为了提高船舶在海面上作业时补偿精度,采用BP神经网络PID控制方法,并对船舶升沉运动输出误差进行仿真。建立船舶主动升沉补偿系统简图,分析船舶升沉运动工作原理,给出液压缸驱动传递函数。引用BP神经网络算法,采用梯度下降法对BP神经网络加权值进行修正,通过学习速率来补偿控制系统输出误差,从而实现PID控制器参数在线调节。在受到不同负载影响状况下,采用MATLAB软件对船舶升沉运动补偿精度进行仿真,并且与PID控制补偿精度进行对比。结果表明:采用PID控制器,船舶升沉运动输出误差较大,控制系统反应速度较慢;而采用BP神经网络PID控制器,船舶升沉运动输出误差较小,控制系统反应速度较快,同时,随着负载质量的增加,输出误差就会增大。采用BP神经网络PID控制系统,响应速度快,补偿精度高,提高了船舶在海面上作业定位精度。

目的实现大型船舶外板表面喷涂的自动化作业,开展表面漆膜厚度分布规律研究,优化平面喷涂轨迹,求出最佳喷涂搭接参数。方法以喷嘴雾幅宽度、距离、喷枪移动速度三个喷涂工艺参数为因素进行正交实验,获得漆膜厚度分布数据,使用P分布函数进行实验数据表征,运用遗传算法优化拟合P分布模型的三个关键参数。基于BP神经网络算法建立漆膜厚度分布预测模型,并对预测结果进行合理性分析。在此基础上,研究每道漆膜之间的搭接规律,运用NSGA-II算法求解最优漆膜搭接宽度。结果计算得到15组实验数据对应β分布模型的Tmax、w及β构建的漆膜厚度分布预测模型能准确预测在不同喷涂工艺参数下的漆膜厚度分布。以第16组实验为例,计算得到了最优的漆膜搭接宽度为41.76cm。结论建立了喷涂工艺参数和膜厚分布规律之间的映射模型,该模型可以准确预测不同工艺...