无人水下潜器回收过程中光学引导模式的研究

国际上,包括美国和法国等先进的西方国家都正在进行水下无人潜器UUV（Unmanned Underwater Vehicle）回收技术的研究．国内,哈尔滨工程大学的一个科研小组在这个领域 也正在开展一些探索性的研究,本文介绍了这个小组在光学引导方面最新的研究结果,主要 包括(UUV)回收过程的光学引导模式的模型和算法研究．本文研究出的模型比较精确,算法 对图片分析的精度较高,这有利于得到高精度的引导信息．     

一种广义预测模型的研究

传统的预测方法存在着难以全面考虑影响因素，其中包括算法复杂、精度较差、实时应用等缺点，针对供热、空调、电力、供水等系统的负荷既受到环境因素等模拟量的影响，又受到节假日、上下班等开关量影响的特点，将模拟人脑逻辑思维的模糊技术与模拟人脑自学习的神经网络技术相结合的模糊神经网络引入到负荷的预测中，提出了一种新型的基于模糊神经网络的预测模型，并对输入量的选择进行了详细的分析，既考虑了历史数据的影响，又考虑了突发事件的作用，获得了较快的预测速度和较高的预测精度。     

几种改进BP算法的性能比较

对ＡＢＰＭ、Ｌ－Ｍ、ＨＢＰ三种改进的ＢＰ算法的原理进行了研究,通过仿真计算,人统计角度对它们在分类问题、逼近问题随两方面的收敛速度、收敛精度等特性进行了分析比较,并对三种算法中影响网络收敛在因素进行了探讨,为使用者选择适合自己的高性能算法提供了参考。     

潜器对接及其虚拟现实仿真技术的研究

海洋空间对接是援潜救生技术中最关键的内容．根据援潜救生机器人的作业特点，本 文对其进行了基于离散事件系统（DES）的作业规划［1］；给出了各阶段必要的信息 处理方法；并针对基于DES控制系统用常规方法仿真结果不直观的缺陷，设计了潜器对接虚 拟现实系统，最后展示了运用该系统对潜器对接过程仿真的结果．     

基于BP网络的空调负荷预报建模方法的研究

对用ＢＰ网络进行逐时空调节负荷的建模方法进行了研究。提出了两种类型负荷预报模型,基于建筑模型辩识的负荷预报法和基于时间序列的负荷预报法。并分四种具体情况进行了分析,了一种较为适合的负荷预报方法,这对于蓄冷空调系统优化控制的实施具有重要的意义。     

基于FPN的水下机器人智能控制中的协调级规划

针对海洋空间对接水下机器人作业过程用常规方法难以控制的情况,引入了分层递阶 智能控制方法;将模糊推理规则与佩特里网相结合的FPN（Fuzzy Petri Net）用于水下机器 人分层递阶智能控制的协调级规划中,使它能更好的反映出控制过程的事件驱动、时间驱动 和模糊信息等特性.     

前向神经网络学习算法研究

利用优化算法中的信赖域法,选取了合适的计算模型,并具有全局收敛性、收敛快速性。BP网络学习算法对异或问题、逼近问题进行的具有统计意义的仿真,表明了该算法的有效性及对样本数量变化不敏感的特性。