SVM及其在船舶航向控制系统故障预报中的应用研究

来源 :哈尔滨工程大学 | 被引量 : 0次 | 上传用户:watermb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
船舶的航向控制是一个复杂而重要的问题,如果船舶航行时航向控制系统出现故障,就可能造成重大的影响,甚至会造成人员的伤亡,所以仅在故障发生后进行故障诊断是远远不够的。船舶航向控制系统故障预报技术的开发,可以避免不必要的停航,防止故障进一步发展,并且可以提前做好准备,缩短检修时间,对于获得最大的经济效益具有积极的意义。因此进行船舶航向控制系统故障预报技术研究具有非常重要的意义。本文采用针对小样本问题的支持向量机算法(Support Vector Machines,SVM),对船舶航向控制系统的故障预报技术进行研究。在分析船舶航向控制系统故障模式及故障原因的基础上,构建了该系统的故障树模型,采用下行法对故障树进行了定性分析,并对船舶航向控制系统进行了故障建模与仿真。推导出了基于支持向量机的时间序列预报方法,并将该方法应用于sinc函数和Lorenz混沌映射这两个时间序列的预报中,同时将移动平均法和指数平滑法的预报结果与之进行比较,仿真结果表明支持向量机回归算法能获得较高的预报精度。在分析系统故障发生和演变过程的基础上,建立了基于支持向量机回归算法的故障预报模型。针对将支持向量机应用于故障预报时,故障特征选择优化、加权SVM的加权系数优化、SVM的参数优化是相互关联的,而不是孤立的,提出将三者并行优化的方法;将动物的捕食搜索策略引入到基本鱼群算法中,形成了一种改进人工鱼群算法,并用这种改进的鱼群算法并行优化。仿真结果验证了并行优化方法和改进鱼群算法的有效性和优越性。针对支持向量机在故障预报时应同时追求训练精度高和训练速度快,提出了从多目标优化的角度对SVM算法的这两个性能指标进行综合考虑,并采用直接对多个目标同时优化的方法来求解Pareto近似解集;将免疫算法引入鱼群算法中,形成了改进的免疫鱼群算法,并采用改进的免疫鱼群算法来求取Pareto近似解集。仿真结果验证了多目标优化方法和改进的免疫鱼群算法的有效性和优越性。针对支持向量机回归算法中,核函数对其回归效果的影响,提出选用多项式核函数、径向基核函数和Sigmoid核函数构造不同的SVM算法,建立了三种船舶航向控制系统故障预报的SVM单预报模型,并根据组合预报原理建立了基于小波网络的SVM组合预报模型,仿真结果验证了SVM组合预报模型的优越性。对预报出的航向角偏差进行统计分析,并将统计值与给定阈值作比较,实现了船舶航向控制系统的故障预报。以所建故障树为依据建立专家知识库,在C++Builder 6.0语言环境下实现了故障预报的可视化。
其他文献
自司马氏继曹魏以后,中国曾出现了短暂的统一局面。但西晋王朝只存在短短的二十年,就出现“八王之乱”而逐渐瓦解。以后我国经历了长达二百八十余年的分裂局面,直到隋朝才得
企业职工作为重要的社会组成元素以及政策的接受者,延迟退休政策的制定、实施毫无疑问需要广泛征求他们的意见。本研究以W市作为调查基地,在文献研究、社会调查与深度访谈三者
随着市场竞争和产品同质化的加剧,多忠诚顾客已成为现实中普遍存在的消费群体。过去有关研究都没有清晰分辨多忠诚和单一忠诚顾客,所得结论的普适性值得怀疑。本文分析了多忠
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”$ MN。W;- __._——————》 砧叫]们羽 制作:陈恬’#陈川个美食 Back to yield
山东为滨海之省,胶东半岛横跨黄海和渤海,全省海岸线北白无棣,南至日照,长约2400华里。清代,伴随沿海地区的不断垦殖开发,渔户、渔船、渔获量均较前代增加。光绪年间,胶澳地
地理学科是文科学生高考必考科目,学生在学习时往往成绩不理想,造成这一现象的原因和地理学科的特点有着极大的关系,因此教师在课堂教学时,要注意学生正确的地理思维能力的培养。
机器人视觉伺服是一种利用视觉传感器与计算机实现人的视觉功能的技术。它从采集的图像中提取信息,并进行处理及理解,处理的结果被用于机器人的控制。由于机器人视觉伺服具有
多智能体系统是近年来分布式人工智能领域研究的一个重要分支。本文以机器人救援仿真系统为研究背景,针对通信受限、动态变化的复杂救援环境,采用带权与或树和AOE-网(Activit
关于真谛三藏文献中所说的梁安郡,有梁化郡、南安郡之误写等说法。从唐初杨炯文集中找到的梁安郡的用例,可以坐实“梁安郡”就是现在的泉州,其成立的时间在南齐末,而不在梁朝
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”$ MN。W;- __._——————》 砧叫]们羽 制作:陈恬’#陈川个美食 Back to yield