合船舶交通流的影响因素再预测,构成基于灰色小波神经网络的船舶交通流组合预测模型。实验结果表明,灰色小波神经网络的预测精度高于BP神经网络与小波神经网络,提高了整个预测系统的精度及其鲁棒性。     

灰色预测模型在过坝货运量预测中的应用

以MATLAB为工具,运用灰色系统理论建立立了基于GM(1,1)的过坝货运量预测模型,以2001-2006年小南海枢纽货运量为原始数据对2007-2011年货运量做了预测。结果表明,该方法具有所需原始数据少、预测精度高等优点。     

国外成品油船市场及其技术发展现状

本文阐述了世界成品油船市场构成情况和技术现状，并对成品油船市场及技术发展趋势进行了较为详尽的分析和预测。