复杂工况下基于RBF神经网络的全电推进船舶负荷预测

作者：钱宇轩; 俞鑫; 柴婷逸; 严文博; 黄云辉; 熊松

来源：舰船科学技术, 2023, 45(17): 97-101.

• 复杂工况
• 全电力推进船舶
• RBF神经网络
• 负荷预测

全电力推进船舶的复杂工况使其负荷情况难以预测，无法确立精确的数学模型刻画，而应用RBF神经网络建立船舶电力系统负荷预测模型具有可靠性和准确性。通过对全电力推进船舶负荷特点的分析和对RBF神经网络负荷预测的基本原理研究，提出一种基于RBF神经网络的全电力推进船舶的负荷预测方法，选取合理的历史负荷数据，将其归一化处理后输入至RBF神经网络预测模型，再将模型输出反归一化后得到负荷预测结果。在Matlab/Simulink中对某全电力推进船舶在恶劣复杂工况下实际短期运行的负荷情况进行预测，预测准确率高达96.4%。预测结果表明，该方法实现了对复杂工况下全电力推进船舶短期负荷的精准预测，模型拟合程度很高。

• 单位
  武汉理工大学; 自动化学院