基于RBF神经网络的船舶大功率发电机建模

【摘要】：同步发电机是船舶电力系统的心脏，其建模和分析一直是一个挑战性的问题。同步发电机简化的数学模型也是非常复杂的，具有非线性特性。由于神经网络具有学习、并行处理和联想三大特点，以及固有的非线性逼近特性，在动态建模中受到普遍的重视。径向基函数神经网络具有非线性建模的能力，且与BP网络相比，有更快的学习速度、不存在局部极小点问题。 在上海市高等学校科学技术发展基金项目(03IK06)“船舶大功率发电机组的CNN建模与分析”支持下。本文对基于径向基函数神经网络的船舶柴油同步发电机建模进行了探索性的研究。研究结果表明能够用径向基函数神经网络建立船舶柴油发电机实时仿真模型。文中还给出了用通用DSP芯片实现神经网络模型的快速计算方法。训练神经网络所需的样本数据和验证数据是通过云河轮船舶电力仿真系统运行得来的。全文分为六章，主要内容如下： 第一章 概要介绍了船舶柴油发电机系统仿真和人工神经网络建模。 第二章 简要介绍了人工神经网络。 第三章 对云河轮船舶电力仿真系统进行了介绍，并对其进行了部分修改，运行这一仿真系统后得到训练神经网络所需的数据。 第四章 在MATLAB开发环境下，用径向基函数神经网络对云河轮柴油发电机进行建模，并比较了两种建模方法的优劣。 第五章 介绍了用通用DSP芯片实现训练好的神经网络模型的方法，并对基于TMS320LF2407 DSP芯片实现神经网络模型快速运算的耗时进行了分析。 第六章 总结全文所做的工作，提出本文研究中的不足和将来发展趋势。