基于神经网络技术的船舶电力推进系统建模方法开题报告

1. 研究目的与意义（文献综述）

1.1设计目的及意义

船舶操纵性是指船舶借助其控制装置来改变或保持其运动速率、姿态和方向的性能。大多数船舶操纵性的研究，都是针对船舶在静水中运动的情况。实际上，船舶在航行中，则要遇到波浪的影响，而且许多海难事故常常发生在恶劣的海况下。研究船舶在波浪中的操纵性具有重要的理论意义和实际意义一方面可以将船舶操纵性和耐波性两个不同的研究领域结合起来，突破两者在研究内容和研究方法上的界限。另一方面也可以解决很多实际问题，如顺浪航行时的横甩问题，回转运动时的飘移现象，还有航海模拟器和自动控制系统的设计等。研究船舶在波浪中的操纵性，不但能够在设计初始阶段，对船舶的操纵性能进行优化设计，而且有助于了解船舶碰撞与倾覆事故的产生机理，指导驾驶人员提高驾驶技术，预防海难发生；同时，为视景仿真驱动程序提供源代码，为以后船舶操纵运动视景仿真的研究做了基础工作，因而既有理论上的意义，又有很大的实用价值。

人工神经网络（artificial neural networks，ann）系统是 20 世纪 40 年代后出现的。它是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点。bp（back propagation）算法又称为误差 反向传播算法，是人工神经网络中的一种监督式的学习算法。bp 神经网络算法在理论上可以逼近任意函数，基本的结构由非线性变化单元组成，具有很强的非线性映射能力。而且网络的中间层数、各层的处理单元数及网络的学习系数等参数可根据具体情况设定，灵活性很大，在优化、信号处理与模式识别、智能控制、故障诊断等许多领域都有着广泛的应用前景。

本研究将国内外船舶电力推进系统建模与神经网络建模的设计方法相结合，使得船舶电力推进系统控制更加成熟，神经网络实现船舶自身航速、重量变化导致的系统变化能够动态描述，适应外部环境变化，具有相当的理论与实践意义。

2. 研究的基本内容与方案

2.1 设计的基本内容

本次设计主要研究的是船舶电力推进系统建模与神经网络建模的设计，并分析和总结各种算法的优缺点并提出相关的解决办法并进行相应的仿真实验。设计基于神经网络的船舶六自由度系统模型和电力推进系统模型是一个研究重点，确定神经网络模型的输入和输出，对输入和输出数据特性进行预处理是神经网络建模的一个基础，选取合适的神经网络建模参数进行神经网络的设计。第二大部分就是对神经网络训练算法的研究，结合现有的船舶六自由度模型和电力推进系统的在线训练算法，设计出可以实现船舶自身航速、重量变化导致的系统变化能够动态描述，适应外部环境变化导致的系统参数变化，模拟海上运行和内河运行时的各种复杂工况，利用matlab仿真测试所设计的基于神经网络子系统模型的可行性和优越性。

主要研究内容如下：

（1）掌握船舶电力推进系统原理，搭建船舶电力推进系统模型

3. 研究计划与安排

1~5周：调研、查阅资料、结合毕业设计任务书，确定总体方案，完成开题报告；

4 ~ 6 周：研究基于神经网络技术的船舶建模原理，翻译英文资料；

7 ~12周：通过matlab仿真验证控制系统算法，并对仿真结果进行检验分析；

4. 参考文献（12篇以上）

[1] 莫建. 波浪中船舶六自由度操纵运动数值仿真[d]. 哈尔滨工程大学, 2009.

[2] 索明琛, 吕剑虹. 基于 rbf 神经网络逆模型的非线性预测控制[j]. 工业控制计算机, 2018 (2018 年 07): 34-36.

[3] 南敬昌, 桑百行, 高明明. 新颖的神经网络逆建模方法及其应用[j]. 计算机应用与软件, 2016, 33(1): 147-150.