实船训练系统中柴油机转速的粒子群优化RBF神经网络预测

发布时间：2018-03-22 21:34

  本文选题：实船训练系统　切入点：柴油机转速　出处：《海军工程大学学报》2016年03期 　论文类型：期刊论文

【摘要】：针对柴油机是一个具有不确定性因素的强非线性系统,首先将RBF网络的参数编码成粒子群优化算法中的粒子个体进行优化;然后,利用粒子群算法的全局寻优能力优化RBF神经网络的关键参数;最后,建立了柴油机转速的预测模型。仿真结果表明:该算法使得柴油机转速的预测速度和精度都得到了提高。
[Abstract]:As diesel engine is a strong nonlinear system with uncertain factors, the parameters of RBF neural network are first coded as particle individuals in particle swarm optimization algorithm, and then, The key parameters of RBF neural network are optimized by using the global optimization ability of particle swarm optimization algorithm. Finally, the prediction model of diesel engine speed is established. The simulation results show that the prediction speed and precision of diesel engine speed prediction are improved by the algorithm.
【作者单位】： 武汉工商学院信息工程学院;海军工程大学动力工程学院;
【基金】：湖北省自然科学基金资助项目(2015CFB720)
【分类号】：U676.2;TP18

【相似文献】

相关期刊论文 前3条

1 甘泉;郑均辉;;粒子群优化算法在船型优化设计中的应用仿真[J];计算机仿真;2013年07期

2 谢业海;林孝工;赵大威;徐树生;;基于粒子群优化算法的海浪方向谱估计[J];哈尔滨工程大学学报;2012年12期

3 ;[J];;年期

相关博士学位论文 前1条

1 戴运桃;粒子群优化算法研究及其在船舶运动参数辨识中的应用[D];哈尔滨工程大学;2010年

，

本文编号：1650523