RBF神经网络混沌背景下微弱信号检测方法研究

船舶信号检测系统在检测水场压力值等信号时,会遇到海浪、强风等较强的噪声干扰。为了有效降低信噪比,提取微弱信号,本文提出基于RBF神经网络的混沌背景下微弱信号的检测方法。该微弱信号检测方法基于混沌动力学和静力学原理,利用RBF神经网络算法将敏感程度高的混沌振子与RBF神经网络拓扑结构相结合,构建抗干扰能力强、接收信号能力强的微弱信号检测系统。     

混沌遗传算法在船舶电力系统供电恢复中的应用研究

实现船舶电力系统的快速供电恢复是一个复杂的多目标非线性组合优化问题.根据系统的特点,采用混沌自适应遗传算法,使用混沌优化产生初始群体,以保证初始种群含有较丰富的模式,从而增加搜索快速收敛于全局最优解的可能,然后通过采用精英保留的选择机制和自适应交叉、变异概率,有效地加快了算法的收敛速度.船舶电力系统典型故障恢复算例表明,该算法改善了遗传算法的性能,提高了算法的收敛速度及精度,避免了不成熟收敛,较好地实现了船舶电力系统的多目标故障恢复.     

基于OIPSO算法的环境最优动力定位控制器设计

环境最优动力定位控制是一种以能量消耗最少为目标的动力定位控制方法,在不需要任何环境传感器的情况下,使其保持在设定区域且消耗能量最少,节约燃料、减少有害气体的排放。首先,提出一种带有目标性初始化粒子群的改进粒子群优化算法(OIPSO),通过引入混沌算子,利用信息熵进行评估对初始化粒子种群进行调整以提高粒子群算法全局搜索能力和收敛速度,具有大范围全局寻优能力。其次,研究设计环境最优艏向控制器控制律,该控制律能满足欠驱动船舶动力定位的控制需求。最后以Cyber Ship Ⅱ动力定位模型船为对象进行仿真验证。结果表明,所提出的寻优算法和改进控制律达到了设计的目的。     

车用汽油机瞬态空燃比的混沌时序非线性组合辨识模型

为提高汽油机瞬态空燃比的辨识精度,提出了混沌时序非线性组合辨识模型.采用2种单项辨识方法,包括最小二乘支持向量机(LS-SVM)及径向基函数(RBF)前向型神经网络,分别对瞬态空燃比时间序列进行建模与辨识.采用非线性组合方法利用BP神经网络对2种单项辨识方法的结果进行组合辨识,并与Elman神经网络模型及最小二乘辨识模型进行比较.结果表明:混沌时序非线性组合辨识模型的辨识精度优于Elman神经网络模型及最小二乘辨识模型,具有更强的非线性辨识能力,能提高瞬态空燃比的辨识精度,为空燃比反馈控制的成功实行提供了有力依据.     

短时交通流预测研究

对短时交通流进行了混沌识别,表明其具备混沌特性,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌理论的交通流神经网络模型,理论上验证了该方法对短时交通流预测的有效性。     

舰船摇荡运动数据采集及混沌特性分析

针对波浪中的舰船摇荡运动难以用微分方程进行描述的矛盾,提出了通过实船试验获取摇荡时历进而分析其机理的方法.详细介绍了舰船摇荡运动数据采集的设备、方法和步骤.对实测数据进行的定性分析和定量计算表明,所采集的实船摇荡时历是混沌时间序列,表明实际非规则波中的舰船摇荡运动具有混沌特性.     

船舶横摇变参数LSSVM在线预报方法(英文)

为提高船舶横摇运动预报的精度以及实时性,提出一种利用混沌理论和最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)在线训练算法的实时在线预报方法。针对预报模型的固定核参数不能适应横摇运动的动态变化而进行自动调节这一问题,设计一种基于LSSVM的变参数在线建模方法。利用三个LSSVM并行建模,将整个预报过程分为初始阶段和若干个预报阶段,并在每个阶段末选出下一个预报阶段的预报LSSVM,同时根据启发式规则为另两个LSSVM设定核参数,它们作为下一阶段的比较LSSVM。对某船横摇运动时间序列进行预报,仿真结果表明,所提变参数LSSVM在线预报方法平均相对均方误差为6.85%,相比于固定参数预报方法具有更好的适应性。     

随机数的产生及其在高炮射击命中仿真中的应用

文章对服从均匀分布的随机数生成进行了探讨,给出了一种基于混沌映射原理的随机数发生器设计,经过统计检验后认为该方法可以生成高质量的随机数。给出了防空兵作战实验系统中高炮射击仿真的过程,将生成的随机数应用于仿真系统后对结果进行了分析。     

直扩系统中Gold码与混沌Logistic码序列的性能 …

比较了传统扩频序列Ｇｏｌｄ码与混沌扩频序列的传输性能，并进行了计算机仿真。结果表明，混沌序列作为扩频不仅数目大，而且其误码率优于Ｇｏｌｄ码。讨论了两种混沌序列分别作为扩频序列时，表现出差异较大的传输特性，说明存在一个混沌系统和参数的选取问题。