本书共分4篇,内容包括:设备选型匹配与能量管理、船舶电力推进系统的控制策略、船舶电力推进系统的故障诊断、船舶燃油消耗及短期电力负荷预测。
本书内容涉及智能算法在船舶电力推进系统中的应用研究,其中,应用场景包括设备选型匹配与能量管理、船舶电力推进系统的控制策略、船舶电力推进系统的故障诊断、船舶燃油消耗及短期电力负荷预测。篇主要介绍多目标粒子群优化算法、遗传算法在设备选型中的应用,以及模糊控制算法、实时小波变换在能量管理中的应用,随后介绍了蚁狮算法在储能系统和能量管理策略联合优化中的应用。第2篇主要介绍粒子群算法在电力推进系统常规控制策略中的应用,恶劣海况下基于证据推理和AdaBoost的卷气效应识别器的设计,置信规则推理在冰区航行功率重分配控制策略中的应用;第3篇主要介绍证据推理规则、支持向量回归、多分类器融合、小波分解、集成神经网络、主成分分析-森林等算法在电池SOH评估、逆变器IGBT故障诊断、电容老化估算、电机故障识别当中的应用;第4篇主要介绍基于LSTM神经网络在燃油消耗预测中的应用,以及BP、RBF、Elman三种神经网络在电网短期电力负荷预测中的应用。书中对主要的智能算法均给出了原理简介和应用实例,便于读者掌握算法原理、适用环境、实施步骤及应用效果的评估与分析。本书主要供高等院校船舶电力推进相关专业的研究生选用,同时对从事电力推进系统研究、设计、开发和应用的科技工作人员也有的参考价值。