GA-BP神经网络在船舶供电网络评价中的应用
发布时间：2021-07-23 15:25
船舶供电系统的正常运行,对于船舶用电自动化设备、生活用电、船舶电力推进器等非常重要,如何合理且有效的对船舶供电网络进行质量评价,近年来成为了业内的研究热点。本文介绍一种将遗传算法和神经网络相结合的GA-BP神经网络算法,系统介绍该算法的基本原理,并基于该算法对船舶供电网络的输出质量进行了建模和质量分析,通过采集一段时间内船舶供电网络中的电流数据,直接对船舶供电网络的质量进行评价。
【文章来源】：舰船科学技术. 2020,42(16)北大核心
【文章页数】：3 页
【部分图文】：
BP神经网络的拓扑结构Fig.1TopologicalstructureofBPneuralnetwork
确定BP神经网络的计算精度和运算次数。2）待优化参数的权值修正δiGA-BP神经网络算法中待优化的参数用(t)表示，权值修正方程如下：δi(t+1)={δi(t)+f(t)[xi(t)δi(t)]i∈Si(t)，δi(t)iSi(t)，(4)f(t)Si(t)xi(t)其中：为神经网络的效率函数；为待优化参数的邻域；为输入信号。3）隐含层函数设置隐含层函数是GA-BP神经网络算法的核心，本文图1BP神经网络的拓扑结构Fig.1TopologicalstructureofBPneuralnetwork图2GA-BP神经网络算法的基本流程Fig.2BasicflowofGA-BPneuralnetworkalgorithm·110·舰船科学技术第42卷
，(6)XtftVt1式中：为供电网络的谐波噪声；为滤波器的频率；为干扰噪声。滤波器的概率密度函数如下式：p(Xt1|Wt1)=p(xt|xt1)p(xt1|Wt1)dxt，(7)建立船舶供电网络的电流评价方程为：γ=(I1/l1)(I2/l2)(I1/l1)。(8)式中：I1为发电机的电流；I2为配电站输出电流；l1l2和分别为配电站和电力传输网络的电感。在一段时间内采集船舶供电网络的电流输出情况，可得如图3所示曲线。图3船舶供电网络的电流输出曲线Fig.3Currentoutputcurveofshippowersupplynetwork由图可知，在时间25s时关闭船舶供电网络的发电机1，保留发电机2，可见电流输出不产生明显的波动，证明供电网络的质量较高。3结语船舶网络的平稳运行对于船舶自动化有重要意义。本文结合遗传算法和BP神经网络算法，开发了一种基于GA-BP神经网络的船舶供电网络评价方法，并详细介绍了船舶供电网络质量的评价过程。参考文献：杨淑霞,韩奇,徐琳茜.基于鱼群算法优化BP神经网络的电力客户满意度综合评价方法[J].电网技术,2011(5):151–156.[1]张志宏.基于遗传算法优化的BP神经网络供电企业信用评价[J].商情,2012(50):248–248.[2]盛梦雨,陈峰,郑旭.基于GA-BP神经网络的配网供电可靠性评估[C]//2016年中国电机工程学会年会.2016(25):66-77.[3]第42卷熊蕾：GA-BP神经网络在船舶供电网络评价中的应用·111·
【参考文献】：
期刊论文
[1]基于鱼群算法优化BP神经网络的电力客户满意度综合评价方法[J]. 杨淑霞,韩奇,徐琳茜,路石俊. 电网技术. 2011(05)
本文编号：3299548
【文章来源】：舰船科学技术. 2020,42(16)北大核心
【文章页数】：3 页
【部分图文】：
BP神经网络的拓扑结构Fig.1TopologicalstructureofBPneuralnetwork
确定BP神经网络的计算精度和运算次数。2）待优化参数的权值修正δiGA-BP神经网络算法中待优化的参数用(t)表示，权值修正方程如下：δi(t+1)={δi(t)+f(t)[xi(t)δi(t)]i∈Si(t)，δi(t)iSi(t)，(4)f(t)Si(t)xi(t)其中：为神经网络的效率函数；为待优化参数的邻域；为输入信号。3）隐含层函数设置隐含层函数是GA-BP神经网络算法的核心，本文图1BP神经网络的拓扑结构Fig.1TopologicalstructureofBPneuralnetwork图2GA-BP神经网络算法的基本流程Fig.2BasicflowofGA-BPneuralnetworkalgorithm·110·舰船科学技术第42卷
，(6)XtftVt1式中：为供电网络的谐波噪声；为滤波器的频率；为干扰噪声。滤波器的概率密度函数如下式：p(Xt1|Wt1)=p(xt|xt1)p(xt1|Wt1)dxt，(7)建立船舶供电网络的电流评价方程为：γ=(I1/l1)(I2/l2)(I1/l1)。(8)式中：I1为发电机的电流；I2为配电站输出电流；l1l2和分别为配电站和电力传输网络的电感。在一段时间内采集船舶供电网络的电流输出情况，可得如图3所示曲线。图3船舶供电网络的电流输出曲线Fig.3Currentoutputcurveofshippowersupplynetwork由图可知，在时间25s时关闭船舶供电网络的发电机1，保留发电机2，可见电流输出不产生明显的波动，证明供电网络的质量较高。3结语船舶网络的平稳运行对于船舶自动化有重要意义。本文结合遗传算法和BP神经网络算法，开发了一种基于GA-BP神经网络的船舶供电网络评价方法，并详细介绍了船舶供电网络质量的评价过程。参考文献：杨淑霞,韩奇,徐琳茜.基于鱼群算法优化BP神经网络的电力客户满意度综合评价方法[J].电网技术,2011(5):151–156.[1]张志宏.基于遗传算法优化的BP神经网络供电企业信用评价[J].商情,2012(50):248–248.[2]盛梦雨,陈峰,郑旭.基于GA-BP神经网络的配网供电可靠性评估[C]//2016年中国电机工程学会年会.2016(25):66-77.[3]第42卷熊蕾：GA-BP神经网络在船舶供电网络评价中的应用·111·
【参考文献】：
期刊论文
[1]基于鱼群算法优化BP神经网络的电力客户满意度综合评价方法[J]. 杨淑霞,韩奇,徐琳茜,路石俊. 电网技术. 2011(05)
本文编号：3299548
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3299548.html
