基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型

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。     

引入经验模态分解的舰船运动非线性极短期预报

船舶运动的极短期预报在船舶系统、设备作业等方面具有重要的意义，采用自回归模型对船舶运动进行预报等预报效果，如精度和时间长度，与实际应用的需要还存在较大距离。在自回归（AR）数学模型中引入经验模态分解（EMD）法，利用该方法将船舶运动的时历数据以“筛分”的方式分解成几个平稳的本征模态函数（IMF），并分别建立每个IMF的AR模型，用AR模型进行预报，然后将每个IMF的预报结果相加，将各预报结果的和作为原始信号的预报结果。采用该方法进行船舶非线性极短期预报对提高预报精度有一定的积极作用。     

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。     

耦合作用下舰船运动姿态短期预测数学模型及仿真分析

舰船运动姿态短期预测很容易受到耦合作用以及周围环境因素的影响,导致预测结果的延时较高。对此设计了舰船运动姿态短期预测模型并进行仿真分析,利用船舶航行时间数据序列规律,建立当前船舶数据时序回归分析方程,计算当前船舶时间序列数据阶数以及对应系数,完成时间序列统计,以调度神经网络结构作为序列数据计算逻辑,以输入门、输出门和遗忘门作为增值单元,构造预测模型记忆区结构,将时间序列数据作为输入门的输入项,通过神经网络隐层,输出初始预测结果,再通过控制函数,缩小预测结果控制权值,完成船舶运动姿态最终预测。仿真分析数据表明,与传统预测方法相比,应用该设计模型,对舰船正向横倾姿态仿真预测的延时降低27%,反向横倾姿态仿真预测延时降低了19%,可以有效降低预测延时。     

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.     

船舶运动状态下极短期预报视景仿真系统研究

通过对视景仿真软件VEGA的应用,实现由船舶运动极短期预报的结果来判断民用甲板直升机是否安全起降及船舶运动姿态的视景仿真.开发了对船舶的运动数据接收、极短期预报和发送的实时程序,实现视景仿真的实时性.绘图程序实现船舶运动试验值和预报值的比较及对甲板直升机起降的判断.     

POD推进方式的大型船舶运动模型仿真

以改进吊舱推进方式的船舶操纵性能为目的,基于MMG分离建模思想,依据船舶运动的状态建立基于吊舱推进方式的船舶运动数学模型。然后将模型进行仿真,通过接收信息来控制船桨的转速及旋转的角度,再对船舶的操纵性能分别进行回转操纵运动仿真和Z形操纵运动仿真,软件仿真得到的数据和实船测试得到的数据相似。表明所构建的基于吊舱推进方式的船舶运动数学模型能够较准确地反映出船舶操纵的运动状态,对基于POD推进方式的船舶运动研究有较深远意义。     

基于改进神经网络方法的船舶姿态高精度预报研究

针对船舶姿态预报精度的难题,结合船舶姿态变化特点,提出基于改进神经网络方法的船舶姿态高精度预报模型,首先对船舶姿态的数据进行采集,并对船舶姿态数据进行去噪处理,然后采用神经网络对船舶姿态变化特点进行高精度逼近,并对神经网络存在的一些缺陷进行相应的改进,最后进行船舶姿态预报的仿真实验。实验结果表明,改进神经网络提高了船舶姿态预报精度,克服了当前其它船舶姿态预报模型存在误差大的弊端,船舶姿态效果优势十分明显。     

海浪预报不确定下的船舶运动姿态分析方法

实时准确地估计海浪预报不确定下的船舶运动姿态是一个非常困难的问题.为解决该问题,通过分析海浪预报的随机误差对船舶运动姿态估计的影响,建立基于不确定性海况预报数据的船舶运动姿态估计模型;引入多项式混沌展开方法,实现船舶运动姿态估计的不确定性量化(Uncertainty Quantification,UQ);利用船舶横摇运...     

船舶事故发生频率估计的非线性数学模型研究

传统船舶事故发生频率估计模型对评估数据的维度过高,导致部分有效评估因素因维度限制,无法参与模型的评估,降低了模型评估输出结果的严谨性,无法适应事故发生频率评估的非线性特征。为了解决传统评估模型存在的不足,提出船舶事故发生频率估计的非线性数学模型研究。首先根据非线性特征对模型构建数据信息进行归一化整理,然后对归一化数据进行降维计算,重构模型参量定义。最后,按照重构参量维度,完成船舶事故发生频率估计模型的建立。为了验证建立模型的准确性,采用数据对比方法,利用实例数据调试,与传统模型进行对比,调试结果证明提出模型的评估准确率能够到达97.6%以上。