共查询到19条相似文献,搜索用时 375 毫秒
1.
2.
3.
4.
5.
为了提高船舶的耐波性和适航性、对船舶横摇进行有效准确预报,提出了将灰色系统理论和神经网络进行有机结合的二阶灰色神经网络预报模型。介绍了二阶灰色预报模型,采用神经网络映射的办法构建灰色神经网络预报模型,并介绍了神经网络学习机制。另外,以某舰船横摇运动时间序列预报为例对模型进行仿真验证,有效改善了二阶灰色模型较大的预报偏差。仿真结果表明,GNNM(2,1)模型能准确预报船舶横摇运动,具有更高的预报精度和更好的数据稳定性。 相似文献
6.
7.
《舰船科学技术》2017,(22)
在波浪的影响下,常规的船舶横摇运动时,没有建立横摇运动的模型,降低了预测的精度,不能有效地减小船舶的横摇,存在船舶耐波性较差的问题。当前方法进行船舶横摇运动的建模时,不能减小船舶的横摇,降低了船舶的耐波性。提出一种基于时间序列预测的船舶横摇运动数学建模研究方法。该方法建立波浪扰动船舶横摇运动模型,依据随机的过程理论,求出空间上某固定点波浪倾角的数学模型,依据横摇运动模型得出横摇运动的数据。对船舶横摇运动进行时间序列预测克服了传统方法存在的弊端,运用时间序列的分析方法建立AR模型,应用于船舶横摇运动的时间序列的预测,减小船舶的横摇性,提高了船舶的耐波性,完成对波浪影响下船舶横摇运动的时间序列预测数学建模的研究。实验的结果表明,利用该方法能有效地减小船舶的横摇,提高船舶的耐波性。 相似文献
8.
具有波浪运动补偿功能的稳定平台可有效减少船舶在风浪中的摇摆和升沉运动对某些海上作业和设备的影响.为了有效地进行波浪运动补偿,需要对该平台的广义升沉位移(横摇、纵摇以及升沉的耦合作用结果)进行极短时预报.本文采用时间序列分析理论中的自回归(AR)模型作为预报模型,对波浪运动补偿平台的广义升沉位移进行极短时预报.在以往的研究中,通常采用递推最小二乘法AR模型进行在线参数估计.但是采用递推最小二乘法进行参数估计容易引起参数爆发,从而影响AR模型的稳定性.针对该问题,本文采用阻尼递推最小二乘法对AR模型进行在线参数估计,并结合实验获得的平台控制点的广义升沉位移数据进行实时建模预报.仿真结果表明,采用阻尼递推最小二乘法进行参数估计能抑制参数爆发,并能提高AR模型实时预报精度. 相似文献
9.
随机波中船舶参数横摇研究 总被引:1,自引:0,他引:1
针对随机波中船舶参数横摇,提出一种数值预报方法。采用新的随机波成形方法,求解出船舶无横倾时在随机波中时间序列垂荡和纵摇运动,确定出船-波相对位置。利用3个坐标系之间的转换关系确定船体各横剖面左右舷与波面瞬时交点,然后对波浪压力沿船长湿表面积分,得出船舶复原力的Froude-Krylov部分。提出复原力之辐射力和绕射力部分和横摇角的非线性假定。确定一个参数横摇数学模型,实现随机波中参数横摇计算;通过试验和数值模拟对一艘巴拿马型集装箱船进行了参数横摇预报,研究了随机波中参数横摇的实际非各态历经的特点。 相似文献
10.
船舶超谐共振响应运动 总被引:2,自引:0,他引:2
由于船舶阻尼系数和恢复力矩的非线性,船舶大幅运动时横摇和纵摇耦合。各类船舶的纵摇固有频率接近横摇固有频率的两倍,存在基于动力学理论的2;1的内共振关系。本文考虑大幅波浪激励,建立了船舶横摇与纵摇耦合的非线性运动方程,针对纵摇和横摇频率存在2:1内共振关系以及波浪遭遇频率Ω等于1/4倍纵摇固有频率,采用多惊讶方法,求出了运动方程的摄动解,得到了横摇与纵摇超谐运动的时间历程响应,分析了产生超谐共振的条件。研究表明,在大幅波浪激励下,船舶将出现超谐共振响应,其运动特征是:横摇运动和纵摇运动均为两个不同频率谐波的迭加。横摇响应包括波浪遭遇频率谐波和横摇固有频率谐波;纵摇包括波浪遭遇频率谐波和纵摇固有频率谐波。两个谐波响应的迭加,使横摇和纵摇运动响应显著增加,并且横摇运动不再左右对称,针对算例进行了超谐运动响应计算,计算结果与本文的理论分析结论完全吻合。 相似文献
11.
12.
Ship motion, with six degrees of freedom, is a complex stochastic process. Sea wind and waves are the primary influencing factors. Prediction of ship motion is significant for ship navigation. To eliminate errors, a path prediction model incorporating ship pitching was developed using the Gray topological method, after analyzing ship pitching motions. With the help of simple introduction to Gray system theory, we selected a group of threshold values. Based on an analysis of ship pitch angle sequences over 40 second intervals, a Grey metabolism GM(1,1) model was established according to the time-series which every threshold corresponded to. Forecasting future ship motion with the GM (1,1) model allowed drawing of the forecast curve with effective forecasting points. The precision of the test results show that the model is accurate, and the forecast results are reliable. 相似文献
13.
基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型 总被引:1,自引:0,他引:1
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。 相似文献
14.
15.
16.
17.
LUShu-ping YANGXue-jing ZHAOXi-ren 《船舶与海洋工程学报》2004,3(1):20-23
As there are lots of non-linear systems in the real engineering, it is very important to do more researches on the modeling and prediction of non-llnear systems. Based on the muhi-resolution analysis (MRA) of wavelet theory, this paper combined the wavelet theory with neural network and established a MRA wavelet network with the scaling function and wavelet function as its neurons. From the analysis in the frequency domain, the results indicated that MRA wavelet network was better than other wavelet networks in the ability of approaching to the signals. An essential research was carried out on modeling and prediction with MRA wavelet network in the non-linear system. Using the lengthwise sway data received from the experiment of ship model, a model of offline prediction was estab lished and was applied to the short-time prediction of ship motion. The simulation results indicated that the forecasting model improved the prediction precision effectively, lengthened the forecasting time and had a better prediction results than that of AR linear model. The research indicates that it is feasible to use the MRA wavelet network in the short -time prediction of ship motion. 相似文献
18.
为提高船舶在海上运动的耐波性与适航性,并为解决具有非线性、随机性和非平稳性特点的船舶运动姿态难以准确预测的问题,提出运用一种基于变分模态分解和自适应粒子群算法优化极限学习机的组合预测模型。该算法首先利用变分模态分解将船舶运动姿态序列分解为一系列限带内本征模态函数,并且变分模态分解可以避免经验模态分解技术所产生的模态混叠和端点效应,可以降低序列的非平稳性对预测精度的影响;然后对各模态分量分别建立极限学习机预测模型,并用改进的粒子群算法对极限学习机的初始权值和阈值进行优化;最后将各模态分量预测结果进行叠加,得到最终的船舶运动姿态预测值。通过模拟试验测试并与其他传统的预测方法进行比较,结果表明所建立的组合预测模型具有更高的预测精度。 相似文献
19.