基于ＢＰ神经网络的ＶＶＰ水动力系数预报

2012年03月13日16:03:17 本网站我要评论(2)字号：T | T | T

关键字：应用

郑秀丽，刘　胜，李　冰
哈尔滨工程大学自动化学院，黑龙江哈尔滨

摘　　　要：将ＢＰ神经网络应用于全方位推进器周期螺距状态推力系数和转矩系数预报。针对ＢＰ神经网络在训练中存在的学习速度慢、易于陷入局部较小等缺点，采用变学习率的ＢＰ算法加以改进。对全方位推进器周期螺距状态推力系数和转矩系数进行预报，结果表明，预报值的精度明显高于由近似公式计算所得的值，采用ＢＰ神经网络对全方位推进器周期螺距状态的推力系数和转矩系数能进行预报是可行的，能够满足工程应用的要求。

关　键　词：ＢＰ神经网络；周期螺距状态；全方位推进器；推力系数；转矩系数

１　引　言
随着海洋开发的深入发展，潜器的潜水深度不断增加，为解决潜器的组成机构趋于大型化、总重量增加、在使用方面受到很多制约等问题，全方位推进器（ＶａｒｉａｂｌｅＶｅｃｔｏｒＰｒｏｐｅｌｌｅｒ）简称ＶＶＰ应运而生。对全方位推进器水动力性能的研究，到目前为止主要还限于敞水实验，在计算上一般采用有限翼展机翼理论、升力线理论或升力面理论等方法进行预估，如哈尔滨船舶工程大学黄胜教授及其学生对全方位推进器的水动力性能进行了研究［１２］；刘胜教授及其学生在全方位推进器的螺距调节控制方面进行了研究［３４］；由于传统的升力线理论或升力面理论计算全方位推进器水动力，计算方法复杂，运算量很大，在潜器操纵控制中很难满足实时性的要求，得不到令人满意的结果。神经网络具有自学习、自适应、非线性、容错性等特点，在神经网络的实际应用中［５６］，误差反向传播（ＢＰ）算法则是应用较广泛的多层前向网络训练算法。本文主要研究全方位推进器水动力系数的预报，由于全方位推进器推力系数和转矩系数与进速比Ｊ和螺距角Δθ之间是非线性关系，因此利用ＢＰ神经网络逼近该非线性关系，实现对全方位推进器水动力系数的预报。

登录网站后可下载文件

基于ＢＰ神经网络的ＶＶＰ水动力系数预报

相关阅读: