船舶运动惯导实测数据的非线性混沌特性的判定

利用基于关联维数的相位随机化的替代数据法，给出了对船舶运动惯导实测时间序列进行非线性判定和混沌判定的方法，计算结果表明船舶运动纵摇和横摇时间序列中含有非线性成份，指出船舶运动的建模和预报须用非线性时间序列的原因，研究了使用混沌时间序列S判据对船舶运动进行混沌判定的方法。     

大型舰船纵摇运动的多层递阶预报

主要介绍多层递阶预报原理及其首次在大型舰船纵摇运动预报中的应用实例.仿真结果表明,多层递阶时间序列模型能较好地反映参数的时变特性,取得较精确的预报结果.     

实船运动与包络的极短期预报分析

舰船运动及包络的实时预报可以为舰载机起降、船舶减摇、海上锚泊并靠物资补给、动力定位等提供辅助指导意见。本文利用某实船的升沉、纵摇与横摇数据,建立运动和包络的2阶自适应Volterra级数模型,通过RLS算法估计Volterra级数模型的核,统计了不同工况下的运动预报精度。分析结果表明,Volterra级数模型可以用来辨识船舶运动系统,纵摇与升沉预报精度较好,运动预报可以与包络预报相结合共同指导工程作业。     

不同航态下船舶运动规律仿真研究

主要根据波浪叠加理论,采用ITTC单参数标准海浪谱对随机海浪作用下船舶线性横摇、纵摇运动进行建模和仿真研究,探讨不同船型、各种航态(不同海况、不同航速、不同航向)下船舶横摇和纵摇运动规律,为进一步研究船舶的减摇预报与控制打下基础。     

二阶灰色神经网络在船舶横摇预报中的应用

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。     

S-175集装箱船在规则波浪中运动的六自由度运动预报

由于海风、波浪和其他干扰因素的影响,船舶在航行过程中会产生复杂的运动,具有非线性和随机性特征。船舶运动预报在船舶避撞、减摇控制等领域具有重大意义。本文以船舶自身为参考,建立船舶坐标系o-xyz,从船舶三自由度平面、横摇、纵摇、垂荡对船舶受力情况进行数学分析,提出规则波浪下S-175集装箱船运动预报模型。     

波浪影响下船舶横摇运动的时间序列预测数学建模研究

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。     

波浪运动补偿平台广义升沉位移的实时预报

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.     

随机波中船舶参数横摇研究

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。     

船舶超谐共振响应运动

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。     

基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果.为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比.实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点.这为舰船运动短期预测提供了一个新的思路和方法.     

Application of the Grey topological method to predict the effects of ship pitching

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.     

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。     

应用人工神经网络理论的船舶运动包络预报方法

本文首先介绍了人工神经网络理论的基本内容以及前馈网络反向传播的训练方法，然后应用单隐含层网络作出船舶运动包络的实时预报。文中就一船舶的海上实测运动数据进行了实例计算，结果表明，本文方法的预报结果明显好于其它模型的自适应预报结果。     

舰船运动姿态仿真与多层AR预报研究

舰船运动姿态预报可更好地保障舰船各项作业的顺利进行,提高航行安全性。该文从频域角度仿真随机风浪,据此仿真舰船运动。考虑到舰船运动姿态时域上的非线性、非平稳特点,采用多层AR模型进行舰船运动姿态预报,并根据仿真案例进行预报检验。多层AR方法能有效提高极短期预报的精度。     

船舶横摇运动预测误差研究

通过对船舶横摇运动的预测误差与输入过去样本长度之间的关系进行研究,提出船舶横摇运动预测误差的经验公式,该公式可用于确定指定预测误差下的最小过去样本长度.采用小波-自回归算法模型进行横摇预测,统计分析预测均方根误差值与输入过去样本长度之间的关系,结果表明,预测过去样本长度与预测均方根误差之间遵循幂函数关系.     

The application of modeling and prediction with MRA wavelet network

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.     

基于VDM与APSO优化极限学习机的船舶运动姿态预报

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。     

舰艇横摇进水过程姿态参数数值求解与实验研究

目前在进行破损舰艇进水过程姿态计算的理论和实验研究时,主要还是针对静水情况进行分析,而未考虑舰艇横摇运动下进水过程的姿态计算。基于此,首先以横摇运动的进水过程为研究对象,建立横摇运动微分方程组;然后,在对时间域进行离散化的基础上,使用“四阶龙格-库塔”公式建立数值求解算法;最后,对模型及求解算法进行船模实验验证。设计的实验包括3个不同的进水模式,船模实验结果表明了模型和算法的准确性。所建立的模型和算法可直接用于舰艇横摇运动的仿真,并能为横摇过程中的舰艇稳性计算提供支撑。