基于一种混合神经网络的船舶设计(2)

试验一：基于混合神经网络的船舶设计

在船舶设计工作中，由于限制条件繁多，特别是“模糊”的概念比较多，经典的确定性程序算法难以完全满足现代的船舶设计工作。因此，人工神经网络自适应和学习能力就非常有吸引力。自神经网络方法被引入船舶工程以来，我国船舶科技工作者在船舶设计方案的优选和排序、船舶操纵性能的综合评判、船舶结构优化设计、船舶结构设计的评估、船舶建造等方面取得了丰硕的成果。

本试验的思路是以船舶主尺度参数为输入，利用神经网络对船舶性能进行预测，以此为船舶初步设计提供参考。学习样本是5条江海直达货船的船型资料，并选择对船舶性能影响较大的主尺度和主尺度系数作为样本输入数据，分别是：船长Lbp，船宽B，吃水T，型深D，方型系数Cb，重心高度Zg和主机马力BHP（见表1，其中6、7行的数据作为测试数据）。期望输出数据、实际输出数据和偏差见表2，测试结果见表3。网络中非线性变换层的单元数为30，感知器隐层单元数为5，输出层单元数为2。

表1  样本输入数据

表2  训练输出结果

表3  测试输出结果

从表中给出的结果可以看出，算法具有较好的估计能力。

试验二：英文字母识别

    本文分析了两种经典的前馈神经网络-多层感知器和径向基函数网络的基本原理，指出它们分别模拟了生物神经网络不同方面的功能，在此基础上构造了一种混合结构的神经网络，充分结合了二者的优点并成功的用于船舶性能的预估。字母识别的仿真试验表明，这种神经网络在收敛速度和抗噪能上均好于经典的多层感知算法。

[1]Haykin S著，叶世伟，史忠植译. 神经网络原理[M]. 北京:机械工业出版社，2004.1

[2]周毅,徐柏龄.神经网络中的正交设计法研究[J]. 南京大学学报, 2001, 137(1)

[3] 闻新等. Matlab神经网络应用设计[M]. 北京:科学出版社, 2000, 9

[4] 飞思科技产品研发中心. 神经网络理论与MATLAB7实现[M]. 电子工业出版社, 2005. 3

[5] Cover, T.M. Geometrical and statistical properties of systems of linear inequalities with applications in pattern recognition. IEEE Trans on. Electronic Computers, 1965, 14(1): 326-334