基于小波网络的水下机器人推进器故障诊断

针对小波神经网络的隐层小波函数可以调节伸缩因子与平移因子影响网络输出的特点，将其伸缩因子与平移因子引入到最小扰动动态学习率的学习算法中。此算法通过计算动态学习率，使得小波函数的伸缩因子与平移因子以及网络连接权值的变化最小，这样便可提高小波神经网络的稳定性和收敛速度。使用这种小波神经网络对机器人建模，通过比较模型的输出（运动状态估计值）与实际测量值可得到残差，并分析残差提取故障判断准则，从而进行推进器故障诊断。仿真试验验证了该方法的有效性。     

基于神经网络的水下机器人推进器故障诊断

为提高水下机器人系统的总体可靠性,开展了推进器故障诊断研究。在三层BP神经网络的基础上,提出了一种改进的递归神经网络并推导了网络的训练算法。利用直航、转艏等试验对网络进行训练,将训练好的网络用于水下机器人运动建模,对比模型的输出与实际传感器测量值来获取残差,通过分析残差特性来提取故障诊断判据,进而进行推进器故障诊断。将提出的方法应用到仿真试验和海上试验中,得出了相应的试验结果。通过对试验结果的分析研究,验证了方法的有效性与可行性,同时也表明该方法在工程应用方面具有一定的参考意义。     

基于模型融合的自主潜器推进系统故障诊断

采用对自主潜器(AUV)的全局状态模型与推进器局部模型融合的方法,实现对水下机器人推进系统的实时故障诊断.在诊断过程中,对AUV的特征状态参数进行残差信息融合,提出了故障诊断准则,保证了故障诊断的可靠性;并以仿真试验验证了该方法的有效性.     

基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题，提出一种基于模糊神经网络的机器人推进系统故障诊断方法，用以解决故障诊断过程中信息的不确定性问题，并提高推进系统的整体可靠性。该方法在常规神经网络基础上，引入模糊推理形成一种新型模糊神经网络结构，提出一种最小调整的模糊神经网络学习率，完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练，利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息，并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中，结果表明，基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。     

基于CFD的直翼推进器水动力性能研究及参数影响分析

本文在直翼推进器工作原理分析的基础上,以某型直翼推进器的缩比试验模型为研究对象,利用CFD方法进行了建模与仿真,对该型直翼推进器流场特性、敞水性能、桨叶载荷等水动力特性进行了研究,并对不同桨叶结构参数对推进性能的影响进行了比较分析,可为直翼推进器水动力性能预报、桨叶及推进器机构设计与优化提供有效支持.     

基于小波网络的故障诊断方法在军事系统中的应用

简要地介绍了基于小波网络的故障诊断方法,结合军事系统中的电力系统故障诊断问题,通过变尺度学习和训练建立了波网络,经过仿真试验,取得了满意的效果。进一步研究说明：小波网络的故障诊断在军事上的运用有其独特的优势,该方法在军事系统中有较广阔的应用前景。     

平移不变小波变换在消除电路噪声中的应用

为了提高火控测试系统测试结果的精度与可信度,去除对测试系统在采集火控系统信号时混入的噪声是十分必要的.通过对某型火控系统在动态测试时采集的信号的研究,针对传统小波阈值去噪处理方法中因非一致降样取样而产生Pseudo-Gibbs现象,结合已有改进阈值法的优点,提出一种新型阈值函数代替传统软硬阈值函数,采用平移不变小波变换对采集的信号进行去噪处理,以提升去噪的效果.仿真结果表明,该方法能进一步减少均方误差,提高信噪比,使去噪后信号更好地逼近真实信号,具有一定的工程实用性.     

水下航行器执行机构故障诊断方法研究

针对水下航行器执行机构故障论断问题,建立了航行器推进器及舵等执行机构的偏差型故障模型和航行器水平面运动模型;设计了一种采用时变渐消因子实现的强跟踪滤波器算法,在线估计航行器状态及执行机构故障偏差,通过对残差进行分析,实现了对水下航行器执行机构的故障诊断。仿真试验验证了强跟踪滤波器在航行器执行机构故障诊断中的有效性。     

基于贝叶斯网络的舰船故障建模方法研究

舰船故障建模是进行故障诊断的主要技术,舰船故障的种类多,变化复杂,兼具有随机性和规律性,当前舰船故障诊断的建模方法无法描述其变化特点,使得舰船故障诊断结果不理想。为了改善舰船故障诊断效果,设计了基于贝叶斯网络的舰船故障建模方法。首先对舰船故障诊断的工作原理进行分析,指出当前舰船故障诊断方法出现缺陷的影响因素,然后采用贝叶斯网络对舰船故障诊断过程进行模拟和建模,最后采用仿真实验与其他舰船故障诊断模型的结果进行对比。结果表明,贝叶斯网络的舰船故障诊断正确率更高,可以更好反映舰船故障诊断随着时间改变的变化趋势,避免了出现故障诊断错误率高的难题,具有广泛的应用前景。     

直翼推进器水动力性能数值模拟

在直翼推进器的工作原理分析的基础上，以某型直翼推进器的缩比试验模型为研究对象，利用基于计算流体力学的数值模拟方法进行了建模与仿真，并通过将数值仿真结果与试验数据相比较的方法验证了仿真方法的准确性。在此基础上，对直翼推进器的流场特性、敞水性能、桨叶及整桨载荷等水动力特性进行了分析，为直翼推进器水动力性能预报及桨叶及推进器设计提供了技术支撑。     

一种改进的小波网络及其在故障诊断中的应用

为了提高故障诊断的准确性,提出改进的小波网络,增加基本小波网络输入层至输出层的直接连接权。结合抽油机井故障实例,进行仿真研究,结果表明改进的小波网络较BP网络和未改进的小波网络收敛速度快,且对故障诊断识别能力强。     

Hydrodynamic inline force prediction on vertical cylinders: a comparative study of neural network and its adaptive wavelets (wavenets)

The design of the neural network model and its adaptive wavelets (wavelet networks and wavenets) was used to estimate the wave-induced hydrodynamic inline force acting on a vertical cylinder. The data used to calibrate and validate the models were obtained from an experiment. In the brain, wavelet neural networks (WNNs) use wavelets to activate their hidden layers of neurons. In WNNs, both the position and dilation of the wavelets are optimized along with the weights. In one special approach to this kind of network construction, the position and dilation of the wavelets are fixed and only the weights of the network are optimized. In the present study, the neural network procedure and the above mentioned approach were employed to design a WNN, a so-called wavenet, using feed-forward neural network topology and its training method. Then, a comparison of these two methods was made. Numerical results demonstrate that both networks are capable of predicting hydrodynamic inline force. Furthermore, the combination of the neural network concept and the wavelet theory i.e. wavenet provides a more robust tool rather than standard feed-forward neural network, considering its more appropriate ability to predict any other data which the network had not experienced before. The results of this study can contribute to reducing the errors in future efforts to predict hydrodynamic inline force using WNNs, and thus improve the reliability of that prediction in comparison to the ANN and other methods. Therefore, this method can be applied to relevant engineering projects with satisfactory results.     

小波分析在信号消噪中的应用研究

小波分析具有在频率域的多分辨能力,已广泛用于信号和图像的消噪中。在引入小波阈值去噪方法的基础上,提出了一种新的阈值函数。经过信号仿真验证,这种新的阈值函数取得了较好的消噪效果,克服了采用传统的软、硬阈值函数去噪的不足。     

基于前向线性预测和小波的FOG信号降噪算法研究

针对光纤陀螺输出信号的噪声,提出了一种处理该噪声的前向线性预测滤波与小波变换相结合的级联滤波方法,以前向线性预测滤波作为前段滤波器,采用DB4小波函数的强制阈值小波变换作为第二级滤波器。运用Allan方差法对级联滤波结果进行了分析,结果表明该级联滤波能取得较好的光纤陀螺信号降噪效果。     

The application of modeling and prediction with MRA wavelet network

As there are lots of non-linear systems in the real engineering, it is very important to do more researches on the modeling and prediction of non-llnear systems. Based on the muhi-resolution analysis (MRA) of wavelet theory, this paper combined the wavelet theory with neural network and established a MRA wavelet network with the scaling function and wavelet function as its neurons. From the analysis in the frequency domain, the results indicated that MRA wavelet network was better than other wavelet networks in the ability of approaching to the signals. An essential research was carried out on modeling and prediction with MRA wavelet network in the non-linear system. Using the lengthwise sway data received from the experiment of ship model, a model of offline prediction was estab lished and was applied to the short-time prediction of ship motion. The simulation results indicated that the forecasting model improved the prediction precision effectively, lengthened the forecasting time and had a better prediction results than that of AR linear model. The research indicates that it is feasible to use the MRA wavelet network in the short -time prediction of ship motion.     

船舶运动极短期预报中小波基和分层数的选取

对于随机海浪作用下船舶运动所具有的非平稳性和非线性,首先运用小波多尺度理论,将运动姿态时间序列分解为若干层近似意义上的平稳时间序列,再使用时间序列模型对每层的单支重构信号进行预报,最后综合每层的预报值得到原序列的预报值.同时根据原始时间序列的功率谱分祈,由小波多尺度分析的频带划分范围确定小波分析中分解层数的选取;再根据不同小波基函数各自的特性,分析并选取适合的小波基函数,仿真结果表明,所提出的分解层数和小波基函数的选取方法提高了预报精度和预报时长.     

基于小波分析的船舶同步发电机定子绕组故障在线诊断仿真研究

应用MATLAB/Simulink仿真软件,对船舶同步发电机定子绕组两种匝间短路故障进行了建模仿真,然后运用MATLAB小波工具箱里的小波函数对仿真的故障信号进行了分析,实现了故障特征提取,表明小波方法对船舶同步发电机定子绕组故障实现在线监测并诊断是可行的,为设计船舶同步发电机定子绕组故障在线监测诊断仪提供了理论依据。     

对ANN技术表达船体曲线算法的改进

应用人工神经元网络（ANN）技术表达船体曲线。根据问题性质,选用小波基作为前向单层神经网络的神经元激励函数,结合逐层学习（OHLO）算法对一艘3．6万吨散货船的后半体进行了表达。编程运算结果表明,该方法速度较传统的BP算法有较大提高。     

基于小波包分解的功率谱方法在人字门启闭机减速器故障诊断中的应用

针对船闸人字闸门机械式启闭机减速器中滚动轴承振动的不平稳性及其故障信号中存在噪声和干扰的问题,提出了一种基于小波阈值算法的小波包分解与功率谱分析的故障诊断方法。该方法通过对故障信号进行小波分解且对其系数作阈值处理,并利用处理后的分解系数进行小波逆变换得到降噪后的信号,然后对降噪后的信号进行小波包分解,找到能量集中的节点,对其进行Hilbert包络解调并求其Hilbert包络线的功率谱,从而提取故障特征信息。应用实例表明:仿真信号与某船闸人字闸门机械式启闭机减速器故障诊断方法能降低信号噪声以及干扰,并能提取故障特征信息。     

基于小波能量熵的水下目标磁场信号去噪

本文提出了基于小波能量熵的水下目标磁场信号去噪方法,通过对信号进行小波分解,计算各层目标信号和背景噪声的小波系数能量熵,利用信号在不同的分解尺度上具有不同的小波熵,自适应地确定高频系数的阈值,利用经过处理后的小波系数进行小波反变换,实现对水下目标磁场信号的去噪.仿真试验结果表明,该方法能有效去除背景噪声,检测出目标磁场...