支持向量机技术在舰船航向广义预测与控制中的应用

舰船在海上航行时,受到海浪等干扰力的作用难免会偏离既定航线,严重时甚至发生搁浅等事故,航向的广义预测与控制决定了舰船的航行效率和安全性,是船舶工业领域研究的重点。支持向量机技术是一种新型的智能学习算法,该算法在非线性系统求解、小样本、高维度系统求解领域有重要应用。本文以舰船航向预测与控制为研究对象,系统介绍了支持向量机算法,并基于支持向量机技术对船舶航向进行预测与控制。本研究对于提高舰船航向预测与控制有重要意义。     

多船舶同时航行中的调度数学模型设计与实现

在多船舶同时行进航道水上交通网络中,船舶拥堵容易导致水上安全事故,需要进行水上航道船舶航行调度。本文针对当前调度模型的吞吐量低,时滞较大的问题,提出一种基于船舶航行流量分簇预测的多船舶同时行进中的调度数学模型。构建多船舶同时行进的通行流量的信息感知模型,采用RFID标签识别技术进行船舶航行流量的数学统计,构建船舶进出港的交通态势预测多元状态方程,以历史测量信息作为先验统计量对方程进行优化求解,实现船舶航行流量分簇预测,以此为信息统计量进行交通调度。仿真结果表明,采用该模型进行多船舶同时行进调度,能提高单位时间内的航道通行量,且对航道船舶流量的预测精度较高,调度的时间开销较小。     

基于代价敏感RBF神经网络的道岔故障诊断系统

针对铁路道岔故障中几种常见类型故障,为尽量减少道岔故障误分类所造成的损失,特建立基于遗传算法的代价敏感RBF神经网络模型以及基于该模型的道岔故障诊断系统。模型通过建立代价敏感适应度函数,实现基于遗传算法的RBF神经网络向代价最优的方向进行随机搜索。利用某车站道岔动作电流监测数据进行验证,证明系统能够提高故障数据的识别精度,降低故障数据的误分类代价。该系统可帮助维护人员快速、准确地对道岔故障进行诊断,缩短故障处理时间,提高铁路行车的安全性。     

基于自适应顺序的滚动轴承最优特征选取与寿命预测

为了提高舰船动力传动系统中滚动轴承的故障特征分析及寿命预测能力,需要对选择合适的振动信号特征表征滚动轴承状态的问题进行分析,通过时域,频域,时频域,信息熵等多方面提取滚动轴承的振动特征,构造特征库,综合全面描述滚动轴承的状态信息。提出了一种自适应特征提取方法,通过添加白噪声特征以及融合特征,并使用相关性,单调性,鲁棒性3个指标来综合评价特征,可以自动确定特征维数并筛选出敏感特征子集,并通过实验数据验证了所提方法的有效性。     

神经网络在船舶电力推进系统故障诊断中的应用

船舶电力推进系统目前成为船舶推进系统的主流选择,电力推进系统对于保障船舶的安全稳定运行具有重要意义。因此,对采用电力推进系统的船舶进行电力推进系统故障诊断,成为船舶日常维护的一项重要工作。本文对船舶电力推进系统故障诊断系统进行研究,在Simulink环境下搭建故障诊断模型,并将BP神经网络应用于诊断系统,对电力推进系统的故障学习和诊断能力进行仿真。结果表明,该故障诊断系统可以提高网络的学习速度和诊断效果,具有很好的故障诊断能力,可以满足船舶电力推进系统的性能要求。     

基于神经网络的船舶航拍图像融合研究

航拍图像融合是船舶图像研究领域中的一个重要研究方向,针对当前船舶航拍图像融合过程复杂,计算量大,融合精度低等缺陷,提出了基于神经网络的船舶航拍图像融合方法。首先分析船舶航拍图像融合原理,并对船舶航拍图像进行分解,得到低频和高频的船舶航拍图像分量,然后采用神经网络对船舶航拍图像的高频分量进行处理,并用加权平均法对船舶航拍图像的低频分量进行处理,最后通过逆变换对船舶航拍图像融合,并进行了仿真实验。实验结果表明,神经网络可以获得高精度的船舶航拍图像融合结果,船舶航拍图像融合时间短,相对于其他船舶航拍图像融合方法,神经网络的船舶航拍图像融合结果更胜一筹。     

卡尔曼滤波在船舶跟踪预测中的研究应用

利用卡尔曼滤波算法的自回归性,将其应用到船舶动态跟踪预测中,建立船舶运动的状态方程,通过当前状态进行下一时刻的位置和速度预测,然后利用Matlab对采集到的10帧图像进行实验仿真。通过对测量值、估计值和最优值的对比可知,本文算法能够较高精度的对船舶进行跟踪预测。     

一种基于BP神经网络的铁路大宗货物运价风险预警判定方法

为获取较大的市场占有率和较好的利润增长水平,铁路货运公司需要实时掌握铁路货物运价在货运市场中的竞争力,综合考虑社会、企业自身和货主等因素,基于BP神经网络算法,进行铁路货运价格风险预警判定方法研究,并建立运价风险预警模型。以某铁路局集团有限公司大宗货物运输中的煤炭运输为例,选取2015-2017年相关数据,训练BP神经网络模型,得到铁路煤炭运价的风险预警结果。与实际数据对比,拟合程度较高,因此可使用该方法对当期的运价风险程度进行合理预测,同时也对相关铁路部门的运价政策制定与调整起到辅助决策作用。     

基于改进BP-GA方法的FPSO舷侧结构耐撞性能优化设计

基于遗传算法和ABAQUS参数化有限元仿真技术,对传统的BP-GA优化方法进行改进,并采用改进的BP-GA方法对浮式生产储油卸油装置(FPSO)舷侧结构的耐撞性能进行优化,以验证其可行性和准确性。结果表明,与传统的BP神经网络相比,经遗传算法优化的BP神经网络具有更高的预测精度和更强的泛化能力;改进的BP-GA优化方法可在结构减重的基础上进一步提高结构的耐撞性能,能较好地适用于复杂的FPSO舷侧结构耐撞性优化设计。采用的优化方法具有通用性,可为抗爆性能的优化设计提供参考。