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。     

基于铁谱技术的磨损故障组合智能诊断模型的研究

机械设备的磨损对设备故障和使用维护非常重要。基于铁谱技术提出了磨粒识别的灰色关联度模型和BP神经网络模型组合优化识别的方法,试验和应用表明组合模型优于2种单一模型,较大地提高了预测精度。     

基于深度神经网络的船舶图像识别检索研究

对船舶图像进行快速准确识别在军民领域都有广泛应用,随着船舶种类的增多、图像质量的提高,传统的卷积神经网络进行船舶图像识别需耗费大量时间。本文对深度神经网络的原理进行分析,并在此基础上研究基于深度神经网络的船舶图像识别流程,对船舶图像预处理技术进行研究,建立船舶图像训练集和测试集,对YOLOV2、卷积神经网络和本文算法的平均识别时间和识别准确率进行分析,最后研究3种算法的训练次数对识别准确率的影响。本文研究的深度神经网络船舶图像识别算法,在平均识别时间以及识别准确率上具有一定优势。     

基于神经网络的复合避碰专家系统研究

此文在对神经网络避碰决策和专家系统避碰决策的优缺点进行分析、研究的基础上,基于神经网络规则抽取技术,提出了“基于神经网络的复合避碰专家系统”,将神经网络的自适应学习能力和避碰专家系统的解释说明能力集成在一个统一的体系结构中,不仅解决了避碰专家系统构建过程中的知识获取“瓶颈”问题,而且还解决了神经网络避碰决策过程的“黑箱”现象,提高了系统决策结果的可信度。     

舰船网络异常通信行为识别研究

舰船网络异常通信行为变化不仅具有规律性,同时具有随机性,当前方法无法挖掘舰船网络异常通信行为的复杂变化特点,使得舰船网络异常通信行为识别实时性和准确性差。为了获得更优的舰船网络异常通信行为识别结果,提出神经网络算法的舰船网络异常通信行为识别模型。首先描述舰船网络异常通信行为识别原理,然后将舰船网络异常通信行为识别看作问题,引入神经网络算法对其进行建模,在舰船网络异常通信行为识别建模过程中,引入粒子群算法解决神经网络参数确定的难题,最后进行舰船网络异常通信行为识别测试实验。结果表明,神经网络算法获得了准确性较高的舰船网络异常通信行为识别结果,而且由于神经网络收敛快,使得舰船网络异常通信行为识别实时性好,具有良好的推广应用价值。     

模糊专家系统的快速实现方法及其在鱼雷报警中的应用

给出了一个模糊专家系统的快速实现方法,介绍了具体的知识表示、模糊匹配和推理机的实现方法,并用其构建了用于识别鱼雷的模糊专家系统。由于利用智能线谱检测和提取算法提取出了DEMON图和LOFAR图中的多个高质量的线谱特征,并利用了快速实现方法。此模糊专家系统可以实时给出很好的识别结果。     

神经网络在舰船图像特征提取和分类中的应用

海上遥感图像对于舰船目标定位、海上救援、航运交通管理等有重要的作用,基于海上遥感图像的舰船目标特征提取及目标识别是一项热点研究。卷积神经网络是一种改进的人工智能算法,本文详细介绍了卷积神经网络技术的原理,基于卷积神经网络和滤波器实现了舰船遥感图像的特征提取和目标识别。     

基于深度学习网络的舰船识别方法

合成孔径雷达SAR由于穿透力强,可全天候工作,目前在海上目标探测等领域获得了非常广泛的应用,SAR图像的舰船识别技术也成为一项热点研究。本文研究侧重于利用深度学习算法和卷积神经网络,实现海上舰船SAR图像的快速、准确识别。首先介绍深度学习和卷积神经网络的原理,然后基于深度学习网络建立了SAR图像船舶快速识别算法,最后结合海上SAR图像数据进行了舰船识别的仿真试验。     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法。利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类。算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实。实验结果表明,该方法平均识别正确率达到93.6%,可以很好地实现船舶识别。     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法.利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类.算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实.实验结果表明,该方法平均识别正确率达到93.6％,可以很好地实现船舶识别.     

基于BP神经网络的CFAR检测器标称化因子确定方法

在运用恒虚警（CFAR）检测算法中,一个非常重要的工作是根据给定的恒虚警率确定其标称化因子。当标称化因子关于虚警率的关系式很难甚至于是不可能得到时,传统上采用仿真方法,但仿真方法的计算量非常大。为此文章利用BP神经网络具有强大的逼近任意非线性关系式的能力,提出了一种基于BP神经网络的CFAR检测器标称化因子确定方法。通过实例研究表明,通过对BP神经网络的输入进行自然对数的变换后,其对虚警概率和标称化因子的关系进行逼近时需要的训练次数将大为减少,研究还表明基于BP神经网络的标称化因子确定方法具有相当高的精度。     

基于MySQL和BP神经网络的船舶焊接专家库软件研发

为提高船舶焊接试验过程中的工艺实施效率,研发一种基于MySQL和反向传播(Back Propagation,BP)神经网络的船舶焊接专家库软件.该软件由专家数据库、报表生成器、热输入值预测机、人机交互界面、通信接口组成,基于MySQL开发焊接专家数据库,基于BP神经网络设计热输入值预测机,具备自动坡口图生成、自动焊接工...     

基于BP-DS证据理论的航标状态识别模型研究

内河航标标示了可航行水域的边界,是保障内河船舶安全航行的重要前提.面向内河航标不同故障模式,构建一种基于BP-DS证据理论的航标状态识别模型.采用两个BP神经网络分别训练航标基础属性数据与环境因素数据,计算独立的证据值;通过DS证据理论实现航标运行状态识别结果的决策融合.结果表明,基于BP-DS证据理论的航标状态识别模...     

基于加权矢量神经网络的辐射源识别方法

现有的很多分类识别方法包括基于专家系统的方法[1]、基于贝叶斯理论的方法、基于模糊模式识别的方法[2]、基于最近邻的方法[3]、基于人工神经网络的方法[3]等等在辐射源识别中都有比较成功的应用,但这些方法一般都针对测量参数为标量形式的测量值进行处理,在一定程度上解决了由于参数测量误差所引起的辐射源识别问题,对于误差的另一种情形,即测量参数为区间类型模糊值的情况讨论却较少,文献提出了一种基于模糊IF-Then规则的神经网络算法,给出了能够处理模糊输入的神经网络体系结构,同时给出了一种基于代价函数的学习算法,其代价函数由实际模糊输出和无模糊输出决定,通过学习该网络能够实现模糊输入到模糊输出的非线性映射。     

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。     

BP神经网络在冷凝器建模中的应用

本文利用神经网络的非线性映射和泛化能力,建立了一个冷凝器的BP神经网络模型.仿真结果表明,该建模方法直接有效,具有一定的研究意义和应用价值.     

基于BP神经网络的防空兵射击指挥效能评估

为了评估防空兵射击指挥效能,构建了效能评估指标体系,建立了射击指挥效能评估的三层BP神经网络模型。说明了训练样本构造的方法,并用样本对BP神经网络进行训练。利用训练好的神经网络对防空兵射击指挥效能进行评估。     

BP神经网络对船舶远程监控系统的改进分析

为了满足公司对于远洋船舶更加有效监控的要求,应用BP神经网络对监控系统加以改进,使船舶远程监控系统发出预警信号,并能在船舶上报警.此时,相应参数识别码也能够第一时间到达岸上公司,岸上公司即能在最佳时间协助船舶对设备进行维修.BP神经网络在远程监控系统的应用分析过程中,以6缸柴油主机排气温度变化趋势为模型,利用BP神经网络良好的学习特性,建立了排气温度变化的持续升高预警模型及其他非预警模型.分析表明,此种方法适用于远洋船舶的远程故障监测及船舶系统故障预测.     

基于EMI与ANN技术的声波信号探测机理研究

针对海上突发事件,如何有效地实现对水下目标探测、识别与定位问题.本文以飞机失事坠海后搜索黑匣子为背景,设计了一种基于阻抗分析的飞机黑匣子探测实验装置,搭建探测模拟黑匣子超声信标的实验平台,并进行水下探测实验,结合BP神经网络实现对超声信标的识别定位.实验结果表明该探测装置能够探测并识别不同位置的超声信标,从而验证阻抗分析法结合神经网络可以实现对超声信标的探测与识别,可为海上搜救工作提供相应帮助.     

基于神经网络和粒子群算法的环肋圆柱壳优化设计

对于潜艇外壳等外压容器来说,满足稳定性要求至关重要。本文利用Matlab编写改进粒子群算法优化程序,利用 Ansys的 Apdl语言完成了环肋圆柱壳的参数化建模,以圆柱壳厚度、肋骨尺寸和肋距作为离散设计变量,以稳定性要求作为约束条件,构造了合适的惩罚函数,以质量最轻作为设计目标,实现了基于 BP神经网络和粒子群算法的环肋圆柱壳优化设计。在优化过程中,首先采用拉丁超立方体抽样完成了样本点的选取,然后对样本点进行有限元分析,根据有限元分析结果构建 BP神经网络代理模型,并探讨了样本点数量对代理模型预测精度的影响,最后采用改进粒子群算法对代理模型进行优化。优化结果表明,对于需要考虑离散变量和复杂非线性约束的结构优化问题,采用 BP神经网络和粒子群算法联合优化的方法能够节省大量计算时间,并达到理想的优化效果。