船舶海上运动拓扑结构与预测分析研究

舰船运动预报对提高航空母舰作战能力具有非常重要的意义。灰色系统理论对研究舰船运动的随机性和非线性具有非常大的优势。因此,本文通过其拓扑预测模型研究舰船的姿势预报。本文首先建立了灰色拓扑预测在舰船运行纵摇预测中的应用模型,然后通过数据对比研究误差产生的原因。     

舰船目标运动预报方法中灰色系统的研究

舰船的短期运动预测有助于舰载武器系统的校准,从而提升武器系统的打击精度,由于舰船在海浪作用下持续不断做非线性多自由度运动,因此,必须建立一种非线性预测模型进行舰船目标运动的准确预报。本文介绍一种非线性灰度理论,结合该理论对舰船的短时纵摇角度等运动进行预测建模。结果表明,基于灰色系统的舰船目标运动预报有较高的精度。     

基于灰色动态MGM(1,n)模型的舰船纵摇-升沉运动预报

舰船在实际海况中的运动因受到各种因素的影响而非常复杂,六个自由度之间相互耦合构成一个复杂的系统,因此建立描述舰船运动的系统模型并对各自由度运动进行实时预报具有非常重要的意义.灰色MGM(1,n)模型用微分方程的形式表现了一个系统中n个因素对某个因素变化率的影响,可以用于对非线性复杂系统的系统预测.通过对灰色系统理论的学习发现对原始数据用极差变换进行预处理后会更适合MGM(1,n)模型的拟合,为模型预测打下了良好的基础.在充分的理论研究基础上,本文对船模水池试验获得的纵摇、升沉运动数据以及海浪数据进行极差变换后建立灰色MGM(1,n)模型,并对纵摇、升沉进行非线性预报,得到了较好的效果.     

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。     

基于组合优化理论的舰船航行速度预测

详细介绍小波神经网络和灰色系统理论的基本原理,在舰船瞬时运动模型的基础上,采用组合优化理论,将小波神经网络和灰色系统理论结合,设计一种舰船航行速度预测模型,后期的仿真实验证明,基于组合优化理论的舰船航行速度预测具有较高的精度.     

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。     

舰船航态监测及预报系统研究

基于随机理论基础的研究方法 ,应用矩函数法求解随机风浪中舰船的非线性横摇响应 ,提出了风浪中舰船安全航行的动稳性简化指标 ,研究建立将理论研究成果与测量技术、数据处理、计算机应用相结合的舰船浮态、稳性监测系统数学模型 ,给出舰船航态监测及预报系统设计方案     

舰船舫态监测及预报系统研究

基于随机理论基础的研究方法，应用矩函数法求解随机风浪中舰船的非线性横摇响应，提出了风浪中舰船安全航行的动稳性简化指标，研究建立将理论研究成果与测量技术、数据处理、计算机应用相结合的舰船浮态、稳性监测系统数学模型，给出舰船态监测与预报系统设计方案。     

航行速度的非线性建模与仿真研究

舰船航行速度具有十分强烈的非线性变化特点,而当前舰船航行速度建模方法均只考虑其线性特性,使得舰船航行速度预测错误很大。为了提高舰船航行速度预测精度,提出一种航行速度预测的非线性建模方法。首先采用舰船航行速度的历史样本数据,建立舰船航行速度预测的训练样本集合,然后引入回声状态网络对舰船航行速度训练样本的变化规律进行描述,建立舰船航行速度预测模型,最后采用具体舰船航行速度数据对非线性建模性能进行测试。本文建模方法可以捕捉舰船航行速度强烈的非线性变化特点,舰船航行速度预测错误小,舰船航行速度预测精度要小于当前线性建模方法,而且降低了舰船航行速度建模的时间,具有比较显著的优越性。     

舰船姿态运动的自适应实时预报及其应用

舰船姿态运动预报系统是舰载机起降指导系统中的主要部分,它对提高舰载机安全起降起到重要作用.本文根据大型舰船在随机海浪作用下的运动特性,提出了基于自适应AR模型的预报方法,它通过RLS递推算法实现了在线实时预报.利用DSP设计的上述预报系统,本文进行了大量典型航行工况下的仿真.仿真结果表明,文中提出的舰船姿态运动预报方法可行,提前2秒的预报误差为2.7%,提前7秒的预报误差为8.3%.因此,该方法在工程中具有很大的实用价值.