基于遗传算法优化的小波神经网络对船舶受扰力及力矩建模预报

首先构造小波神经网络,建立船舶横向和纵向运动模型及其运动受扰力模型,采用小波神经网络对船舶受扰力建模预报,并用遗传算法对其进行优化,对预报结果进行分析比较,给出超前5秒、15秒的船舶运动受扰力与力矩预报结果.     

一种基于改进回声状态网络的船舶摇荡预报

回声状态网络在船舶摇荡运动姿态的预报中得到了广泛的应用,由于远洋风浪环境的复杂性,使得船舶摇荡的非线性程度进一步增加,因此传统回声状态网络的预测精度明显不足。本文利用改进的回声状态网络方法,引入小波函数对数据进行预处理,对船舶的实测摇荡时历进行处理,提高了预报的精度。实验结果表明,与传统回声状态网络方法相比,本方法的预报精度和可靠性得到了提高。     

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.     

舰船运动极短期建模预报的研究现状

综述了舰船姿态运动极短期建模预报的发展历史及现状，讨论了各种建模预报方法在舰船运动极短期建模预报中存在的问题，着重介绍了投影寻踪学习法用于舰船运动建模预报。此外，对舰船运动极短期建模预报的研究作了展望。     

基于混沌理论和改进极限学习机的船舶升沉预报

船舶升沉运动预报是主动升沉补偿系统中的重要组成部分.为了满足船舶升沉运动预测的实时性和准确性要求,本文提出了一种混沌理论与增强搜索极限学习机相结合的混合方法(CES-ELM).在混沌动力系统相空间重构的基础上,采用基于误差最小化的方法生成ELM隐藏节点并不断更新权值;利用优化后的模型参数建立船舶运动预测模型.不同海况下的仿真结果表明,该方法的预测平均绝对百分误差小于10％,与传统的ELM和LSSVM模型相比,该模型能有效提高预测精度和鲁棒性.     

船舶运动极短期预报中小波基和分层数的选取

对于随机海浪作用下船舶运动所具有的非平稳性和非线性,首先运用小波多尺度理论,将运动姿态时间序列分解为若干层近似意义上的平稳时间序列,再使用时间序列模型对每层的单支重构信号进行预报,最后综合每层的预报值得到原序列的预报值.同时根据原始时间序列的功率谱分祈,由小波多尺度分析的频带划分范围确定小波分析中分解层数的选取;再根据不同小波基函数各自的特性,分析并选取适合的小波基函数,仿真结果表明,所提出的分解层数和小波基函数的选取方法提高了预报精度和预报时长.     

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.     

船—缆拖曳系统操纵性能分析

为获取拖船在拖曳时的操纵性的变化规律。文章采用MMG船舶运动数学模型的建模思想,建立了六自由度拖船运动数学模型,采用有限差分法,建立了拖缆模型。然后,在此基础上建立将船-缆耦合起来以形成整个系统的运动数学模型,并分别采用龙格库塔方法对船舶运动积分求解,采用后向差分法对拖缆运动进行求解。通过对比仿真计算分析了水面拖船在拖带过程中的加速性能、旋回性能及偏转抑制性能。仿真结果表明在拖船与拖缆的相互影响下,拖船的加速性能和旋回性能有所下降而偏转抑制性能有所增强。     

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。     

水气双重介质共同作用下滑行艇纵向运动预报

为探究滑行艇水气双重介质共同作用下的运动响应情况,针对喷水推进滑行艇的高速运动原理,建立水气双重介质作用下滑行艇非线性的纵向运动数学模型。分析滑行艇在水气双重介质共同作用下滑行过程中的受力特性,确定艇体受到的重力、浮力、动升力和风压阻力等,改进受风面积和风压力臂的计算方法,提出实时计算滑行艇浸湿长度的计算公式。编写滑行艇纵向运动预报程序,并对不同工况下滑行艇运动的预报结果予以了分析。结果显示,当主机输出功率一定时,计入空气比不计入空气时的航速下降5.1%,升沉量下降0.006 m,纵摇角抬升0.2°,阻力增加1 893 N,动升力减小404 N;而计入风的阻力对滑行艇的运动影响较大,航速下降15.3%,纵摇角增加0.6°,升沉量下降0.021 m,动升力下降1 139 N,阻力增加5 472 N。     

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.     

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。     

基于神经网络的围网渔船横摇运动研究

为了快速预报一艘65 m的围网渔船在任意载况规则波中横摇运动频率响应函数及不规则波中各海况下的横摇角有义值,应用神经网络的原理和算法,以该船7种实际航运载况的耐波性计算数据为训练样本,建立满足精度要求的围网渔船横摇运动神经网络预估模型。并分析吃水、重心高度、航速和浪向对横摇运动的影响。该模型可应用于风浪中船舶航行安全性评估。     

基于支持向量机的船型主尺度要素数学建模

主尺度要素数学模型的建立是一项重要有益的工作,提出了用支持向量机对船舶主尺度要素数学建模,与传统数理统计回归分析方法和RBF神经网络模型相比,其精度比较高。实践证明,该方法在船舶设计船型主尺度要素建模等复杂系统方面是实用的和可靠的。     

Black-box modeling of ship manoeuvring motion based on feed-forward neural network with Chebyshev orthogonal basis function

Based on polynomial interpolation and approximation theory, a novel feed-forward neural network, the feed-forward neural network with Chebyshev orthogonal basis function, is proposed for black-box modeling of ship manoeuvring motion. The neural model adopts a three-layer structure, in which the hidden layer neurons are activated by a group of Chebyshev orthogonal polynomial activation functions and the other two layers’ neurons use identity mapping as activation functions. Weight update formulas are derived by employing the standard back-propagation (BP) training method. With the simulated 15º/15º zigzag test data as input and calculated values of the hydrodynamic forces and moment as output, the feed-forward neural network with Chebyshev orthogonal basis function and the BP neural network are applied to identify the nonlinear functions in the nonlinear hydrodynamic model of ship manoeuvring motion. With the simulated 20º/20º zigzag test data and 35º turning test data as input, the hydrodynamic forces and moment are predicted by using the identified nonlinear functions. Comparison between the calculated and predicted hydrodynamic forces and moment shows that the feed-forward neural network with Chebyshev orthogonal basis function is superior to the BP neural network in identifying the nonlinear functions of the nonlinear hydrodynamic model of ship manoeuvring motion and is an effective method to conduct the black-box modeling of ship manoeuvring motion.     

基于自回归模型的船舶姿态运动预报

介绍了自回归时间序列分析法的建模预报原理,并给出了船舶纵摇运动预报应用实例。为检验船舶纵摇运动预报效果,还用船舶纵摇观测数据进行了仿真研究,将真实曲线与预测曲线比较,观察其拟合程度的好坏。实例分析表明,自回归预报算法简单且容易实现,预报精度约为4.6%左右。自回归时间序列分析法亦可用于船舶横摇、首摇等姿态的时间序列预报,该方法在工程中具有很大的实用价值。     

限制水域船舶纵向下水的动力学分析

为了对限制水域内船舶纵向下水运动进行完整而准确的预报,考虑兴波阻力、粘性阻力、锚链力、钢缆力、水流力、横向侧推力的动力效应以及不对称水域等因素对下水运动的影响,针对下水各阶段建立了船体运动模型,提出了一种较为完善的限制水域内下水运动理论计算方法.采用该方法对一艘45000吨化学品/成品油轮的下水运动进行了预报,并与实船下水测试结果进行了比较分析.结果表明,此方法可以较好地模拟船舶下水运动,为分析和判断船舶下水的安全性提供了依据.     

BP模型在闽江岸线变形预测中的应用

河道岸线变形问题是一个复杂的非线性动力系统问题,文中利用神经网络处理非线性问题的优势,以闽江竹歧至侯官河段为研究对象,建立预测河道岸线变形的BP神经网络模型。通过对河道岸线变形影响因子的分析,确立了2种输入、输出因子模式。结果表明,模型输入、输出因子的选择对模型预测结果影响很大,选用合适的输入、输出因子,会得到比较好的预测效果。     

内河航道船舶航行操纵平面二维数值模拟初步研究

船舶航行操纵数学模型包括水流数学模型和船舶航行数学模型,其中水流数学模型是船舶航行模拟的基础。基于船舶航行操纵数学模型的基本原理,研究开发了船舶航行操纵平面二维数学模型,其中水流数学模型采用贴体坐标系下的平面二维水流数学模型,采用有限体积法对水流基本控制方程进行了离散,在求解过程中采用了欠松弛技术和逐线迭代法,船舶航行数学模型采用比较流行的"组合型"水动力模型,并采用有限差分法离散求解船舶运动方程。根据实船或船模在静水条件及均匀流条件下的航行试验资料,对所建立的船舶航行操纵数模进行了验证和参数率定,结果表明该船舶数模能够正确模拟船舶的航行操纵性能。