基于RBF神經(jīng)網(wǎng)絡的浮船塢浮態(tài)檢驗系統(tǒng)辨識.pdf

1、浮船塢要實現(xiàn)在水域中的上浮和下沉,就要有一套自己的浮沉系統(tǒng),浮船塢的沉浮系統(tǒng)使得其他船舶能夠在不同的水域進出浮船塢的塢艙進行作業(yè)?，F(xiàn)階段的浮船塢智能化和自動化水平還不夠高,本課題的選題背景的項目就是為了建立一套完整的浮船塢沉浮控制系統(tǒng)和仿真系統(tǒng)。文中以項目中的8萬噸浮船塢為例進行分析,浮船塢的沉浮控制系統(tǒng)以六角吃水調(diào)節(jié)進／出閥門的開度和32個壓載艙的進排水量為根據(jù)。本論文研究的課題是在已知32個壓載艙的艙深容量的情況下,建立一個系統(tǒng),可

2、以得到浮船塢的六角吃水,從而完成浮船塢浮態(tài)的檢驗工作,達到檢測浮船塢沉浮控制系統(tǒng)的算法是否符合精度要求、控制系統(tǒng)的操作工作是否及時與正確的目的。
　　 文章首先介紹了系統(tǒng)辨識的基礎理論和常見的經(jīng)典系統(tǒng)辨識方法,由于傳統(tǒng)的經(jīng)典系統(tǒng)辨識方法存在一定的局限性,經(jīng)過比較,課題決定選用基于神經(jīng)網(wǎng)絡的系統(tǒng)辨識方法。通過對神經(jīng)網(wǎng)絡模型和構(gòu)成的分析,浮船塢浮態(tài)檢驗系統(tǒng)選用RBF神經(jīng)網(wǎng)絡進行系統(tǒng)辨識仿真。文中重點分析了RBF網(wǎng)絡常用高斯函數(shù)、多二

3、次函數(shù)、逆多二次函數(shù)和薄板樣條函數(shù)等,以及RBF函數(shù)的插值問題和正規(guī)化問題。RBF神經(jīng)網(wǎng)絡的重點是其學習方法,包括隨機選取RBF中心法、自組織學習選取RBF中心法、有監(jiān)督學習選取中心法和正交最小二乘法。正交最小二乘法因其適用范圍較廣、學習效果良好的特點,是其中最常用的一種學習方法。
　　 文中用MATLAB軟對浮船塢的浮態(tài)進行系統(tǒng)辨識仿真,選用8萬噸浮船塢的艙深測深表中的藏身容量作為輸入訓練數(shù)據(jù),吃水作為輸出進行訓練。正確獲得六