鄭秀麗，劉　勝，李　冰
哈爾濱工程大學自動化學院，黑龍江哈爾濱

摘　　　要：將ＢＰ神經網絡應用于全方位推進器周期螺距狀態推力系數和轉矩系數預報。針對ＢＰ神經網絡在訓練中存在的學習速度慢、易于陷入局部較小等缺點，采用變學習率的ＢＰ算法加以改進。對全方位推進器周期螺距狀態推力系數和轉矩系數進行預報，結果表明，預報值的精度明顯高于由近似公式計算所得的值，采用ＢＰ神經網絡對全方位推進器周期螺距狀態的推力系數和轉矩系數能進行預報是可行的，能夠滿足工程應用的要求。

關　鍵　詞：ＢＰ神經網絡；周期螺距狀態；全方位推進器；推力系數；轉矩系數

１　引　言
隨著海洋開發的深入發展，潛器的潛水深度不斷增加，為解決潛器的組成機構趨于大型化、總重量增加、在使用方面受到很多制約等問題，全方位推進器（ＶａｒｉａｂｌｅＶｅｃｔｏｒＰｒｏｐｅｌｌｅｒ）簡稱ＶＶＰ應運而生。對全方位推進器水動力性能的研究，到目前為止主要還限于敞水實驗，在計算上一般采用有限翼展機翼理論、升力線理論或升力面理論等方法進行預估，如哈爾濱船舶工程大學黃勝教授及其學生對全方位推進器的水動力性能進行了研究［１�玻玻荩粍�勝教授及其學生在全方位推進器的螺距調節控制方面進行了研究［３�玻矗荩挥捎趥鹘y的升力線理論或升力面理論計算全方位推進器水動力，計算方法復雜，運算量很大，在潛器操縱控制中很難滿足實時性的要求，得不到令人滿意的結果。神經網絡具有自學習、自適應、非線性、容錯性等特點，在神經網絡的實際應用中［５�玻叮荩�誤差反向傳播（ＢＰ）算法則是應用較廣泛的多層前向網絡訓練算法。本文主要研究全方位推進器水動力系數的預報，由于全方位推進器推力系數和轉矩系數與進速比Ｊ和螺距角Δθ之間是非線性關系，因此利用ＢＰ神經網絡逼近該非線性關系，實現對全方位推進器水動力系數的預報。

登錄網站后可下載文件