基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型（英文）

准确的极短期预报技术能够提高对船舶摇荡运动敏感的海洋特种作业安全性和效率。自回归(auto-regressive,AR)预报模型由于其自适应性强、计算效率高而被广泛应用于船舶运动的极短期预报研究。但该模型基于平稳随机假设,因而在非平稳船舶运动的极短期预报中存在困难。针对非平稳船舶运动极短期预报,文章提出一种基于AR-EMD方法的扩展AR模型,称为EMD-AR预报模型。其中,AR-EMD方法是指在经验模态分解(empirical mode decomposition,EMD)的过程中,采用AR预报的方法处理端点效应问题。EMD-AR预报模型将非平稳信号分解成若干平稳的固有模态函数分量及余项,然后对各个分量分别用AR模型预报,得到最终的预报结果,以此克服非平稳性对AR预报模型的影响。研究基于船舶试验数据将EMD-AR模型与线性AR模型、非线性支持向量机回归(support vector regression,SVR)预报模型进行对比分析,结果表明,AR-EMD方法能够有效处理船舶运动非平稳性对AR预报模型的影响,提高该模型的预报精度,且EMD-AR模型预报性能较线性AR模型和非线性SVR模型更优。

船舶运动极短期预报方法综述(英文)

文章对船舶运动极短期预报技术进行了探讨和评价。论述了极短期运动预报的定义,从不同角度对极短期预报方法进行了分类。并对极短期预报方法的发展进行了叙述及讨论,分析了这些预报方法的优点和缺点,并对今后极短期运动预报技术研究的发展提出了建议。

基于人工神经网络的自航浮标测波方法可行性

海洋波浪会对船舶营运和安全产生不利影响,实时准确的随船海浪监测对绿色智能船舶及航行安全至关重要.利用船舶运动反演遭遇海浪信息是一种重要的随船海浪监测手段,具有成本低、时空分辨率高等诸多优点,受到广泛关注.针对现有船舶运动反演海浪模型存在的不足,提出了一种基于人工神经网络(Artificial Neural Network, ANN)的反演模型.以船舶摇荡运动时历作为输入,以波浪时历作为输出,利用人工神经网络进行船舶运动特征提取,输入线性函数进行波面时历反演.为验证反演模型的可行性和精度,开展了船模水池试验.结果表明,提出的基于人工神经网络的测波方法能够很好地实现规则波和不规则波浪时历反演,规则波反演统计误差大多小于10%,不规则波反演误差在10%左右.提出的方法为船舶运动反演海浪时域信息提供了一种有效可行的手段.

空投鱼雷水中弹道以及弹道散布模拟研究

空投鱼雷水中弹道的准确预报对于目标物的打击至关重要。由于海洋环境的复杂性,导致鱼雷的水中弹道受到多种因素制约。为分析海流速度以及鱼雷攻角对鱼雷水中弹道的影响,本文基于鱼雷六自由度运动方程,在鱼雷运动方程中引入随机海流的影响,模拟分析不同海流速度、不同攻角下的鱼雷水中弹道以及鱼雷弹道散布,给出相应的仿真结果,探讨鱼雷弹道的散布规律。

失事航天器高速入水砰击数值模拟研究

针对失事航天器入水砰击过程中水动力系数求解精度较低的问题,基于流体体积(VOF)多相流模型和自然空化条件建立了复杂结构物高速入水砰击数值模型,模拟圆柱体入水砰击过程,对砰击荷载、阻力系数、速度和加速度变化规律进行预报,并将数值模拟结果与试验结果进行了精度对比,验证了本研究方法的精确性.在此基础上以典型航天器为研究对象,分析砰击速度和航天器密度对其砰击荷载和水动力系数的影响.研究结果表明:航天器残骸的砰击速度和密度对其阻力系数影响较小,阻力系数稳定值约为0.35;航天器残骸的砰击荷载峰值随砰击速度的增加而增加.

波浪激励下红土镍矿运输船舶倾覆机理

选取具有典型流态化货物特征的红土镍矿、高岭土与红砂土进行了临界含水率和流态化试验,测定了其临界含水率;利用激励横摇装置开展了不同激励幅值与频率的激励横摇运动试验,对比了3种不同货物在不同含水率下倾覆力和力矩的时历特性;设计了倾覆机理试验,选择临界含水率红土镍矿作为试验样本,在波浪水槽中造波激励舱段横摇运动,再现了红土镍矿运输船舶的倾覆过程,利用高速摄像机记录了自由液面变化情况,通过图像处理技术对自由液面进行分割,根据自由液面情况分析了红土镍矿运输船舶倾覆过程中舱段的浮心和重心变化。试验结果表明:红土镍矿、红砂土、高岭土的临界含水率分别为33.6%、 22.0%、39.4%;对于具有不同性质的土,在相同激励条件下,晃荡力与力矩呈现出不同的性质;当相位差为90°与270°时,不对称力矩较相位差为0°与180°时增大4.37倍;红土镍矿运输船舶倾覆主要原因为流态化货物晃荡导致横摇力矩增大、动稳性降低而发生倾覆,同时,晃荡力矩与货物性质、激励周期、黏性、激励幅值等多种因素有关。