基于修正协方差法和神经网络的船舶运动预报方法

针对风浪影响下的船舶运动预报问题,笔者提出一种基于修正协方差法和神经网络的船舶运动预报方法。该方法根据船舶运动的相关性和周期性特点,首先利用修正协方差法(Modified Covariance Method,MCOV)对船舶运动测量数据进行功率谱分析,将船舶运动分解成若干不同频率的周期运动分量,继而通过神经网络拟合船舶运动方程,实现船舶运动预报。仿真实例比较了该方法与自回归序列(Auto Regressive,AR)、神经网络(Neural Network,NN)、维纳预测(Wiener)等船舶运动预报方法的预报性能,结果表明该方法可以提供较好的船舶运动预报结果,其预报精度优于AR、NN、Wiener等预报方法。

基于二阶自适应Volterra级数的船舶运动极短期预报研究

针对随机海浪作用下船舶运动的非平稳、非线性特性,文章提出了基于卡尔曼(Kalman)滤波原理的非线性二阶Volterra级数自适应预报模型。通过把Volterra级数核向量作为状态向量,利用随机游动模型建立系统的状态方程,一步Volterra级数预报模型作为系统的观测方程,从而进一步提高了Volterra级数模型的核估计的收敛速度。同时验证了利用AIC准则对Volterra级数预报模型定阶的可行性,通过迭代法实现了自适应多步预报。仿真结果表明文中提出的基于Kalman滤波算法的自适应预报模型应用于船舶运动极短期预报是可行的,该方法在理论和工程应用方面具有重要的意义。

基于小波神经网络的船舶运动预报

利用残值学习算法进行小波节点的选择,利用Akaike准则确定预测模型的结构,采用误差反传方法在线调整网络连接参数.通过建立的自适应神经网络模型有效辨识船舶操纵运动动态.船舶航向预报仿真结果显示,基于小波神经网络的船舶航向预测器可以较高精度预报船舶操纵运动过程中船舶航向的变化.

船舶运动安稳期预报技术综述

船舶运动安稳期的准确预报对提高舰载直升机着舰、无人水下航行器的布放与回收等海上作业的作业效率具有重要影响。首先,通过模拟计算说明进行船舶运动安稳期预报的可行性;其次,对国内外船舶运动安稳期预报技术的研究现状进行回顾与总结,进而阐述船舶运动安稳期预报技术的原理;再次,对船舶运动安稳期预报技术的3个主要环节:波浪测量及波浪场重构技术、波浪传播预报技术以及船舶运动预报技术进行分析。最后,对未来船舶运动安稳期预报技术的发展予以了展望。

载液船舶在波浪中的运动预报

载液船舶在波浪中的运动是一个复杂的力学问题,它涉及到船舶摇荡运动与液体晃荡运动的相互耦合作用。本文将建立计及液体晃荡载荷的载液船舶在波浪中的运动方程并概述相关研究现状。

基于格型递归最小二乘算法的船舶运动极短期预报

在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursiveleast square)算法对AR模型参数进行自适应估计。该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度。利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度。

基于混沌理论与RBF神经网络的船舶运动极短期预报研究

文章基于混沌动力系统相空间重构理论,利用关联维数法和最大Lyapunov指数法,对船舶运动时间序列的混沌特性进行了判定。并利用RBF神经网络较强的非线性映射功能,结合相空间重构理论建立了船舶运动极短期直接多步预报模型。实例预报结果表明,所建立的预报模型应用于船舶运动极短期预报取得了令人满意的预报精度,预报时间可达10 s。

基于小波滤波和LSTM 神经网络的船舶运动极短期预报研究

为了提高船舶运动极短期预报精度及预报时间长度,本文采用小波多分辨率分析方法,将含有噪声的船舶运动信号进行了多尺度小波变换,通过采用阈值函数法对各尺度下细节信号的小波系数进行处理,对小波分解层数、小波基函数、阈值处理方法进行了深入研究,并通过模型试验数据对滤波效果进行了验证分析,实现了船舶运动信号的小波滤波。进一步针对船舶运动的非线性特性,基于深度神经网络的非线性映射能力,建立了基于LSTM网络的多步直接映射船舶运动极短期预报模型,并采用滤波后的船舶运动数据进行了不同工况下的预报分析。结果表明,不同时间长度的预报与试验结果幅值和相位吻合较好,验证了所建立的极短期预报模型的可行性。

数据挖掘技术在船舶操纵运动预报中的应用研究

船舶操纵性直接影响船舶的航行安全。本文首先阐述BP神经网络的特点,并且以此为基础设计基于数据挖掘的船舶操纵运动预报的神经网络结构,选取散货船样本进行学习,获得3个预报样本,最后对散货船的水动力进行预报。预报结果表明,本文所采用的基于神经网络的数据挖掘技术预报精确度高。

船舶摇荡运动分析的线性时域切片方法

[目的]为了研究船舶在波浪中运动预报的非线性切片方法,从线性时域切片方法出发进行初步探究。[方法]在切片假设前提下,推导二维剖面满足的边界条件,求解二维剖面的水动力系数,进而求解全船的受力及运动响应,并采用方向导数的数值差分方法计算速度势沿船长的偏导数。计算Wigley I船的水动力系数及KVLCC2船、8 000 TEU集装箱船的运动响应,并与其他相关方法的计算值及试验值开展对比研究。[结果]结果显示,所得结果与模型试验结果总体上吻合良好,具有良好的适用性。[结论]所做研究对后续开展船舶非线性时域切片运动预报具有一定的借鉴意义。

变步长LMS算法相空间重构的AR模型预报仿真

研究船舶运动姿态预报问题,存在着预报精度不高和收敛速度慢的问题,根据船舶运动具有混沌特性的特点,提出了VSS-LMS算法重构相空间,建立AR预报模型,实现了对船舶运动姿态的预报仿真,提高了稳态的预报精度,并在初期就能很好地提高收敛速度。经实验证明,基于VSS-LMS算法的混沌相空间重构AR预报模型预报精度更高、预报时间更长,且具有更快的收敛速度,为船舶运动姿态实时在线预报提供了理论依据。

基于实时预报的舰载火控稳定跟踪控制技术

针对火控稳瞄系统存在较大的不确定性及干扰,其特征参数,如固有频率、阻尼以及负载干扰等,将随着被控炮之间差异、载弹量、目标位置的变化及工作海况的影响而产生较大变化的特点,提出了一种PFC-PID串级透明控制策略,通过内环PID控制来提高抗干扰性,外环采用预测函数控制来获得良好的跟踪性能和强鲁棒性。针对舰载火控系统的稳定瞄准中的预测函数控制,提出了船舶运动实时预报问题,根据不同海况、不同船舶的惯导信号特性的不同特点,研究了一种基于自适应长自回归模型和径向基函数神经网络芯片ZISC78的船舶运动实时预报方法。通过对射击过程的仿真,表明基于实时预报的PFC-PID串级透明控制完全可以满足舰载火控系统战技指标,且算法简单,鲁棒性好,是一种实用的火控算法。

基于仿射投影算法的AR模型参数估计方法

为取得更有效的预报效果,在深入分析传统LMS(Least mean square)算法的基础上,提出利用仿射投影算法对AR模型参数进行自适应估计,利用实测的动态数据结合AIC(Akaike information criterion)准则建立自适应AR(Autoregressive)预报模型,并将该模型应用于船舶运动预报中,实例仿真比较分析表明:相对于LMS算法、LMS-Newton法和NLMS(归一化LMS)算法,基于仿射投影算法得到的AR预报模型,预报精度更高、预报时间更长,且在自适应AR模型参数估计中具有更快的收敛速度,能为实时在线预报提供理论依据.

AR模型参数自适应估计方法研究及应用

为了提高AR模型参数估计的精度和收敛速度,提出基于卡尔曼(Kalm an)滤波原理的AR模型参数估计方法.把AR模型参数向量作为状态向量,利用随机游动模型建立系统的状态方程,由观测数据建立系统的观测方程,应用卡尔曼(Kalm an)滤波原理求得参数向量的最小方差估计.将该方法应用于船舶运动实时建模预报中.仿真研究表明本文提出的基于Kalm an滤波算法的AR模型在预报精度以及收敛速度方面均优于基于递推最小二乘法(RLS)和最小均方(LMS)算法,该算法具有较强的鲁棒性,降低了实时在线预报时通信故障所引起的数据缺失对预报精度的影响.该方法在理论和工程应用方面具有重要的意义.

一种用于船舶纵-横联合减摇的预测控制器（英文）

目的:为提高船舶运动联合减摇效果,提出一种基于船舶运动及船舶水动力预报的联合减摇控制方法,并基于弱非线性二维半方法进行数值仿真,分析该控制方法的减摇控制效果。创新点:1.提出基于船舶运动预报和水动力预报的减摇方法,克服了控制时延对减摇效果的影响;2.基于弱非线性二维半方法进行船舶运动减摇数值仿真,验证了该方法能够实现良好的联合减摇控制效果。方法:1.在控制过程中基于极短期预报方法预报船舶运动姿态,并利用船舶运动方程预报水动力,将预报的水动力作为鳍角分配的依据;2.基于弱非线性二维半方法在时域内进行船舶运动减摇数值仿真,分析该控制方法在各种不同海况下的减摇控制效果。结论:1.弱非线性二维半方法在高速船舶的水动力预报中可以获得良好的效果;2.在各个不同海况下,本文提出的控制方法能够实现有效的联合减摇。