基于选择性神经网络集成的船舶避碰问题研究

船舶碰撞危险度的确定是保证海上船舶航行安全的重要问题,也是一个复杂的过程,受很多因素的影响,具有很强的非线性特征。神经网络集成是用有限个神经网络对同一个问题进行学习,集成在某输入示例下的输出由构成集成的各种神经网络在该示例下的输出共同决定。本文基于粒子群优化算法实现一种选择性神经网络集成方法,并基于该方法对船舶碰撞危险度问题进行了建模。仿真结果表明,基于粒子群算法的选择性神经网络集成方法适合于船舶避碰问题模型,且模型的精度很高。     

多技术集成智能船舶系统构建方法研究

对船舶系统构建中的集成技术进行研究,介绍计算机集成技术、信息集成技术以及智能集成技术。以智能集成技术为重点,给出一种多技术集成的船舶系统故障诊断方法。该方法将神经网络、模糊逻辑、遗传算法3种智能算法进行集成,利用神经网络的自学习能力与遗传算法的计算能力,使得船舶系统故障诊断方法收敛速度快,准确率高。     

圆形微带天线谐振频率的混沌粒子群神经网络集成建模

谐振频率是微带天线设计过程中最重要的一个参数,直接决定设计的成败．本文提出二进制粒子群优化算法的选择性神经网络集成方法,通过粒子群优化算法合理选择组成神经网络集成的各个神经网络,使个体间保持较大的差异度．为有效保证粒子群优化算法的粒子多样性,在迭代过程中加入混沌变异．基于该混沌粒子群算法的神经网络集成对圆形微带天线的谐振频率进行建模．仿真试验表明,混沌粒子群优化算法是组合优化权值的有效方法,可以有效提高神经网络集成的泛化能力,基于该算法所建立的圆形微带天线的谐振频率模型好于此问题的已有结论．     

舰艇对空中来袭目标意图的预判方法

[目的]为使舰艇能在短时间内正确预判空中来袭目标的意图,提出应用异质集成学习器解决该模糊不确定性分类问题。[方法]首先选取极限学习机、决策树、Skohonen神经网络和学习矢量化(LVQ)神经网络4种子学习器,使用集成学习结合策略构建异质集成学习器;然后利用该集成学习器训练测试训练集100次,得到该分类实验平均准确率和计算时间。为提高准确率,进行了集成修剪,剔除"劣质"的LVQ神经网络,重新构建效率更高的异质集成学习器,其实验结果具有极高的精度,但计算耗时长。为此,提出对Skohonen神经网络子分类器做"线下训练、线上调用"的改进。[结果]仿真实验表明,从探测到空中目标到预判出各来袭目标意图总用时为4.972 s,预判精度为99.93%,很好地满足了精度和实时性要求。[结论]该研究为作战决策提供了一种新颖而有效的方法,同时也为小样本分类识别问题提供了一种较好的实现途径。     

基于SARIMA-BP模型的港口船舶交通流量预测

为提高船舶交通流量预测精度,提出一种季节性自回归移动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA)模型和BP神经网络的误差校正集成模型。以深圳港2011—2017年的数据为研究样本,对原始数据进行预处理,构建最优SARIMA模型,以该模型求出的残差序列作为BP神经网络的输入,将两个模型预测结果进行整合,得到集成模型的预测结果。试验结果表明:该误差校正集成模型与两个单一模型相比,体现出船舶交通流量数据的季节性特征,具有较好的预测精度,为港口船舶交通流量预测提供一种更为有效的方法。     

铅锌冶炼过程的故障诊断神经网络专家系统

将人工神经网络与专家系统结合应用于密闭鼓风炉冶炼铅锌过程的故障诊断,提出并设计了铅锌冶炼过程的集成智能故障诊断系统。介绍了系统结构、诊断策略及神经网络的学习算法,仿真结果表明了该系统设计的合理性和可行性。     

基于SVM-BP集成学习的舰船蒸汽动力系统故障诊断

传统故障诊断算法用于舰船蒸汽动力系统非均衡类样本问题存在准确率低且误分类的情况,本文提出一种基于支持向量机-BP神经网络集成学习的故障诊断模型。使用主层次分析法降低原始数据集的特征维度以改善数据量之间的冗余问题,然后设计3个并行的支持向量机分类器进行故障诊断,将分类器的结果数据融合作为BP神经网络的输入,进行二次诊断,得到最终的结果。用仿真平台采集的样本数据进行验证并重复运行30次获取结果,最终模型平均召回率为84%、平均准确率为95.04%。对比传统诊断算法及常用集成算法,该方法的准确率以及少数类样本的召回率明显高于其他诊断方法。     

一种基于神经网络集成的舰船参数辨识方法

针对舰船的水面动力响应提出了一种基于神经网络集成参数辨识模型,通过由系统微分方程导出的完备状态点的概念,给出了个体网络的生成方法和一种特殊的集成神经网络的模型分解法,可使模型的输出动态逼近目标的实际可能状态,进而对舰船的相关参数做出有效估计;并对所提出的辨识模型进行了稳定性和收敛性分析。仿真试验表明模型具有快速准确的逼近能力和很好的泛化能力。     

舰船移动网络信息安全大数据集成模型

移动网络是保障舰船作战能力发挥的关键,舰船任务量的剧增,使得移动网络信息呈"井喷式"增长,给安全大数据的获取与应用带来了较大的阻碍,由此,提出舰船移动网络信息安全大数据集成模型。基于正则表达式原理,半自动化地抽取并转换安全大数据,搭建数据关联关系并行发现框架,计算数据之间的相似度,确定BP神经网络算法的最佳权值,执行BP神经网络算法分类并融合安全大数据,从而实现舰船移动网络信息安全大数据的集成。实验数据显示:数据集成平均耗时趋于1 s,并低于最小限值,具备较好的实时性。     

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。     

复合模糊神经网络在故障诊断中的应用研究

对于复杂的诊断对象,本文提出了一种复合模糊神经网络结构,该神经网络结构集成了一系列模糊神经子网络,来完成故障分类任务。文中以某高温硝酸冷支系统为诊断对象,以系统故障树为设置子网的基础,建立了含有多个子网的复合模糊神经网络。仿真结果表明了这种方法的可行性和有效性。     

改进的BP神经网络在路基沉降预测中的应用

针对传统BP神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的BP神经网络预测方法,采用遗传算法优化BP神经网络的初始权重,建立路基沉降预测模型。该模型可克服BP神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统BP神经网络预测模型对比,结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。     

基于SOA的异构数据集成中间件的研究与设计

基于SOA的数据集成方案与模式集成、数据复制数据集成方案相比,在对业务变更作出快速响应方面具有明显优势。文章结合中间件技术和SOA思想,给出了一个面向SOA的异构数据集成架构,介绍了该架构下数据集成中间件核心模块的设计方法。利用该方法可降低异构数据集成组件的内部耦合度,提高数据集成组件的复用性和扩展性。     

神经网络的原理和应用

1 引言 众多科学家预言,21世纪将是“生物”世纪。这说明生物学的研究和应用已进入了空前繁荣的时代。神经网络系统理论就是近十多年来受其影响而得到飞速发展的一个世界科学研究的前沿领域。神经网络所研究的是怎样在结构上和机能上模拟人的神经网络系统,使之应用于自动控制、人工智能、机器人等各领域。经各国科学家多年潜心研究,在神经网络的基础理论、方法、系统的综合与应用等方面取得了重大的成果,尤其是现今大规模集成技术和电子计算机软、硬件技术的发展,为神经网络的实现和应用提供了光明的前景。国外,神经网络的研究已成为自动控制领域中的一个热点,并已渗透到智能控制、模式识别、计算机视觉的自适应     

基于小波尺度谱和遗传算法的转子故障诊断

针对发动机的转子故障,提出了一种基于尺度谱图像纹理特征和遗传算法的故障诊断技术.根据不同转速下的3类转子故障数据样本,运用连续小波尺度谱图像纹理特征提取其图像纹理特征.采用遗传算法对这些特征进行选择优化,去除与分类不相关的冗余特征.最后,构建结构自适应集成神经网络对优化后的特征进行智能诊断.试验表明,该方法能准确地诊断出转子的故障,具有广泛的应用前景.     

面向船舶初步设计系统的集成平台开发

介绍一个面向船舶初步设计系统的集成平台的设计、开发和应用。论述集成平台应具有的特性,如通用性、集成性、开放性和工具化。分析该开发集成平台中采用的关键技术:面向对象、自顶向下设计、复合建模技术、拓扑建模技术、协同开发技术和宏命令技术。该集成平台设计成四个层次的软件体系结构,即核心层、永久模型层、服务层和应用层。最后介绍在该集成平台上开发的实例:NuCAS船舶总体初步设计系统。     

基于模糊神经网络的船舶多传感器火灾发现算法

在应对和控制船舶火灾过程中,及时发现火灾至关重要,因而火灾发现系统随着造船技术的发展不断发展。传统的火灾警报系统通常采用单传感器模式,依靠简单的逻辑推测出火灾发生的程度,当前船舶主要采用的火灾探测技术为多传感器火灾发现机制。为了提高该机制的精确性,本文提出一种基于神经网络模糊推断系统的多传感器火灾发现算法,通过使用多传感器的集成和协作,以及多参数的综合分析,能够实现多等级的船舶火灾预警。     

船舶柴油发电机转速神经网络模型参考自适应控制

结合人工神经网络与模型参考自适应控制,形成船舶柴油发电机转速神经网络自适应控制。对由传感器检测后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和ELMAN神经网络,用整理后的数据训练神经网络,使神经网络实现转速的自适应控制功能,并对神经网络模型进行仿真测试。仿真结果表明该方法控制精度高,动、静态特性好。     

潜艇大气环境多传感器信息融合技术研究

介绍多传感器信息融合技术的概念,分析了多传感器集成与信息融合的问题,介绍了贝叶斯准则、D-S证据理论、模糊理论和神经网络的4种方法与算法,论述了潜艇大气环境多传感器信息融合技术研究的优点及其必要性.     

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。