行李安检禁限带物品识别多标签图像分类算法

有效识别禁限带物品的智能识别算法有助于降低安检人员劳动强度,提升旅客行李安检作业效率。文章采用图像多标签分类的深度卷积神经网络,通过引入图像注意力机制与动态元融合,能够在卷积前向传递过程中补充低层图像视觉线索,有效应对行李X光图像中物品影像混叠干扰及低分辨率特征混淆的问题,增强对细粒度特征的识别能力;同时,引入外部神经知识的元选择网络,实现网络多阶段预测的自适应融合,以避免权重偏置现象。实验结果表明,文章算法能够克服行李X光图像中影像混叠和物品尺度变化带来的禁限带物品识别困难,有效提高识别准确率。     

基于ABC优化BP神经网络的船舶交通流量预测

为提高船舶交通流量预测的准确性,针对BP神经网络随机确定初始权值和阈值的缺点,提出一种基于人工蜂群算法(Artificial Bee Colony,ABC)改进BP神经网络的ABC-BP船舶交通流量预测模型.利用人工蜂群算法全局搜索能力和不易陷入局部最优的特点,对BP神经网络的初始权值和阈值进行优化,并以青岛港船舶交通...     

基于LM算法神经网络的PMSM转子位置估算

针对永磁同步电机控制中传统机械传感器容易故障或失效,常规无传感器转子位置估计方法实现复杂、计算量大、易受干扰等问题,提出了基于LM算法神经网络的永磁同步电机转子位置估算器.通过采集两相静止坐标系下电压、电流以及与转子位置相关联的数据集来创建估算器模型,针对标准BP神经网络算法收敛速度慢、效率低的问题,将采用LM算法对数...     

基于PSO-BP神经网络的油船中部结构优化

以舱段质量为目标函数,以相关规范要求的板厚及应力为约束条件,通过灵敏度分析确定设计变量,对油船中部结构优化。构建基于粒子群优化的BP神经网络模型,并代替有限元分析确定应力与设计变量之间关系,从而对舱段进行结构优化。优化后舱段质量降低了4.2%,优化后的有限元分析结果表明满足规范要求,PSOBP神经网络模型在船舶结构优化设计中具有可行性。     

基于神经网络的船舶计算网络安全评估架构

船舶工业的发展提高了船舶系统的复杂度,船舶计算网络的安全问题对安全评估架构提出了新的需求。传统的评估架构不能满足船舶网络对准确性和性能的要求。本文首先根据船舶网络的特点建立基于嵌入式web服务器的安全评估系统,然后使用神经网络预测船舶网络的安全性,提高评估的精确性和性能。     

神经网络专家系统在船舶控制系统故障诊断的应用

首先阐述神经网络技术和专家系统2种算法优劣之处,然后将2种算法相结合应用到船舶控制系统故障诊断中,结合后的算法具有较好的自学习和并行计算能力。在进行算法的详细描述中,介绍神经网络专家系统的基本结构,并对其在船舶控制故障诊断中的框架进行设计,针对具体的实际应用建立知识库。最后利用训练数据进行仿真实验,实验结果表明本文采用的神经网络专家系统在故障诊断方面具有可行性。     

基于PSCAD/EMTDC的舰船电力系统智能保护仿真研究

相对于传统电力系统,现在大型船舶电力系统负载更大,结构更加复杂,传统的电力保护越来越不能适应现代智能电网的要求,电力保护系统的智能化及自动化成为了其发展方向。基于神经网络的智能电力保护网络检测传输网络电流(包括两相及三相电流)有效值,并根据检测值自适应调整保护电流。本文分析现代船舶电力保护系统架构,构建基于PSCAD/EMTDC仿真模型,在此基础上提出基于神经网络的智能保护方法,最后进行仿真。     

小样本情况下的船舶溢油事故风险评价研究

船舶溢油风险评价是一项复杂的多因素问题,是船舶溢油应急管理的关键环节.作为智能搜索算法的代表理论,BP神经网络被认为是进行不确定风险评价的较好方法之一,然而船舶溢油事故属于小样本事件,统计数据往往难以满足BP神经网络要求的样本容量.针对这一困境,首先提出一种利用B样条最小二乘理论的数据拟合法,显著增加样本数.其次,根据船舶溢油特点建立了基于BP神经网络的船舶溢油风险评价模型.最后以上海港近年发生的10起溢油事故为实例,检验了模型的可行性.     

基于神经网络和L2增益的船舶航向自动舵设计

对一类带建模误差和不确定性外界干扰的船舶运动非线性系统,提出了一种基于神经网络和L2增益方法的航向自动舵设计.对模型中的建模误差采用在线神经网络予以辨识和补偿,避免了建模误差界定函数的经验选择;而对不确定外界干扰力项则采用L2增益设计,保证了闭环跟踪系统的鲁棒性.控制器设计步骤应用Lyapunov函数递推法,航向跟踪误差和神经网络权值误差被证明是一致终值有界的.合理的控制器参数选择保证了控制系统的跟踪精度.数值仿真结果验证了控制器设计的有效性.     

基于二分法的车辆状态参数融合估计

为提高车辆状态参数估计的精度和可靠性,提出一种基于二分法的车辆状态参数融合估计方法。首先,设计了基于车辆3自由度动力学模型的扩展卡尔曼滤波算法和由数据驱动的径向基神经网络车辆状态参数估计算法。然后,为了进一步提高估计算法的可靠性和减小单一算法的估计误差,提出将模型驱动的估计算法和数据驱动的估计算法相补偿的融合估计方法,基于二分法设置扩展卡尔曼滤波和径向基神经网络估计结果的权重,利用估计算法的融合提高估计精度。最后通过MATLAB/Simulink与CarSim的联合仿真和实车在环试验对该融合方法的有效性进行了验证。结果表明,估计结果变化趋势与实际相符,所提出的融合算法的估计精度比单一扩展卡尔曼滤波算法和径向基神经网络算法有明显的提升。