Motion Predictions for a Vessel with Water on Deck

A numerical method is proposed for predicting six degree of freedom ship motion with green water on deck.Numerical results are presented which show the dynamic effect of water on deck on the ship motion.

基于神经核网络高斯过程回归的甲板运动预测

甲板运动预测与补偿是舰载机自动着舰的关键技术之一。传统甲板运动预测方法依赖于运动建模的准确性和参数调整,面临复杂海况、不同舰型、航态变化时具有适应性差、预测时长短、结果可靠性低等问题。提出一种基于神经核网络高斯过程回归(NKN-GPR)的甲板运动预测模型,使用神经核网络(NKN)实现高斯过程回归(GPR)模型自动复合核构造,有效改善基于规则库自动核搜索(ACKS)算法依赖人工先验知识的不足。以正弦波组合模型和功率谱模型构造仿真数据,对NKN-GPR模型和基于最小二乘法的自回归(AR)模型进行对比仿真验证,仿真结果表明,NKN-GPR模型在运动预测精度、平滑性、预测时长等方面具有显著优势,证明了所提算法的有效性,可为舰载机自动安全着舰提供理论支撑。

基于模型预测控制算法的精确着舰控制方法

针对舰载机着舰过程中的航母运动、舰尾流扰动等影响,提出一种基于模型预测控制-线性二次型高斯(MPC-LQG)算法的精确着舰控制方法,开展飞机纵向通道的精确着舰控制研究。对飞机纵向动力学、舰尾流、航母运动、轨迹跟踪等,进行建模和分析。对MPC-LQG算法进行融合,以实现轨迹跟踪控制,核心思想是:模型预测控制进行航母运动补偿;设计全维状态观测,实现全状态反馈,以实现最优着舰控制。对不同的着舰情况和初始条件进行算法仿真,并与其他算法进行仿真比较。仿真结果表明,所提方法的轨迹跟踪效果很好,高度偏差0.1~0.2 m;相比传统着舰控制,所提方法动态响应快、着舰精度高。

基于输出误差模型优化的甲板运动预报算法研究

本文提出了一种适用于多种复杂海况的大型舰船甲板运动预报方法,目的在于提高算法对不同海域复杂海况的适用性,以及对甲板运动模型的辨识精度与预报精度。该方法通过将量测数据的时间滞后处理引入输出误差模型来描述甲板运动的动力学模型,引入定阶准则确定了模型最优阶数数对。在此基础上应用了辅助模型递推最小二乘算法进行系统参数辨识并估计输出误差模型中的状态变量。实验结果表明,本文所提出的预报方法在系统参数辨识阶段可以将递推最小二乘算法的辨识精度提高5.13%,并且在预报阶段可以有效地将甲板运动的幅值与相位预测精度提高3.17%。该方法在复杂海况下具备良好的预测性能,适用于大型舰船甲板运动预报。

舰载机着舰纵向甲板运动预估及补偿技术

纵向甲板运动造成了理想着舰点高度的变化,是影响舰载机安全着舰的一个主要因素。为了减小纵向甲板运动对着舰的影响,本文提出了对纵向甲板运动进行预估和补偿的方法。基于超前网络设计了甲板运动补偿器,基于粒子滤波设计了甲板运动预估器,将甲板运动信号经过预估器和补偿器后接入纵向自动着舰引导系统,使得舰载机在着舰最后阶段可以准确跟踪甲板运动,以减小甲板运动对着舰的影响。针对不同的海况条件,对本文设计的预估器和补偿器进行了仿真验证,并与其他方法进行了比较。结果表明,本文设计的纵向甲板运动预估器和补偿器可以有效补偿由甲板运动引起的着舰误差,显著提高了着舰的安全性和准确性。

基于卡尔曼滤波理论的甲板运动预估技术研究

航母在航行过程中 ,海浪运动将会导致舰体产生俯仰、横滚、偏航、上下起伏等运动 ,这将严重威胁舰载机的着舰安全。为了确保飞机在航母上成功降落 ,必须在着舰前使飞机运动轨迹与甲板运动同步 ,因此 ,本文研究了甲板运动预估技术 ,运用卡尔曼最优滤波理论开发了甲板运动预估器 ,并提出首先对引入着舰导引系统的甲板运动信息进行预估 ,然后再进行超前补偿的策略。经仿真验证 ,甲板运动预估与补偿的结合 ,可以明显减小舰载机着舰误差 ,提高着舰精度。

纵向甲板运动补偿技术研究

纵向甲板运动主要造成理想着舰点高度的变化,给着舰过程增加了难度,同时也严重威胁了舰载机着舰的安全性。为了减小由甲板运动引起的着舰误差,基于超前网络设计了甲板运动补偿器,并通过卡尔曼最优预估理论设计了甲板运动预估器,将甲板运动通过预估器和补偿器后加入纵向自动着舰导引系统中,实现了舰载机着舰末端过程甲板运动的补偿。仿真结果表明,设计的甲板运动预估器与补偿器可以有效地补偿由于纵向自动着舰导引系统在有效频率段内存在的相位迟后所引起的着舰误差,提高了舰载机着舰的安全性。

基于甲板运动预报的自动着舰系统综合设计

由海浪引起的甲板运动造成理想着舰点的位置变化严重威胁着着舰安全,为了提高舰载机着舰精度且避免与甲板的剧烈碰撞,必须实现舰载机与甲板的同步运动。采用改进的LQR方法设计的自动着舰系统本身存在着超调和相位滞后。利用闭环系统的频域特性,采用甲板运动预报和补偿技术将预报信息补偿至自动着舰系统,能够有效地抑制超调并消除延迟,实现了舰载机对甲板运动的精确跟踪,提高了舰载机着舰的准确性和安全性。

一种基于在线序贯极限学习机的大型舰船甲板态势预测方法

在舰船摇荡运动无法有效抑制时,可利用惯性导航系统实时测量甲板运动,并利用甲板运动的当前以及历史数据对未来时刻的甲板运动进行预测,以提高舰载机的起降安全性。然而甲板摇荡运动作为风浪、潮汐等共同作用的产物,具有较强的非线性、随机性和时变性。针对上述特性,引入具有信息实时更新功能的在线序贯极限学习机(OS-ELM)方法对甲板运动态势进行预测。该方法通过实时更新参与模型解算的样本数据,具有计算量小、学习映射能力强的优点。针对OS-ELM中存在的隐含层节点个数选择,以及甲板态势预测中出现的样本个数、历史数据长度等参数选择问题,引入遗传算法(GA)进行寻优。基于模拟甲板摇荡数据的仿真表明,该预测方法可以实时跟踪甲板运动的实时性变化,并对甲板运动态势进行预测。

舰载机着舰点垂直运动补偿技术仿真研究

基于Conolly线性理论建立甲板运动通用模型来模拟多种情况(不同舰船大小及航态)下的甲板运动,设计了基于超前网络的甲板运动补偿器和基于时间序列自回归模型的甲板运动预估器。在着舰末端过程,将不同情况下的舰载机理想着舰点垂直运动信号通过预估器和补偿器加入到纵向着舰导引系统中进行仿真模拟研究。仿真结果表明,所设计的甲板运动预估器和补偿器可以有效地消除由纵向自动着舰导引系统相位迟后所引起的着舰误差影响,并且对复杂多变的着舰环境(不同舰船大小及航态)具有很好的适应性。

舰载机着舰纵向时变风险权值矩阵预测控制

为实现舰载机纵向自动着舰,提出时变风险权值矩阵的预测控制方法来构建舰载机纵向自动着舰引导律。首先,建立基于偏差形式的舰载机纵向着舰非线性模型,根据航母实时运动状态动态求解飞机着舰过程平衡点,并获得线性模型的动态系统矩阵;其次,提出纵向着舰高维风险建模理论,并通过BP神经网络训练样本数据建立风险模型,根据高维风险模型构建预测控制的时变权值矩阵,给出并证明求解最优控制量的若干定理,推导出相应线性矩阵不等式,并设计状态观测器来观测当前无法直接测量的着舰状态。最后,在半物理仿真平台上验证建立的着舰引导律,通过仿真曲线证明了算法的可行性和有效性。

基于粒子滤波算法的载机着舰甲板运动预测

舰载机在着舰过程中对甲板运动的跟踪存在相位差，需要采用预报技术将甲板的运动信息提前加入到舰载机自动着舰控制系统中：文章利用粒子滤波算法，提出了载舰甲板运动的在线预估方法，及时准确地反映出各种甲板运动形式的实质。对典型海况下甲板的俯仰运动、垂直起伏运动和偏航运动进行预报仿真，仿真结果对比表明基于粒子滤波算法得到的预估结果精度更高。

飞翼无人机自主着舰控制技术的综述

舰载机的着舰过程被认为是舰载机事故率最高的阶段,因此,如何引导与控制舰载机特别是无人机舰载机实现精确着舰,一直是国内外研究人员的研究热点。对无人舰载机所采用的气动布局和研制无人舰载机的迫切性、必要性进行了描述,对国内外飞翼布局无人机的现状进行了研究,对自主着陆和着舰技术进行了比对分析,并且指出了自主航母着舰控制技术的特殊性。针对无人舰载机在自主着舰过程中遇到的复杂风扰动、甲板运动和航母条件限制,分析了舰载机着舰过程中的控制与导引技术难点,对自主着舰控制的关键技术和解决方法的发展过程和现状进行了阐述和总结,并就自主着舰技术的发展进行了展望。

着舰控制系统中的甲板运动补偿技术研究

舰载机在着舰中对甲板运动的跟踪存在相位差,需要使用预报技术将甲板的运动信息提前加入到自动着舰控制系统(ACLS)中。甲板预报通常采用的自回归模型法(AR)是一种时间序列预报方法,在此基础上提出了一种新型的多层递阶预报模型,它是在对时变参数进行预报的基础上再对系统的状态进行预报,更能反映时变系统的运动实质。对典型海况下甲板的俯仰和沉浮运动进行预报仿真,结果表明多层递阶预报的精度更高。分别用两种方法对自动着舰纵向轨迹控制进行运动补偿,仿真表明多层递阶预报方法可以更加有效地提高轨迹跟踪精度。

基于卡尔曼滤波的理想着舰点垂向运动估计

为了满足无人机着舰的高精度需求,提高对航母运动的预报精度,研究了甲板运动预估技术。利用有理形式的成型滤波器引入白噪声作为系统输入,以拟合航母俯仰运动,运用卡尔曼滤波理论对航母甲板的俯仰运动进行了预估;并在此基础上,结合对甲板升沉及横滚运动的预估结果,实现对理想着舰点垂向运动的预估。仿真结果表明,能够有效将航母甲板的俯仰运动及理想着舰点垂向运动提前3秒预报,对提高着舰安全性有着重要意义。

基于扩张鸽群优化的舰载无人机横侧向着舰自主控制

舰载无人机着舰会受到舰尾流、航母甲板运动的干扰。为加快无人机在着舰时横侧向响应以及提高舰载机着舰对干扰的鲁棒性,本文提出了一种基于扩张鸽群优化算法的显式模型预测控制方法,并将其应用于舰载机姿态控制器设计,用于解决所设计控制器的参数优化问题。与基本鸽群优化算法、粒子群算法的仿真对比实验表明,相比传统智能优化算法,本文所提出的扩张鸽群优化算法收敛更快,普适性和稳定性也更强,采用显式模型预测控制的舰载无人机着舰系统相比比例-积分-微分控制下的系统响应更快,鲁棒性更强。

基于甲板运动预报的舰载机着舰纵向预见控制

针对常规着舰控制只根据当前指令和状态信息导致控制性能有较大瓶颈问题,设计基于未来信息的着舰预见控制器。首先采用离散Kalman最优滤波进行甲板运动预报,然后将甲板运动预报的未来信息和基准下滑道的未来信息加入到着舰纵向预见控制中。实验结果显示,加入未来信息和预见控制器能大幅增强飞机跟踪基准下滑道和甲板运动的能力,显著减少系统相位滞后,改善控制精度和动态性能等。基于未来信息的着舰纵向预见控制,可以突破常规着舰控制性能的上限。

一种面向航空母舰甲板运动状态预估的鲁棒学习模型

航母甲板在风、浪、流等因素影响下做六自由度不规则运动,影响舰载机着舰精度.航母甲板运动预估与补偿是自动着舰系统的重要功能之一,也是提高舰载机着舰安全性与成功率的关键技术之一.为此,提出一种面向甲板运动预估的鲁棒学习模型,通过基本构建单元自适应演化出复杂学习系统.构建单元的训练采用非梯度的伪逆学习策略,提高了训练效率,简化了学习控制超参数调优;构建单元的架构设计采用数据驱动的策略,简化了架构超参数调优;采用图拉普拉斯正则化方法提高了模型对噪声和意外扰动的鲁棒性.通过某型航母在中等海况条件下以典型航速巡航时的仿真实验,验证了所提方法在甲板纵摇、横摇以及垂荡运动预估问题中的有效性及鲁棒性.

舰(船)载直升机稳定平台系统的预报控制试验研究

为提高舰(船)载直升机的起降安全性,在船舶上建立一个具有波浪运动补偿功能的稳定平台.提出预报控制方案,通过船舶运动预报,提前获取船舶未来的运动趋势,并在船舶运动发生前采取相应的控制策略来补偿船舶的运动.试验结果表明,该方案可在一定程度上解决系统的滞后问题,提高系统的补偿精度.

具有甲板运动预估的三旋翼无人机着舰研究

在无人机着舰的最后阶段,舰船的甲板运动严重威胁着无人机的着舰安全,其中沉浮和横摇运动威胁最大。首先介绍了三旋翼无人机的建模方法、控制律以及模拟的甲板运动模型;在此基础上,针对舰船甲板运动对无人机安全着舰的影响,提出了抗舰船横摇/沉浮的着舰控制方案;最后,对控制方案下的着舰性能进行了仿真分析。仿真结果表明,该控制方案可以满足着舰指标要求。