采用多种群搜索策略的微粒群算法调整消磁绕组

目前,常用的消磁系统调整方法一般都是针对舰艇磁场进行的,而较少考虑磁场梯度。为改善舰艇的磁隐身性能,应当同时考虑两者的有效衰减,由此确定的电流优化调整问题为多目标优化问题。为解决该问题,首先采用一种基于多种群搜索策略的微粒群算法分别求解两类目标函数的最优值,并将这两类最优值作为目标函数的归一化常数,然后选取一组适当的权重将多目标优化问题转化为单目标优化问题,并采用多种群微粒群算法求解该单目标优化问题。最后,采用一个典型的消磁系统优化调整问题来验证方法的有效性。实验结果表明:该方法不但能够实现舰船磁信号的削减,同时还能有效抑制舰船磁信号的波动。     

基于神经网络的绕组电流闭环控制方法

在解决闭环消磁绕组电流优化计算问题时,会面临将外部磁场推算误差带入电流反演计算或完备的基函数难以确定等问题。为了降低这些因素对舰船最终补偿效果的影响,从智能优化的角度出发,在讨论散布常数对模型预测误差的影响后,确定了适宜的散布常数,建立了内部磁场与补偿电流之间的径向基函数神经网络预报模型。该方法通过样本对网络进行训练,无须推算内外磁场,就能直接得到使绕组磁场与目标磁场拟合误差最小的补偿电流向量。对比其他数值建模方法,其换算精度有所提高,且选择不同的同维向量作为基函数对补偿结果影响较小。船模实验验证了该方法的有效性。