基于灰色模型和改进Chan的海洋移动传感器定位

为了实现海洋水下传感器网络中的移动节点定位,并改善传统节点定位方法在应用于无人值守和复杂环境的海洋生态监控中具有的定位误差大的问题,提出了一种基于灰色模型预测和改进Chan算法的海洋移动传感器节点定位方法;首先,采用灰色模型对节点在下一时刻的采集数据进行预测,然后将预测值与实际采集值进行比较从而判断出移动节点的状态是否正常;在此基础上,采用改进的Chan算法对处于正常状态的移动节点进行定位,从而提高水下移动传感器节点的定位精度;在Matlab中进行仿真实验,实验结果表明:文中方法能在节点运动速度增加、通信半径变大和锚节点密度增加的情况下,均具有比其它方法更低的节点定位误差,具有一定的优越性。      

基于禁忌算法优化神经网络的海洋船舶流量预测

为了有效缓解船舶交通拥堵和提高通航效率,对海洋港口和航道管理提供一个更可靠的数据,设计了一种基于禁忌算法优化神经网络的海洋船舶流量预测的方法。首先,建立了基于禁忌算法优化神经网络的海洋船舶流量预测模型。然后,设计了三层的脊波神经网络结构,提出了采用禁忌算法优化脊波神经网络结构参数的具体方法,从而得到一个初始化的脊波神经网络流量预测模型。然后,采用有标签的训练样本数据集对网络进行训练,将满足误差阈值的训练模型作为最终的预测模型。以某港口为例进行仿真实验,结果表明文中得到的预测结果与真实值较为接近,且与其它方法相比,具有更好的预测效果。     

基于核独立成分分析和聚类中值的水下传感器故障诊断

水下传感器所处环境的开放性以及其长期处于无人值守状态,极易收到环境作用而发生破坏,传统分簇式的分布式故障诊断方法无法有效对其进行故障诊断,因此,提出了一种基于核主成分分析和聚类中值的故障诊断方法。首先,设计了水下传感器节点故障诊断的模型,然后采用核主成分分析方法对节点采集的数据和来自邻居节点发送的数据进行数据降维,得到具有最小属性集的数据集,然后对节点的邻居节点集进行聚类,选出具有最多元素的聚类,并将聚类的中值作为参考数据,将各节点与其对应的参考数据进行比较从而确定节点是否发生故障,最后定义了基于核独立成分分析和聚类中值的传感器节点故障诊断算法。仿真实验证明了文中方法能有效地对水下传感器进行故障诊断,且与其它方法相比,具有误差检测率高和误检率低的优点。