用于非线性非平稳船舶运动极短期预报的一种复合自回归经验模态分解支持向量机回归模型（英文）

目的:基于支持向量机回归(SVR)模型在非线时间序列的预测能力及经验模态分解(EMD)方法在处理非线性非平稳性的优势,提出一种复合自回归经验模态分解支持向量机回归(AR-EMDSVR)模型,提高非线性非平稳船舶运动极短期预报精度。创新点:1.研究非线性非平稳船舶运动的极短期预报问题,提出一种复合的预报方法;2.基于不同层次的预报模型和模型试验数据,分析非线性非平稳性对极短期预报精度的影响。方法:1.在SVR模型中引入基于自回归(AR)预报端点延拓的EMD方法,形成复合的AR-EMDSVR预报模型;2.基于集装箱船模水池试验运动数据将AR-EMD-SVR模型与AR、SVR和EMD-AR三种模型进行比较,分析非线性非平稳性对极短期预报的影响以及不同模型的预报性能。结论:1.AR-EMD方法能够有效的克服非平稳对极短期预报模型(AR和SVR)在精度上所带来的不良影响;2.基于船模试验数据的预报结果表明:相较于AR、SVR和EMD-AR三种预报模型,基于AR-EMD-SVR模型的非线性非平稳船舶运动极短期预报结果具有更高的精度。

船舶运动航向自适应非线性控制的仿真研究

针对参数未知的船舶航向非线性控制系统数学模型,考虑船舶操舵伺服机构特性的情况下,船舶航向控制问题成一个虚拟控制系数未知的非匹配不确定非线性控制问题。引入Nussbaum函数,并采用逆推(backstepping)技术,成功地解决了上述困难,设计了船舶航向自适应非线性控制器;借助Lyapunov函数证明了所设计控制器使最终的闭环非匹配不确定船舶运动非线性系统中的所有信号有界,系统的实际航向自适应地保持设定航向。以大连海事大学“育龙”轮为例进行仿真研究,结果证明所设计的控制器是有效的。

地震动非平稳特性对结构非线性响应影响的分析

虽然地震动的非平稳特性被越来越多的研究者所认识,但是其对结构非线性响应的影响却一直没有较为深入的研究。传统的反应谱和功率谱缺乏对地震动时间信息的表达,而由小波变换得到的地震动局部谱(时变谱)能更准确地反应地震动的非平稳性。更为重要的是,小波变换可以将地震动能量在时间上的分布进行调整而不改变能量在频率上的分布,对考察地震动非平稳性对结构非线性响应的影响非常有利。利用小波变换的上述优势,对比分析了三条实际地震动记录对一榀钢筋混凝土框架非线性时程响应的影响,通过调整其中一条记录的能量在时间上的分布,清楚地表明地震动能量在时间上的集中对结构响应非常不利,并由此提出了有效峰值的概念来定量反应这种表现为能量集中的地震动非平稳性。

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。

基于小波_SVR模型的浮体极短期运动预报方法

针对随机海浪作用下浮体运动的非线性和非平稳特性,本文提出一种复合的小波-SVR组合方法。该方法首先对数据进行平稳性分析,然后利用小波分析将原始数据分解成有限个细节信号和逼近信号,将细节信号进行整合。采用SVR模型分别对最低频的逼近信号和整合后的细节信号进行预测,最后把2个预测结果进行叠加,得到最终的运动预测。仿真结果表明,复合的小波-SVR组合方法应用于浮体运动极短期预报可行,该方法在理论和工程应用方面具有重要的意义。