基于模糊神经网络的舰船火灾早期探测报警系统设计

结合当前舰船火灾探测报警系统的现状和对于火灾早期探测的需求,提出一种将主动吸气式空气采样感烟探测器和阴燃类电气火灾燃烧产物特征量CO及传统温度信号通过模糊神经网络和遗传算法进行融合判定的系统设计方法,详细描述系统的构成,通过数据采集、模糊推理、火灾判定的软件实现过程.同时通过仿真计算表明该系统对于提高火灾探测报警的关键性能指标"响应时间"和"误报率"的有效性.该系统设计方法为电气类阴燃火的早期探测提供有效的技术解决途径,同时提高了系统抗误报警能力.     

智能型船舶火灾报警系统设计

提出基于模糊神经网络的智能型火灾报警系统，对系统的探测器、区域控制器、集中控制器进行了分析，并进行了抗干扰设计；分析表明，采用这一设计方法可大大提高船舶火灾报警系统的可靠性，减少误报率，提高系统的智能化程度。     

基于多重目标综合决策的船舶消防决策研究

火灾一直是行驶中的船舶的致命威胁,船用火灾报警系统的应用虽使毁于火灾的船舶数大幅下降,但其频繁的误报警也让使用者难以忍受。如何降低误报率便成为设计者竞相研究的课题。本文提出了在船舶消防系统中利用模糊决策理论来解决复杂环境下火灾的识别、判断及报警。论述了综合决策、多重目标综合决策数学模型,及其在船舶消防决策中的应用,最后给出实例加以说明。     

一种船舶舱室火灾报警优先级评估模型

舱室是船舶的重要组成部分。当某舱室发生火灾时,其相邻舱室极易引发连锁性起火,此时如果报警系统不能及时、准确、可靠地给出各舱室的关联报警信息,就会对整个船舶造成严重危害。为了增加船舶火灾报警系统的早期预警与关联报警功能,分析了通常情况下典型船舶舱室的火灾报警判别要素并对其进行量化,建立舱室火灾报警优先级BP神经网络评估模型,运用LM算法对该评估模型进行学习训练,并通过测试样本验证该船舶舱室火灾报警优先级评估模型的可行性与准确性。该方法有助于提高报警系统对各舱室火灾探测报警的准确性,从而可降低由于舱室关联起火而导致发生船舶重大损失的概率。     

自适应加权融合算法在图像型火灾探测系统中的应用

根据船舶火灾探测的特点以及火灾早期预报的要求,设计了带图像信息的火灾自动报警系统,并将自适应加权融合算法应用于该系统。在该系统中信息层完成数据采集、处理,特征层运用自适应加权融合算法进行特征融合,决策层运用概率神经网络进行决策融合,完成船舶火灾探测系统的自动报警输出。实验表明,将该算法应用于此系统能够准确、快速探测火灾,识别日光灯、酒精灯等干扰源,具有较强的抗干扰性。     

潜艇指挥决策控制模型及仿真研究

在分析模糊神经网络(FNN)结构的基础上,根据潜艇指挥决策控制的特点,提出了利用模糊神经网络建立潜艇指挥决策控制模型.潜艇指挥决策控制过程是一个典型的模糊过程,模糊神经网络能够较好地处理模糊信息,并具备模糊推理能力.文中给出了适应潜艇指挥决策控制特点的模糊神经网络结构,推导了模糊神经网络学习算法,并探讨了基于模糊神经网络的潜艇指挥决策控制模型在潜艇指挥控制系统中的应用.     

船舶火灾报警系统的检验及维护

本文简要介绍了船舶火灾报警系统的功能及其组成,阐述了船舶火灾报警系统审图的要点,并提出了船舶火灾报警系统现场检验的方法,最后说明了船舶火灾报警系统日常维护保养的要求。     

模糊专家系统的连锁失效方法及在船舶消防中的应用

本文提出了一种基于模糊专家系统的连锁性失效测评方法,建立了基于该系统的连锁性失效测评指标,该方法不同于以往故障树方法的静态性,具有实时动态性,根据不同的输入参数,能够给出不同的决策结果,更能满足实际的需要。文章以船舶火灾自动报警系统为例,对船舶火灾自动报警系统以舱室为单元进行模块化建模,考虑了温度、烟雾浓度、可燃气体浓度,舱室危险度尤其是舱室之间关联信息、报警时间和舱室着火温度三个对连锁失效起重要作用的影响因子,详细设计了模糊规则,确定连锁报警舱室,判定连锁报警等级,得到船舶舱室消防系统单元连锁性失效路径。仿真结果说明了该方法的准确性与有效性,表明测评结果的准确性。最后,通过和故障树方法对比阐述了该方法的优越性。     

船舶火灾报警系统的检验及维护

本文简要介绍了船舶火灾报警系统的功能及其组成，阐述了船舶火灾报警系统审图的要点，并提出了船舶火灾报警系统现场检验的方法，最后说明了船舶火灾报警系统日常维护保养的要求。     

火灾自动报警系统及发展

以火灾自动报警技术为核心的建筑消防系统,是预防和遏制建筑火灾的重要保障。近年来,我国火灾自动报警技术实现了较快发展,但由于在实际应用中,火灾自动报警系统的通     

动态模糊神经网络在船舶动力定位中的应用

在前向模糊神经网络的归一化层和输出层之间加入递归层,形成的一种新型动态模糊神经网络(DFNN)具有动态映射能力,从而对动态系统有更好的响应.文章还推导了基于BP的反传学习算法.运用DFNN对船舶动力定位控制进行的仿真实验结果证明了该方法的有效性.     

船舶主柴油机缸套冷却水出口温度的智能控制

利用传热学的有关理论,对船舶主柴油机缸套冷却水系统的传热机理进行了分析,给出了船舶主柴油机缸套冷却水系统的动态热力数学模型,并将基于神经网络的模糊PID控制引入到缸套冷却水出口温度控制系统中,以实现对对象进行在线控制.仿真结果表明,基于神经网络的模糊PID自适应控制比传统的PID控制的控制性能更好,而且前者具备适应控制环境变化的能力和自学习能力,当主机运行工况发生变化时,仍具有很好的控制性能.     

基于模糊神经网络的燃气轮机故障诊断专家系统研究

针对神经网络和传统专家系统在燃气轮机故障诊断过程中各自存在的局限性,提出了一种将模糊神经网络和专家系统相结合的方法.解决了以往专家系统专家知识获取困难和不能描述模糊性知识的缺陷.通过已开发的某型三轴燃气轮机运行模拟器取得典型的故障样本完成了对模糊神经网络的训练工作,最后选取一定数量的测试样本对网络进行了测试,证明了系统的可行性.结果表明,该方法行之有效,在燃气轮机故障诊断领域中有很好的应用价值.     

一种基于神经网络的故障诊断新方法研究

针对电子设备故障诊断的问题,在研究分析模糊理论和神经网络的原理和特点的基础上,提出了一种模糊神经网络故障诊断方法,实现两者优势互补,并将全信息理论应用其中,为实现人工神经网络能在人类智能模拟深度上有新突破进行了有意义的探索。     

基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.     

基于BP神经网络的船舱温度预警系统

针对现有的船舶机舱的环境监测报警系统无法对船舱火灾进行预警的缺点,设计一种基于BP神经网络的船舱温度预警系统。对船舱某一固定点的温度进行模拟仿真得到预测结果,并通过与实际测得的温度数据比较验证系统仿真得到结果的正确性。实验证明,该船舱温度预测模型预测的结果与真实测得的温度数据比较具有相对较高的准确性,可以达到温度预测的效果,对船舶机舱对火灾进行预警具有一定意义。     

神经网络自学习模糊控制器在直流蒸汽发生器控制中的应用

针对直流蒸发器的动态过程中，各段长度均发生变化，干扰因素多，具有不确定性和非线性等特性，利用神经网络具有并行处理，分布式信息存贮，自学习自适应特点等，设计了基于神经网络的自学习模糊控制器，仿真结果表明，所设计的控制器具有良好的控制效果。本文研究结果对直流蒸汽发生器的控制系统设计具有一定的指导意义。     

基于加权矢量神经网络的辐射源识别方法

现有的很多分类识别方法包括基于专家系统的方法[1]、基于贝叶斯理论的方法、基于模糊模式识别的方法[2]、基于最近邻的方法[3]、基于人工神经网络的方法[3]等等在辐射源识别中都有比较成功的应用,但这些方法一般都针对测量参数为标量形式的测量值进行处理,在一定程度上解决了由于参数测量误差所引起的辐射源识别问题,对于误差的另一种情形,即测量参数为区间类型模糊值的情况讨论却较少,文献提出了一种基于模糊IF-Then规则的神经网络算法,给出了能够处理模糊输入的神经网络体系结构,同时给出了一种基于代价函数的学习算法,其代价函数由实际模糊输出和无模糊输出决定,通过学习该网络能够实现模糊输入到模糊输出的非线性映射。     

基于FNN的船舶舵伺服系统故障诊断研究

分析某型船舶舵伺服系统的故障信息,建立了模糊神经网络故障诊断模型.利用模糊逻辑处理数据以便于充分利用经验知识;利用神经网络诊断,避免了复杂故障树诊断系统的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,并采用改进的BP算法训练神经网络,解决了收敛速度和收敛振荡的问题.诊断实例结果表明:该故障诊断系统具有较强的鲁棒性和泛化能力;该算法采用无模型化诊断,容易实现自学习,可不断完善系统性能,具有一定的理论和工程应用价值.