为了研究全垫升气垫船的操纵性能,建立了一种全垫升气垫船操纵运动的灰箱模型。通过MATLAB神经网络工具箱(nntool)建立BP神经网络,对全垫升气垫船的灰箱模型进行系统辨识,建立了全垫升气垫艇的人工神经网络操纵运动模型(Artificial Neural Networks Maneuvering Model,ANNMM),并对该模型进行Z型舵操纵仿真试验。结果表明:该模型的航向最大相对误差为0.36%,南北向速度最大相对误差为0.31%,东西向速度最大相对误差为0.13%。充分表明基于BP网络的辨识建模方法是有效的、可行的。 不适用。为了避免这一问题，本文基于Rumelhart[5]等提出的误差反向传播神经网络，即BP网络，对某型气垫船运动模型进行辨识建模。按船舶操纵性能要求[6]，对辨识模型进行三种不同强度的仿真试验。1BP辨识建模的基本原理人工神经网络（简称神经网络）是由大量处理单元（即神经元）互联组成的具有学习功能的非线性信息数据处理系统全垫升气垫船运动-电动折弯机数控钢管滚圆机滚弧机张家港液压滚圆机滚弧机，是一种模拟人脑的思维方式的数学模型。1.1BP网络结构误差反向传播的BP算法（简称BP算法）的基本思想是最小二乘法本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ ，它采用梯度搜索的方式使网络的实际输出值与期望值的误差均方值达到最校BP网络是一种多层网络，包括输入层、隐含层和输出层，且层与层之间采用全互联的方式，但相同层神经元不连接；网络的权值采用Delta(δ)学习规则来调整，神经元激发函数采用Sigmoid函数；整个学习算法分为正向传播和反向传播，层与层之间的连接是单向的，但信息的传播是双向的[7]。图1中所示的神经网络结构为含有一个隐含层的BP网络，其中，i为输入层的神经元，j为隐含层的神经元，k为输出层的神经元；Xi为网络输入，Y为网络输出，Xj为隐含层的输入，'jX为隐含层的输出；wij为输入层到隐层的连接权值，wjk为隐层到输出层的连接权值。图1BP网络结构理论上只要有足够多的隐层和隐层节点BP网络可以逼近任意非线性映射关系，并且它的学习算法的逼近方式为全局逼近，所以该网络具有较强的泛化能力，同时网络的容错性较强。1.2算法原理本文将气垫船的运动模型作为一个灰箱模型，不考虑其内部变化的规律。根据气垫船操纵运动的数据使用BP算法来对气垫船的运动模?全垫升气垫船运动-电动折弯机数控钢管滚圆机滚弧机张家港液压滚圆机滚弧机本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/