本文選題：實(shí)船訓(xùn)練系統(tǒng)　切入點(diǎn)：柴油機(jī)轉(zhuǎn)速　出處：《海軍工程大學(xué)學(xué)報(bào)》2016年03期 　論文類型：期刊論文

【摘要】：針對柴油機(jī)是一個(gè)具有不確定性因素的強(qiáng)非線性系統(tǒng),首先將RBF網(wǎng)絡(luò)的參數(shù)編碼成粒子群優(yōu)化算法中的粒子個(gè)體進(jìn)行優(yōu)化;然后,利用粒子群算法的全局尋優(yōu)能力優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的關(guān)鍵參數(shù);最后,建立了柴油機(jī)轉(zhuǎn)速的預(yù)測模型。仿真結(jié)果表明:該算法使得柴油機(jī)轉(zhuǎn)速的預(yù)測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.
【作者單位】： 武漢工商學(xué)院信息工程學(xué)院;海軍工程大學(xué)動(dòng)力工程學(xué)院;
【基金】：湖北省自然科學(xué)基金資助項(xiàng)目(2015CFB720)
【分類號(hào)】：U676.2;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 甘泉;鄭均輝;;粒子群優(yōu)化算法在船型優(yōu)化設(shè)計(jì)中的應(yīng)用仿真[J];計(jì)算機(jī)仿真;2013年07期

2 謝業(yè)海;林孝工;趙大威;徐樹生;;基于粒子群優(yōu)化算法的海浪方向譜估計(jì)[J];哈爾濱工程大學(xué)學(xué)報(bào);2012年12期

3 ;[J];;年期

相關(guān)博士學(xué)位論文 前1條

1 戴運(yùn)桃;粒子群優(yōu)化算法研究及其在船舶運(yùn)動(dòng)參數(shù)辨識(shí)中的應(yīng)用[D];哈爾濱工程大學(xué);2010年

，

本文編號(hào)：1650523