基于实时以太网的电力推进船舶IPNCS设计

针对现场总线技术在综合电力网络控制系统中应用的不足,设计了将基于实时以太网的网络控制系统植入综合全电力系统的模型。通过增加软件调度层并在线确定优先级的方法,确定实时节点占用信道的顺序,克服了现场总线技术缺点的同时解决了以太网本身的实时性问题,符合电力推进船舶综合全电力系统的要求及其发展趋势。仿真结果证明了结论的有效性。     

短路脱扣器特性研究

采用三维仿真软件Ansoft及Matlab软件,对脱扣器短路脱扣过程中受到的电磁力以及碟簧反力进行仿真计算,最终获得不同短路电流下脱扣器的动作时间。将仿真所得到的动作时间与脱扣器实际动作时间进行比较,证明该仿真方案计算准确。     

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。     

SWAN和MOHID联合模型在连云港港30万吨级航道建设中的应用

根据连云港海域的特点,建立能考虑风浪影响的三维潮流、泥沙数学模型,对真实的"韦帕"台风作用下的潮流场和泥沙场进行模拟,力求更合理地反映近岸泥沙运动规律。数学模型计算得到的流场、含沙量场和航道回淤结果与现场实测资料进行验证,二者吻合较好。在此基础上,对连云港港30万吨级航道在"韦帕"台风作用下的回淤情况进行了预测,给出了航道的沿程淤强分布,为航道的设计提供依据。     

基于BP神经网络的复杂布局管道泄漏检测研究

对基于BP神经网络的复杂布局管道泄漏检测与定位进行研究,确定实验方案和研究内容,介绍BP神经网络的输入参数、训练目标和隐含层节点个数,阐述基于BP神经网络的复杂管道泄漏检测研究。研究表明：用BP神经网络来预测复杂管道发生泄漏后的泄漏量大小是完全可行的;用其对是否发生泄漏进行状态辨识,则还要进行数据的二次处理;由于训练样本过少,用BP网络进行泄漏定位时会产生较大的误差,建议增加训练样本数,从而提高泄漏定位精度。     

线性神经网络在舰船磁场推算模型中的应用

针对舰艇内外磁场推算问题,从智能优化的角度出发,建立了内外磁场之间的线性神经网络预报模型。该方法避免了利用数值建模存在的诸多困难,可实现舰艇内外磁场有效推算。并利用船模实验验证了网络预测的准确性,其换算精度相较于数值建模有所提高,满足工程实际需求。     

基于神经网络的磁性目标磁矩反演方法

针对磁性目标定位中的磁矩反演问题,提出一种基于神经网络的磁矩反演技术。首先,基于最小二乘原理,建立了磁性目标磁矩反演模型;其次采用Hopfield网络进行了优化求解,并针对模型求解过程中鲁棒性差的弊端,对网络进化策略进行了自适应修正;最后设计了仿真实验对其有效性进行了检验,仿真结果表明利用修正后的网络求解磁矩反演问题结果令人满意,具有一定的实用性。     

基于事件触发的无线传感器网络动态分簇

针对由目标事件激发的无线传感器网络动态分簇问题,提出了一种动态分簇协议。着重研究了簇头竞选,成员招募和簇重组等关键环节,在簇头竞选机制中,提出了一种综合考虑了节点接收信号强度,剩余能量以及与汇聚节点的距离等因素的竞选方案。在簇成员招募阶段,提出了一种基于任务需求的自适应簇范围划分方法,约束了簇的规模,降低了簇内通信的能耗。仿真结果表明：该协议能够有效地节省节点能量,延长网络寿命,尤其适用于汇聚节点距离网络较远的情况。     

大型舰艇编队反潜模型研究

文章分析了网络中心反潜战的概念和基于网络中心战反潜理论的大型舰艇编队反潜作战体系的构成和作战流程,并建立相应的反潜模型。     

无线传感器网络基于信号到达角度的节点定位算法研究

提出了一种基于锚节点的信号到达角度值并利用节点之间的位置关系实现传感器网络中未知节点的定位算法。通过仿真实验,分析了锚节点数目、节点通信距离、测量角度误差等因素对算法的定位精度和定位覆盖率的影响。