共查询到10条相似文献,搜索用时 46 毫秒
1.
2.
3.
4.
横摇是船舶在海上航行安全中首要考察的运动姿态。船舶横摇运动的高精度预报,需准确地估算横摇阻尼。引入相轨迹概念,以能量变化的视角,从船舶模型试验数据中提取幅值数据,进行横摇阻尼非线性特征的研究。分析幅值数据呈现的规律,提出新的幅值拟合函数,并相应改进横摇衰减拟合函数。采用线性加平方阻尼力矩模型,通过预设阻尼系数仿真生成静水船舶模型自由横摇数据,展开阻尼估算试验。试验显示:能量法的改进有效减小了阻尼系数的估算误差。基于阻尼系数进行数值预报,证明方法改进后的数值预报更加接近试验仿真数据。结果表明:能量法的改进是有效的,能更好地识别横摇阻尼的非线性特征,更准确地估算横摇阻尼系数。 相似文献
5.
[目的]为了进一步提高鱼雷通过声自导识别复杂水面目标的精度,对随机起伏海面及水面船舶运动姿态下的声散射特性进行模拟研究。[方法]基于Kirchhoff近似和六自由度运动分解合成的方法,建立水面船舶目标多路径声散射简化预报模型。在该模型中,海面波浪对船舶六自由度运动幅度和周期的影响由经验统计值描述,通过旋转矩阵和平移矩阵,实现目标各顶点在连续运动状态下的坐标变换。基于此,利用所建预报模型,分析不同水平探测角下船舶六自由度运动分别对声散射特性的贡献度和影响。[结果]研究表明:横摇和艏摇对正横探测方位角的声散射影响较大,纵摇对艏、艉向声散射影响较大。此外,建立了船舶运动姿态与目标声散射回波特性的关系。[结论]研究结果可为声呐设备对水面目标主动声探测提供技术支撑。 相似文献
6.
为提高船舶横摇运动预报的精度以及实时性,提出一种利用混沌理论和最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)在线训练算法的实时在线预报方法。针对预报模型的固定核参数不能适应横摇运动的动态变化而进行自动调节这一问题,设计一种基于LSSVM的变参数在线建模方法。利用三个LSSVM并行建模,将整个预报过程分为初始阶段和若干个预报阶段,并在每个阶段末选出下一个预报阶段的预报LSSVM,同时根据启发式规则为另两个LSSVM设定核参数,它们作为下一阶段的比较LSSVM。对某船横摇运动时间序列进行预报,仿真结果表明,所提变参数LSSVM在线预报方法平均相对均方误差为6.85%,相比于固定参数预报方法具有更好的适应性。 相似文献
7.
8.
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
9.
10.
《船舶力学》2015,(9)
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