本文選題：實船訓練系統　切入點：柴油機轉速　出處：《海軍工程大學學報》2016年03期 　論文類型：期刊論文

【摘要】：針對柴油機是一個具有不確定性因素的強非線性系統,首先將RBF網絡的參數編碼成粒子群優(yōu)化算法中的粒子個體進行優(yōu)化;然后,利用粒子群算法的全局尋優(yōu)能力優(yōu)化RBF神經網絡的關鍵參數;最后,建立了柴油機轉速的預測模型。仿真結果表明:該算法使得柴油機轉速的預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】： 武漢工商學院信息工程學院;海軍工程大學動力工程學院;
【基金】：湖北省自然科學基金資助項目(2015CFB720)
【分類號】：U676.2;TP18

【相似文獻】

相關期刊論文 前3條

1 甘泉;鄭均輝;;粒子群優(yōu)化算法在船型優(yōu)化設計中的應用仿真[J];計算機仿真;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[J];哈爾濱工程大學學報;2012年12期

3 ;[J];;年期

相關博士學位論文 前1條

1 戴運桃;粒子群優(yōu)化算法研究及其在船舶運動參數辨識中的應用[D];哈爾濱工程大學;2010年

，

本文編號：1650523