论文部分内容阅读
船型式浮标是长江航道上用于指示危险区域的助航标志,其位置的准确及功能的正常是保证航道通航安全的关键,然而浮标经常由于外界因素的干扰而发生异动,导致其功能异常或者偏离准确位置。由于国内外对航标异动识别的研究极少,尚无有效的方法来判断浮标异动的原因,使得维护人员无法制定针对性的预防措施来减少浮标异动发生。因此研究一套适用于船型式浮标的异动原因识别方法,能够有效减少浮动异动概率,对提高航运安全有一定的作用。本文以长江航道的船型式浮标作为研究对象,利用浮标异动时的加速度作为异动原因的判断依据。针对浮标的特殊工作环境设计了数据采集装置,并实施了浮标异动实验。通过理论和实验研究了异动加速度特征,并进行了最优特征加速度选择。运用人工神经网络原理,在MATLAB环境下进行了仿真。仿真结果表明,本文构建的浮标异动原因识别BP神经网络能够利用异动加速度准确识别对应的异动原因,能够用于今后浮标异动原因的识别。本文具体的研究工作如下:(1)本文分析和探讨了BP神经网络原理在识别和故障诊断上的特点及应用,结合国内外在浮标异动研究上的现状,利用BP神经网络原理进行浮标异动原因识别的研究,并在MATLAB环境下建立并训练了BP网络,对浮标异动原因进行识别,取得了较好的识别率,说明了BP神经网络可以用于浮标异动原因类型的分类识别。(2)分析了浮标异动的真实场景,设计并实施了浮标异动模拟实验,利用实验数据定量分析了浮标异动时的加速度特点,并使用了一种选择表征浮标异动特征的加速度数值选择方法,用于获取浮标异动识别神经网络的输入样本。实验结果表明该方法有效,能够用于神经网络浮标异动识别研究的训练样本的选取。(3)分析了浮标的特殊工作环境,并针对其工作环境与设备条件设计了适合在该环境下工作的加速度采集装置,利用其采集浮标加速度,为研究提供数据支持,也为今后开发浮标船载装置提供模板和参考。(4)从理论上分析和计算了浮标在水中的受力情况,以及不同外界因素对浮标加速度影响的规律,证明了模拟实验的可行性,为浮标实验提供参考依据。(5)对比了基于共轭梯度下降法的神经网络识别精度与基于L-M法的神经网络精度,表明了L-M法更加适合于浮标异动原因的识别。