浮船坞要实现在水域中的上浮和下沉,就要有一套自己的浮沉系统,浮船坞的沉浮系统使得其他船舶能够在不同的水域进出浮船坞的坞舱进行作业。现阶段的浮船坞智能化和自动化水平还不够高,本课题的选题背景的项目就是为了建立一套完整的浮船坞沉浮控制系统和仿真系统。文中以项目中的8万吨浮船坞为例进行分析,浮船坞的沉浮控制系统以六角吃水调节进/出阀门的开度和32个压载舱的进排水量为根据。本论文研究的课题是在已知32个压载舱的舱深容量的情况下,建立一个系统,可以得到浮船坞的六角吃水,从而完成浮船坞浮态的检验工作,达到检测浮船坞沉浮控制系统的算法是否符合精度要求、控制系统的操作工作是否及时与正确的目的。文章首先介绍了系统辨识的基础理论和常见的经典系统辨识方法,由于传统的经典系统辨识方法存在一定的局限性,经过比较,课题决定选用基于神经网络的系统辨识方法。通过对神经网络模型和构成的分析,浮船坞浮态检验系统选用RBF神经网络进行系统辨识仿真。文中重点分析了RBF网络常用高斯函数、多二次函数、逆多二次函数和薄板样条函数等,以及RBF函数的插值问题和正规化问题。RBF神经网络的重点是其学习方法,包括随机选取RBF中心法、自组织学习选取RBF中心法、有监督学习选取中心法和正交最小二乘法。正交最小二乘法因其适用范围较广、学习效果良好的特点,是其中最常用的一种学习方法。文中用MATLAB软对浮船坞的浮态进行系统辨识仿真,选用8万吨浮船坞的舱深测深表中的藏身容量作为输入训练数据,吃水作为输出进行训练。正确获得六角吃水,就可以得到相对精确和完整的浮船坞的浮态。最后用其他采集数据对浮船坞浮态检验系统进行误差检测。