贝叶斯与遗传神经网络相融合的柴油机故障诊断研究

利用小波包分解提取缸盖振动信号的特征向量,提出选择因子对改进误差反向传播(BP)神经网络和超1-依赖贝叶斯算法的诊断结果进行融合,克服贝叶斯和神经网络的不足。通过在WD615柴油机上的实验检测,证明了该方法的有效性。     

基于格型递归最小二乘算法的船舶运动极短期预报

在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursive least square)算法对AR模型参数进行自适应估计.该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度.利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度.     

控制船舶轴系纵向振动的动力吸振器参数优化研究(英文)

在船舶轴系中安装动力吸振器是减小船舶轴系纵向振动的有效方法,而动力吸振器的参数合理优化配置是控制轴系纵向振动的重要手段。将船舶轴系等效为多自由度系统,基于有限单元法建立船舶轴系纵向振动运动模型,并通过加装动力吸振器用于控制船舶轴系纵向振动。运用重分析方法求解轴系运动方程得到推力轴承处的力传递率和能量传递率,将二者作为评价动力吸振器对轴系振动控制效果的指标。在研究轴系响应频率范围内,提出将求解全局最优解较强的遗传算法与多目标优化算法相结合以优化动力吸振器参数;并且研究特定共振峰消减的参数优化问题。最后通过算例,比较不同目标函数以及动力吸振器不同安装位置对轴系纵向振动控制的影响,验证文中优化算法的可行性。     

基于作业成本法和目标成本法集成的船舶敏捷制造成本控制模型研究

通过对作业成本法和目标成本法集成和对船舶敏捷制造过程进行分析,提出了基于LCC的船舶敏捷制造作业成本和目标成本集成的控制方法,并建立了基于作业成本法和目标成本法集成的船舶敏捷制造成本控制模型,在工期-成本均衡的情况下实现船舶敏捷制造的成本最优。     

基于粒子群算法的出口集装箱堆场箱位分配研究

码头堆场中出口集装箱的箱位分配是典型的NP-hard优化问题,考虑集装箱的质量及目的港,以出口集装箱的装船路径和堆区的翻箱率为目标,建立适合出口集装箱堆场箱位分配的数学模型,以粒子群算法进行求解,数据实验表明该模型能够提高堆场的作业效率,具有一定的的实用性.     

基于卡尔曼滤波的地形辅助导航

利用海底地形辅助导航是水下载体导航技术致力研究的新方向。该文利用多波束测深系统测量真实地形数据,在此实测地形图的基础上,采用ICCp算法为对准匹配算法,得到水下载体的最佳匹配位置,提高水下载体的导航精度。并利用仿真以平台式惯导系统为例,用卡尔曼滤波对惯导系统误差进行最优估计,取得了较好的效果。     

工业CT在引信检测中的射线硬化校正研究

在工业CT（Computed Tomography）技术中,X射线能谱的多色性将导致重建图像出现“杯状”伪迹,降低成像图像的质量,为降低这种影响,推导出了一种基于FBP算法的射束硬化优化方法（FBPbasedoptimization,IFR）,并利用自行研制的某型弹药无损检测设备对模型进行验证。实验结果表明该方法能够较好地消除射线硬化的影响,有效提高重建图像的质量。     

基于神经网络的MUSIC计算方法

MUSIC方法是空间谱估计中经典的子空间方法,这类算法有个共同特点就是要对输出数据的协方差矩阵进行数学分解,其计算量较大,不适合实时处理。因此,文章提出了基于神经网络的高效迭代方法,不需进行数学分解,计算过程相对简单。仿真结果证明了该方法的有效性。     

DRM同步与均衡技术研究

DRM（Digital Radio Mondiale）是世界上唯一非专利的数字广播系统,它为30MHz以下频段的长波、中波、短波广播提供了数字化的标准。同步算法和信道估计作为其关键技术对系统性能有着十分重要的影响,文章提出了适用于DRM系统的符号同步算法、整数倍载波频偏估计算法、小数倍载波频偏估计算法以及时频域联合信道估计和均衡算法,并对这些算法进行了仿真分析。     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.