基于神经网络的舰船运动短期预测

船舶在海上航行过程中受海风及海浪等因素的影响,使其产生六自由度的随机复杂运动。这对武器控制、舰载机着舰等操作起着相当的影响。该文分析了舰船运动姿态的时间序列特性,按照动力学系统反演原理,建立基于时间序列的非线性预测映射,根据在理论上三层感知器神经网络能够无限逼近任意非线性函数的特点,建立了用于时序分析的三层感知器模型,给出了时序反向传播算法。并进行了算例计算,从结果分析看,神经网络预测精度要稍高于时间序列分析法,为舰船运动短期预测提供了一种新的方法。     

风浪中船舶横摇仿真与预报研究

对船舶横摇运动进行仿真与预报研究可大大提高船舶航行安全性,更好地保障船舶各项作业的顺利进行.从频谱分析的角度对海上随机风浪进行仿真,并根据刚体平衡原理建立船舶运动方程,由此仿真船舶的横摇运动.在此基础上,针对舰船运动姿态非线性、非平稳的时域特点,运用改进AR模型的多层递阶方法和自回归方法对船舶横摇运动进行预报,结合预报误差指标进行两种预报方法的比较.预报结果表明,多层递阶方法在一定程度上提高了船舶运动姿态的预报精度和预报时间长度,可较好实现非线性预报.     

变步长LMS算法相空间重构的AR模型预报仿真

研究船舶运动姿态预报问题,存在着预报精度不高和收敛速度慢的问题,根据船舶运动具有混沌特性的特点,提出了VSS-LMS算法重构相空间,建立AR预报模型,实现了对船舶运动姿态的预报仿真,提高了稳态的预报精度,并在初期就能很好地提高收敛速度。经实验证明,基于VSS-LMS算法的混沌相空间重构AR预报模型预报精度更高、预报时间更长,且具有更快的收敛速度,为船舶运动姿态实时在线预报提供了理论依据。     

基于FOA优化GRNN的船舶交通流预测模型

针对船舶交通流预测中存在复杂性、非线性、受限因素多等特点,运用果蝇优化算法,建立了优化的广义回归神经网络船舶交通流预测模型。通过利用果蝇优化算法的全局寻优特性对广义回归神经网络进行参数优化,从而实现对船舶交通流的预测。以东海大桥的船舶流量观测数据为实例对象进行分析,通过MATLAB进行仿真预测,实验结果表明:FOA-GRNN模型相比于传统的GRNN模型和BPNN模型具有更高的预测精度和泛化能力,有效地解决了预测过程中数据样本少、非线性拟合能力差等问题,对水路的规划、通航管理等方面具有一定的应用价值。     

静电悬浮的NARX网络自适应逆控制

静电悬浮控制系统中存在建模不准确及对象扰动,传统控制器只能在动态控制精度和扰动消除性能之间折衷;为了克服其对控制器精度的影响,研究了带扰动消除的自适应逆控制算法.以非线性自回归动态神经网络进行正模型、逆模型以及扰动消除控制器的实时辨识,利用基于遗传算法的改进粒子群算法进行神经网络的更新,以提高自适应收敛速度和精度.设计了基于DSP与PC的仿真环境,分别部署静电悬浮虚拟被控对象和自适应逆控制算法,实现对控制算法的实时验证.结果表明所设计的控制结构与算法可以实现对静电悬浮的稳定控制与扰动消除.利用PC和相应的I/O接口,以及所部署的实时控制算法可以实现快速控制原型,为控制器的工程实现提供基础.     

混沌对角递归神经网络的船舶横摇预报方法

船舶运动在一定条件下会出现混沌特性,因此可以利用混沌神经网络对其进行预报.对传统的混沌对角递归神经网络模型各权值的训练进行优化,给出了基于Lyapunov函数的各层权所通用的学习速率调整算法的收敛定理并加以证明.仿真结果表明,采用优化采样时刻可提高各权值的精确度,使收敛性得到改善,能有效提高预报精度和延长预报时间.与前向神经网络BP预测相对比,优化后的模型具有很好的预测效果.     

基于神经网络的非线性船舶航向自适应逆控制

考虑船舶航向控制模型中存在的非线性,本研究在模型参数未知的情况下,基于神经网络非线性滤波器,构建了非线性船舶航向的在线自适应逆控制系统.通过对"The R.O.V Zeefakkel"散装船的仿真研究,证明了该自适应算法的有效性,系统在显著改善动态响应性能的同时,具有良好的鲁棒性和扰动消除能力.     

多智能体粒子群优化的SVR 模型预测控制

参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著,鉴于此,提出一种多智能体粒子群算法(MAPSO)寻优其参数的方法,并建立MAPSO支持向量回归模型,用于非线性系统的模型预测控制,推导出最优控制率.采用该算法对非线性系统进行仿真,并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和RBF神经网络的预测控制方法进行比较,结果表明,所提出的算法具有更好的控制性能,可以有效应用于非线性系统控制中.     

动力定位船舶纵向运动的反步法控制器设计

本文研究了动力定位系统的控制策略,针对船舶动力定位系统模型的非线性特性,考虑到风浪流等外部环境扰动对船舶引起的恒值干扰及其不确定性,基于带有未知定常扰动的三自由度非线性船舶水面运动数学模型,应用自适应反步法设计船舶动力定位控制律,将Lyapunov函数选取和控制器设计相结合的回归设计方法,并在MATLAB软件环境下通过仿真研究验证模型和控制策略的有效性。在计算机仿真研究中,以26:1比例建造的2800mm×762mm×498mm船模为设计实例。     

基于鸟群算法优化BP神经网络的热舒适度预测

热舒适度是室内环境舒适性的评价指标,由于热舒适度的计算是一个复杂的非线性迭代过程,不便应用于空调实时控制系统中,为解决这一问题,可利用BP神经网络算法对热舒适度进行预测.但为了改善传统BP神经网络收敛速度慢的问题,将采用鸟群算法（BSA）来优化BP神经网络初始的权值与阈值.最后,将BSA算法与相近的粒子群算法（PSO）进行对比分析,并利用MATLAB软件进行仿真,使BSA-BP预测模型的仿真结果与基本的BP神经网络预测模型、PSO-BP预测模型的仿真结果进行对比分析.结果表明,BSA-BP预测模型具有较快的收敛速度和较高的预测精度.