基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题，提出一种基于模糊神经网络的机器人推进系统故障诊断方法，用以解决故障诊断过程中信息的不确定性问题，并提高推进系统的整体可靠性。该方法在常规神经网络基础上，引入模糊推理形成一种新型模糊神经网络结构，提出一种最小调整的模糊神经网络学习率，完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练，利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息，并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中，结果表明，基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。     

基于小波网络的水下机器人故障诊断研究

由于水下机器人系统的复杂性、不确定性及强非线性等使得对其建模异常困难,采用一种最小调整的小波神经网络对其进行运动建模以获得理想的建模效果.通过该网络的自学习,调节小波函数的伸缩因子与平移因子以及网络连接权值,既能以任意精度逼近函数的整体轮廓,也能捕捉函数的变化细节,使得函数的逼近效果较好.对比模型的输出与实际传感器测量值来生成残差,通过分析残差特性来提取故障诊断判据,进而完成推进器故障诊断.完成了推进器故障诊断的仿真试验,仿真结果验证了该方法的有效性和可行性.     

基于模型融合的自主潜器推进系统故障诊断

采用对自主潜器(AUV)的全局状态模型与推进器局部模型融合的方法,实现对水下机器人推进系统的实时故障诊断.在诊断过程中,对AUV的特征状态参数进行残差信息融合,提出了故障诊断准则,保证了故障诊断的可靠性;并以仿真试验验证了该方法的有效性.     

基于小波网络的水下机器人推进器故障诊断

针对小波神经网络的隐层小波函数可以调节伸缩因子与平移因子影响网络输出的特点，将其伸缩因子与平移因子引入到最小扰动动态学习率的学习算法中。此算法通过计算动态学习率，使得小波函数的伸缩因子与平移因子以及网络连接权值的变化最小，这样便可提高小波神经网络的稳定性和收敛速度。使用这种小波神经网络对机器人建模，通过比较模型的输出（运动状态估计值）与实际测量值可得到残差，并分析残差提取故障判断准则，从而进行推进器故障诊断。仿真试验验证了该方法的有效性。     

无人水下机器人可靠性控制技术

对无人水下机器人故障诊断与容错控制技术进行了综述.首先简单阐述了无人水下机器人的基本概念和故障模式,然后介绍了水下机器人传感器故障诊断方法﹑推进器故障诊断方法及无人水下机器人的容错控制技术,评述了各种方法的特点与局限性.最后给出了水下机器人可靠性控制技术研究的若干发展方向.     

船舶螺旋桨水下清洗机器人推进器驱动 及关键部件状态监测研究

针对船舶螺旋桨水下清洗问题,设计一种由水下机器人、机械手、空化射流系统集成的水下清洗机器人系统,重点研究了水下机器人推进器驱动及关键部件状态监测.针对水下机器人推进器驱动过程中,模拟电压-脉冲宽度调制信号转换模块与脉冲宽度调制驱动器两者功率不匹配的问题,提出一种模拟驱动器和脉冲宽度调制驱动器结合的混合驱动电路.针对推进器运行状态监测过程中,上位机控制界面显示的推进器电流信号,含有较大随机噪声干扰的问题,提出一种七点平滑小波降噪方法.针对水下机器人密封舱漏水状态监测过程中,漏水检测电路存在误报的问题,设计一种下拉电阻接地电路.通过陆上试验和水池试验对文中设计的推进器驱动电路、推进器电流降噪方法、漏水检测电路以及水下清洗机器人系统的有效性进行了验证.     

基于模糊神经网络的水下机器人实时状态监测模型

本文提出了基于人工智能的自主式水下机器人推进器及舵状态监测模块结构,基于模糊神经网络技术,以模糊自适应学习控制网络为核心构筑了状态监测模型,提出了基于最大权值矩阵的规则提取及基于浮点数编码的遗传算法参数调整方法,分析了推进器及舵的状态监测过程,并基于监测模型探讨了推进器及舵工作状态的评价方法.通过计算机仿真试验,验证了本文所提方法的有效性和监测模型的可行性.     

基于目标规划的水下机器人模糊神经网络控制

针对水下机器人运动的精确控制问题,依据模糊逻辑和神经网络理论,提出了一种基于目标规划的模糊神经网络控制方法。根据水下机器人的运动特性构造了模糊神经网络的结构,并推导了网络权值学习的反传算法,最后以水下综合探测机器人为研究对象进行了试验研究。试验研究的结果表明,该方法结合了传统模糊控制和神经网络控制的优点,大大地提高了系统响应速度和控制精度,并且对模型的不确定性有较强的鲁棒性,能够实现水下机器人运动的精确控制,具有较高的理论和实用价值。     

水下航行器执行机构故障诊断方法研究

针对水下航行器执行机构故障论断问题,建立了航行器推进器及舵等执行机构的偏差型故障模型和航行器水平面运动模型;设计了一种采用时变渐消因子实现的强跟踪滤波器算法,在线估计航行器状态及执行机构故障偏差,通过对残差进行分析,实现了对水下航行器执行机构的故障诊断。仿真试验验证了强跟踪滤波器在航行器执行机构故障诊断中的有效性。     

RBF网络Q-学习在水下机器人首向角锁定中的应用

水下机器人工作环境的多变性和复杂性,对其控制系统提出了鲁棒性、自适应性等更高要求。本文研究水下机器人的运动特点,在RBF神经网络的基础上阐述Q-学习在水下机器人首向角锁定中的应用,最后将其与RBF网络控制进行仿真对比,实验结果表明本文算法控制稳定、精度高。     

基于UPF的神经网络辅助机动目标跟踪

为提高机动目标跟踪性能，提出了一种神经网络辅助下的滤波方法。基于Unscented卡尔曼滤波方法，Unscented粒子滤波器（UPF）能够产生较准确的建议密度分布，因此相对于其它蒙特卡洛方法，UPF能够获得对非线性目标跟踪问题更好的近似。利用目标的机动特征建立和训练神经网络，将神经网络的输出作为加速度控制参数，用于修正目标的运动模型。仿真结果表明，与扩展卡尔曼滤波相比，神经网络辅助下的UPF具有更好的跟踪性能。     

基于LabVIEW的柴油机供油系故障诊断系统开发

基于虚拟仪器技术,利用LabVIEW7.1编写采集分析程序,并以Matlab Script节点形式调用在Matlab里训练成功后的BP神经网络程序,开发了柴油机供油系故障诊断系统。该系统由PCI-6221采集卡获取测取燃油压力波形,利用小波包分解提取特征信号,并组成特征向量输入训练成功的BP神经网络进行典型故障识别,诊断结果通过人机界面输出,从而实现了故障诊断的智能化。     

基于神经网络对电控柴油机运行特性影响因素仿真研究

基于AVL-BOOST软件仿真平台建立某船用四缸柴油机仿真模型,标定后的模型进行柴油机全工况仿真计算.仿真出来的3 200组数据作为人工神经网络输入数据,采用贝叶斯统计方法对网络进行训练建立2层的反馈神经网络仿真模型.并分别通过实验、AVL-BOOST和神经网络数据曲线的对比分析,验证人工神经网络预测的准确性.利用验证好的人工神经网络模型预测进排气压力对柴油机转矩的影响,以及预测压缩比和供油定时对柴油机排放性能和动力性能的影响,最后利用扰动法分析不同工况下柴油机各个参数对柴油机性能的影响程度.     

基于BP神经网络的SAR干扰效果评估

将BP神经网络引入SAR干扰效果评估过程，根据干扰效果评定诸因素构造合适的指标作为网络输入，网络输出为干扰效果所对应的等级划分，然后利用训练样本对网络进行学习和训练。仿真结果表明，这种方法是可行的，减少了评估过程中人为因素的干扰，使得评估结果更为准确、可靠。     

深海潜水器载人舱腐蚀损伤识别方法研究

深海潜水器载人舱是海洋深潜结构物的重要组成部分,保障着工作人员的安全,所以掌握该结构在长期使用过程中的健康安全状况非常必要。本文首先对4500m深海潜水器载人舱6个监测点进行加速度监测,得到其加速度的结点能量；再通过广义回归神经网络和概率神经网络对这些加速度结点能量进行训练；最后用训练好的神经网络进行预测。研究结果表明,对深海潜水器载人舱结构损伤位置的预测正确率可以达到90%左右,可以达到健康监测的目的。     

基于BP人工神经网络和遗传算法的船舶螺旋桨优化设计

在原有图谱设计方法的基础上,采用BP(Back-Propagation)人工神经网络模型和遗传算法GA(GeneticAlgorithm),建立了一种船舶螺旋桨优化设计方法。BP人工神经网络模型通过训练可以具备强大的非线性映射能力,以数学解析的形式,较好地提取了海量螺旋桨水动力性能数据特征;GA不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,为计算机辅助船舶螺旋桨优化设计提供了一种通用的多参数优化框架。针对三体消波艇半浸式螺旋桨和沿海巡逻艇螺旋桨的设计实例表明,该方法能快速可靠地搜索到最优解,不仅具有足够的工程精度,而且实用方便,适用性强。     

基于人工神经网络方法的舰船参数灵敏度分析

舰船参数灵敏度分析不仅为判断各参数的重要性大小提供了依据,量化的灵敏度指标也是后续参数估计的前提。在舰船系统中,参数与舰船综合性能的显式函数关系不易得到,导致一阶灵敏度指标无法直接求取。本文确定了舰船的几个主要参数,建立起了舰船综合性能评估框架,利用人工神经网络的方法,用C语言编制了一套舰船综合性能的评估程序,将已有的数据、专家经验等量化后得到评判指标数值,形成样本,进行神经网络训练,然后通过训练完成的神经网络对各个参数进行了灵敏度分析。     

基于径向基函数神经网络的舰艇声呐部位自噪声预报

径向基函数神经网络具有学习速度较快,函数逼近能力强的特点.文章分析了影响声呐部位自噪声的各种声源参数,以舰艇声呐部位自噪声作为目标函数,将径向基函数神经网络用于舰艇声纳部位自噪声预报.利用舰艇声呐实测数据进行网络训练,训练好的神经网络可以对舰艇声呐部位自噪声进行精确预报.     

高阶CMAC神经网络及其在水下机器人运动控制中的应用

对高阶ＣＭＡＣ神经网络的结构和工作原理进行了研究,提出了中间层作用函数地址的计算方法,给出了计算高阶基函数的不同方法,利用高阶ＭＣＡＣ神经网络对水下机器人模糊深度控制器进行了学习,仿真结果显示了不同高阶基函数ＭＣＡＣ网络的不同建模能力,证明了中间层作用函数地址的计算方法正确。     

基于保局投影和SFAM网络的装备故障智能诊断

现代武器装备的高度复杂性,装备故障信息具有高度的非线性,这给装备技术保障带来新的挑战。针对这一问题,该文采用保局投影流行学习方法作为装备故障信号的特征提取器,将故障信号一类信息通过显式映射矩阵投影到低维空间,获得关于故障的特征信息;在此基础之上,利用特征信息训练SFAM网络形成一个故障诊断分类器,定位故障源及性质。仿真实验表明,该文提出的故障诊断技术方案对较高维数的故障信息具备较高的故障识别率及鲁棒性。