發(fā)布時間：2017-04-09 05:18

  本文關(guān)鍵詞：船舶動力系統(tǒng)狀態(tài)評估理論與應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：科技的發(fā)展助推船舶行業(yè)的迅猛進步。在大數(shù)據(jù)時代下,為了實現(xiàn)“船舶工業(yè)4.0”,以船舶安全性、經(jīng)濟性以及智能化為基礎(chǔ),構(gòu)建大數(shù)據(jù)融合環(huán)境的智能信息平臺已成為行業(yè)領(lǐng)域重要的發(fā)展方向。而船舶動力系統(tǒng),作為主推進系統(tǒng),設(shè)備繁多、結(jié)構(gòu)復(fù)雜。船舶動力系統(tǒng)狀態(tài)評估需要整合處理海量監(jiān)控數(shù)據(jù),這更是給船企及各研究院所帶來很大難題。因此,本文在對船舶動力系統(tǒng)狀態(tài)評估現(xiàn)有方法進行研究學(xué)習(xí)的過程中,融合粗糙集理論和D-S證據(jù)理論對船舶動力系統(tǒng)狀態(tài)評估進行應(yīng)用研究,并進行了實驗。對于研究智能船舶及安全管理具有一定現(xiàn)實意義。在查閱大量國內(nèi)外文獻后發(fā)現(xiàn),粗糙集理論和D-S證據(jù)理論對于處理不確定、不精確問題具有良好的效果。而船舶動力系統(tǒng)設(shè)備復(fù)雜參數(shù)眾多,在監(jiān)測過程中常會出現(xiàn)不確定性發(fā)生。兩種算法融合使用對于處理船舶動力系統(tǒng)狀態(tài)評估具有很好的效果。粗糙集理論中的近似空間等概念即描述D-S證據(jù)理論中的辨識框架等,因此建立兩者之間的關(guān)系,以粗糙集理論為基礎(chǔ),發(fā)揮其對于船舶動力系統(tǒng)參數(shù)處理的良好約簡效果,進而轉(zhuǎn)化為D-S證據(jù)理論中證據(jù)信息的合成判斷。此外,粗糙集理論的參數(shù)處理還在一定程度上規(guī)避了D-S證據(jù)理論的證據(jù)信息獲取困難及專家經(jīng)驗不足帶來的主觀性影響,對于船舶動力系統(tǒng)狀態(tài)評估的準確性提供了保障。本文在分析兩種算法后,針對研究課題搭建了基于粗糙集理論和D-S證據(jù)理論的船舶動力系統(tǒng)狀態(tài)評估模型,并進行評估方法的詳細介紹,以船舶實例驗證方法可行性。最后,文章采用Visual C#語言、MATLAB數(shù)學(xué)工具對船舶動力系統(tǒng)狀態(tài)評估進行系統(tǒng)實驗。
【關(guān)鍵詞】：船舶動力系統(tǒng) 狀態(tài)評估 粗糙集理論 D-S證據(jù)理論 數(shù)據(jù)處理
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U664.81
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 緒論11-16
• 1.1 研究的背景及意義11-12
• 1.1.1 研究背景11
• 1.1.2 融合算法在船舶動力系統(tǒng)狀態(tài)評估中的研究意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀及意義12-14
• 1.2.1 D-S證據(jù)理論的研究12-13
• 1.2.2 粗糙集理論的研究13
• 1.2.3 在與本文類似研究中的現(xiàn)狀及進展13-14
• 1.3 本文的主要工作14-16
• 第2章 粗糙集理論及D-S證據(jù)理論16-24
• 2.1 粗糙集理論16-20
• 2.1.1 粗糙集理論的基本概念16-19
• 2.1.2 屬性的約簡19-20
• 2.2 D-S證據(jù)理論20-23
• 2.2.1 D-S證據(jù)理論的基本概念20-21
• 2.2.2 D-S合成規(guī)則21-23
• 2.3 小結(jié)23-24
• 第3章 基于粗糙集的D-S證據(jù)理論狀態(tài)評估24-32
• 3.1 狀態(tài)評估常用方法24-26
• 3.1.1 單一算法的應(yīng)用24-25
• 3.1.2 粗糙集理論及支持向量機25
• 3.1.3 神經(jīng)網(wǎng)絡(luò)及D-S證據(jù)理論25-26
• 3.2 融合算法狀態(tài)評估26-30
• 3.2.1 粗糙集理論及D-S證據(jù)理論26-27
• 3.2.2 對應(yīng)函數(shù)關(guān)系27-28
• 3.2.3 融合算法狀態(tài)評估模型搭建28-30
• 3.2.4 關(guān)鍵技術(shù)研究難點30
• 3.3 小結(jié)30-32
• 第4章 狀態(tài)評估模型研究32-41
• 4.1 粗糙集理論中數(shù)據(jù)的離散化處理方法32-33
• 4.2 決策表分解及屬性約簡33-36
• 4.2.1 決策表分解33-34
• 4.2.2 決策表分解過程34-35
• 4.2.3 基于決策表的屬性約簡35-36
• 4.3 基于粗糙集的D-S證據(jù)理論中證據(jù)的獲取方法36
• 4.3.1 證據(jù)的獲取方法36
• 4.3.2 證據(jù)獲取的步驟36
• 4.4 證據(jù)合成36-39
• 4.4.1 一般證據(jù)的合成37
• 4.4.2 沖突證據(jù)的合成37-39
• 4.5 決策支持39-40
• 4.6 小結(jié)40-41
• 第5章 船舶動力系統(tǒng)狀態(tài)評估實驗研究41-58
• 5.1 船舶動力系統(tǒng)狀態(tài)評估的發(fā)展及存在的問題41
• 5.2 船舶動力系統(tǒng)狀態(tài)評估的問題描述41-42
• 5.3 基于粗糙集的D-S證據(jù)理論的船舶動力系統(tǒng)狀態(tài)評估42-56
• 5.3.1 模型搭建42-44
• 5.3.2 數(shù)據(jù)離散化處理44-48
• 5.3.3 決策表分解48-51
• 5.3.4 屬性約簡51-53
• 5.3.5 D-S證據(jù)獲取53-55
• 5.3.6 證據(jù)合成55-56
• 5.4 決策推理56
• 5.5 小結(jié)56-58
• 第6章 船舶動力系統(tǒng)狀態(tài)評估系統(tǒng)仿真實驗58-71
• 6.1 船舶動力系統(tǒng)狀態(tài)評估系統(tǒng)框架58-60
• 6.2 狀態(tài)評估仿真軟件60-70
• 6.2.1 仿真軟件開發(fā)60-61
• 6.2.2 算法模型及混合編程的實現(xiàn)61-65
• 6.2.3 狀態(tài)評估軟件的功能介紹65-70
• 6.3 小結(jié)70-71
• 結(jié)論與展望71-72
• 參考文獻72-75
• 攻讀學(xué)位期間參加的科研項目75-76
• 致謝76-77
• 研究生履歷77

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 臧宏志;俞曉冬;;基于粗糙集與支持向量機的變壓器故障診斷[J];變壓器;2008年08期

2 屈志宏;楊傳道;李方;;基于D-S證據(jù)理論信息融合的故障診斷方法[J];火炮發(fā)射與控制學(xué)報;2008年04期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 李宏坤;基于信息融合技術(shù)船舶柴油機故障診斷方法的研究與應(yīng)用[D];大連理工大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 胡沛;決策信息系統(tǒng)分解關(guān)鍵技術(shù)研究[D];中南大學(xué);2009年

  本文關(guān)鍵詞：船舶動力系統(tǒng)狀態(tài)評估理論與應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

本文編號：294542