基于混合学习算法的水下机器人神经网络辨识

借鉴Elman和Jordan神经网络的特点,构造了一种新的动态神经网络.该网络能对隐含层的历史进行状态记忆,实时调整过去的信号对现在值的影响,并且增加了输出层节点的反馈以增强神经网络的信号处理能力.将基于遗传算法(GA)和误差反传算法(BP)的混合学习算法用于神经网络权值的修改,既可提高收敛速度又能避免陷于局部极小值.最后,将改进的神经网络应用于水下机器人动力学模型辨识,仿真结果表明,基于混合学习算法的神经网络提高了学习的收敛速度和辨识精度.     

舰船机舱监控系统发展研究

1 引言1.1 现代化舰船对机舱监控系统的需求 机舱自动化监控系统在舰船动力装置中的地位和重要性的提高,主要是源于下述需求:①核、生、化作战环境;②推进模式变化;③更高的机动性要求;④更快的反应速度;⑤不断提高的损害管制要求;⑥更高的可靠性、安全性要求。1.2 机舱监控系统设计概念的发展