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。     

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.     

舰船隔振系统的数学建模与分析

随着现代舰船事业的发展与进步,海上航行安全稳定的重要性逐渐突显出来。特别是舰船隔振系统,其气囊隔震器的承载性较强且固有频率不高,具有较高的驻波频率,所以在舰船振动控制中得到广泛应用。根据既有研究结果显示,充气压力会直接影响气囊刚度,伴随充气压力的不断提高,气囊的刚度也会随之增大,非线性特性明显。在舰船隔振系统研究领域,为确保舰船隔振效果,需合理地构建数学模型,并通过必要的验证,确定舰船隔振系统的有效性,为舰船海上航行提供必要保障。为此,有必要重点研究并分析舰船隔振系统数学模型的构建。     

人工智能的舰船航行速度自动调整研究

为了更好保障船舶航行效果,有效实现在复杂海洋环境下对船舶航行速度进行有效控制的目标,提出基于人工智能的舰船航行速度自动调整方法。通过对舰船航行速度特征参数进行采集,获取船舶航行速度变化规律,并结合非线性模型实现对船舶航行速度的有效建模,减少环境干扰影响,有效降低船舶航行控制误差,保证速度调整的准确度。最后通过实验证实,本文提出的人工智能的舰船航行速度自动调整方法具有较高的实用性,充分满足研究要求。     

基于云推理的船舶航行速度非线性数学控制模型

传统的船舶航行速度数学预测模型在数据转换的过程中具备较大误差,导致最终的预测准确率较低。为了能够提高船舶航行速度预测的准确度,基于云推理建立船舶航行速度的非线性数学控制模型。建立云推理规则发生器,探究双条件下的运行模式,转化船舶航行的历史数据,以此建立全新的线性数学模型。实验结果表明,该数学控制模型的预测精度能够达到85.2%,相较于传统的集中数学模型有较大的改进,且建模时间也相对较短,因此可知该数学模型具备实用价值。     

基于数理统计法的舰船运动数学模型

传统的舰船运动数学模型没有考虑到海上复杂情况对舰船运动的影响,导致舰船航行过程中容易发生碰撞现象,为此设计一种基于数理统计法的舰船运动数学模型。建立舰船运动坐标系,利用固定坐标系与运动坐标系描述舰船位置情况,采用数理统计法整理舰船航行数据,在模型中计算风、浪、流的干扰,以真实模拟舰船运动情况,并建立舰船智能避碰决策机制,以此完成舰船运动数学模型的构建。通过实验证明,此次设计的基于数理统计法的舰船运动数学模型比传统舰船运动数学模型发生碰撞次数少,证明了此次设计的舰船运动数学模型的有效性。     

基于统计数学理论的舰船航行轨迹建模研究

轨迹建模对舰船航行安全具有重要的意义,为了解决当前的舰船航行轨迹建模准确性低,以及建模时间长的难题,以获得更加理想的舰船航行轨迹建模结果为目标,设计了基于统计数学理论的舰船航行轨迹建模方法。首先对舰船航行轨迹建模原理进行分析,建立舰船航行轨迹建模的数学模型,然后引入统计数学理论中的机器学习算法——BP神经网络对舰船航行轨迹进行建模,最后采用具体舰船航行轨迹数据进行了性能验证性测试。结果表明,相对于当前经典舰船航行轨迹建模方法,本文方法的舰船航行轨迹建模效果更优,获得了高精度的舰船航行轨迹建模结果,缩短了舰船航行轨迹建模时间,是一种高精度、高效率的舰船航行轨迹建模方法,具有一定的实际应用价值。     

舰船自动智能避碰数学模型及其仿真研究

为了提高舰船航行的安全和效率,达到最佳操船效果,需要建立舰船自动智能避碰数字模型。当前模型在分析舰船避碰风险度的基础上,通过人工智能、进化计算和软计算等方法实现舰船自动智能避碰,存在避碰识别准确率较低的问题。本文提出一种新的舰船自动智能避碰数学模型,首先对舰船会遇态势进行判断;然后建立预测舰船碰撞风险判断模型,预测本舰船实施自动智能避碰方案后的复航时机是否已到,以及本舰船立即复航是否能够让清目标舰船或其他所有目标舰船;最后依据舰船碰撞风险判断结果,以当前舰船潜在碰撞风险为例,建立舰船自动智能避碰数学模型。仿真结果证明,所提模型能够实现舰船自动智能避碰。     

支持向量机技术在舰船航向广义预测与控制中的应用

舰船在海上航行时,受到海浪等干扰力的作用难免会偏离既定航线,严重时甚至发生搁浅等事故,航向的广义预测与控制决定了舰船的航行效率和安全性,是船舶工业领域研究的重点。支持向量机技术是一种新型的智能学习算法,该算法在非线性系统求解、小样本、高维度系统求解领域有重要应用。本文以舰船航向预测与控制为研究对象,系统介绍了支持向量机算法,并基于支持向量机技术对船舶航向进行预测与控制。本研究对于提高舰船航向预测与控制有重要意义。     

舰船自动智能避碰数学模型及其仿真研究

为了提高舰船航行的安全和效率,达到最佳操船效果,需要建立舰船自动智能避碰数字模型.当前模型在分析舰船避碰风险度的基础上,通过人工智能、进化计算和软计算等方法实现舰船自动智能避碰,存在避碰识别准确率较低的问题.本文提出一种新的舰船自动智能避碰数学模型,首先对舰船会遇态势进行判断;然后建立预测舰船碰撞风险判断模型,预测本舰船实施自动智能避碰方案后的复航时机是否已到,以及本舰船立即复航是否能够让清目标舰船或其他所有目标舰船;最后依据舰船碰撞风险判断结果,以当前舰船潜在碰撞风险为例,建立舰船自动智能避碰数学模型.仿真结果证明,所提模型能够实现舰船自动智能避碰.     

船舶运动的拓扑预测模型分析

航空母舰是一种主要以舰载机为作战武器的舰艇,因此,对其运动预报的研究具有战略意义。由于实际航行情况复杂多变,以往获得的运动数据繁琐复杂,具有很强的随机性和非线性,导致不能有效利用这些数据进行舰船航行的预报。灰色系统理论在研究非线性系统上具有独特的优势。本文将应用灰色系统理论进行舰船运动预报的研究,从多个角度对纵摇角度进行深入预测。     

舰船上层建筑振动特性的数学模型设计

针对当前数学模型无法描述舰船上层建筑振动特性的变化规律,为了提高舰船上层建筑振动特性预测精度,设计一种蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测数学模型。首先对当前各种舰船上层建筑振动特性预测数学模型的优缺点进行阐述,然后采用神经网络对舰船上层建筑振动特性变化规律进行拟合,并采用蚁群优化算法确定神经网络相关参数,最后进行舰船上层建筑振动特性预测数学模型的性能测试。结果表明,蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测精度高,不仅预测误差远低于当前其他舰船上层建筑振动特性预测数学模型,而且预测效率也得到了改善,为解决舰船上层建筑振动特性预测问题提供了一种新的研究方法。     

卡尔曼滤波技术在船舶横摇预测中的应用研究

船舶在海上的航行受到海洋气象和水文条件的影响,会产生垂荡、横摇和纵摇等多种形式的运动,这些复杂运动对舰船航行稳定性和船载精密设备的工作精度有不利影响。因此,对船舶的横摇、纵摇等运动进行短时预测具有重要意义。本文系统介绍卡尔曼滤波技术,并利用滤波技术和随机海浪数学模型,研究一种船舶横摇运动的预测方法。     

舰船航向非线性系统自航抗干扰控制器研究

本文针对舰船运动的非线性、易受干扰影响等问题,结合舰船航行的数学模型,将自抗干扰控制算法应用于舰船的航向控制系统。研究自航抗干扰控制器的基本原理,分析传统PID控制器的优缺点,设计自航抗干扰控制器,并且对其进行仿真研究。     

大型舰船运动交互预测中的多维度AR算法研究与仿真

深海和远洋海域的自然条件非常恶劣,大型舰船的航行过程中受海域环境的影响,船上作业的稳定性会下降。舰船的短期运动交互预测是指在一定时间内,提前预知舰船的运动状态,对舰船的作业,比如武器发射、货物装卸等进行运动补偿,进而提高船舶作业的效果。本文采用一种自回归(AR)模型算法,对舰船的时间序列运动模型进行预测,取得了良好的效果。     

基于两机并联非线性数学模型的舰船电力系统自适应控制器设计

近年来,舰船电力系统的规模显著扩大,内部结构与运行的方式也愈加复杂,使得舰船电力系统运行的安全性与稳定性作用逐渐突显出来,对舰船安全航行提出了全新的要求。其中,舰船电力系统属于高纬度非线性系统,要想确保其动态性能与静态性能更加稳定,就必须合理引入非线性控制理论。在舰船电力系统自适应控制器的实际过程中,可在优化自适应控制器性能的基础上,全面完善舰船电力系统的作用。基于此,文章将舰船电力系统自适应控制器设计作为主要研究内容,重点研究了两机并联非线性数学模型的具体应用     

舰船海上航行的运动预测研究

通常情况下,舰船在风浪环境下航行。在海浪的扰动作用下,舰船海上航行很容易发生摇荡,导致船体出现倾斜。特别是小型的舰船,其船体倾角最大超过15°。在实战期间,如果舰船出现摇荡,将直接影响船载火炮操纵的效果,使火炮发射的准确率下降,不利于船载火炮作用的发挥。在这种情况下,为确保舰船航行的稳定性,要针对其运动展开科学预测。基于此,本文将舰船的海上航行运动预测作为主要研究内容,从而提升舰船的运动预测能力。     

基于云推理的舰船安全状态评估模型

为了提高舰船通信和航行的安全性能,提出基于云推理的舰船安全状态评估模型,采用均衡博弈方法构建舰船安全状态评估的约束参量模型,结合自适应转发控制协议进行舰船安全状态评估的目标函数构建,采用云推理算法进行安全状态评估目标函数的优化求解,设计服务接口模式进行舰船航行状态的调度和安全评估,采用Lyapunove指数预测算法实现舰船安全状态有效预测和评估。仿真结果表明,采用该方法进行舰船安全状态评估的准确度较高,对舰船航行和调度的有效性较好,确保了舰船运行状态安全。     

基于人工智能技术的舰船轨迹规划算法

轨迹规划是保证舰船安全航行的关键技术,针对当前舰船轨迹规划算法存在规划精度低、速度慢等不足,为了获得更优的舰船轨迹规划方案,设计了基于人工智能技术的舰船轨迹规划算法。首先分析了当前舰船轨迹规划的研究现状,并构建了舰船轨迹规划的数学模型,然后采用人工智能技术对舰船轨迹规划的数学模型进行求解,搜索到最优的舰船轨迹规划方案,最后采用具体仿真模拟实验验证舰船轨迹规划算法的性能。结果表明,人工智能技术的舰船轨迹规划精度高,舰船轨迹规划速度快,获得了比其他算法更优的舰船轨迹规划方案,可以应用于实际舰船安全航行管理中。     

基于磁感应测速传感器的舰船航行速度估计

为解决传统舰船航行速度估计结果精度不佳的问题,提出基于磁感应测速传感器的舰船航行速度估计方法。通过大量分析调查,分别获取外界航行因素及船舶自身因素对航速的影响度数值,结合磁感应测速传感器建立相应的船舶航速影响规律。进一步计算相关因素对舰船航行产生的阻力和推力,并建立相应的航行惯性附体坐标,根据坐标变化情况计算舰船航行速度变化数值,实现对舰船航行速度的精准估计。最后通过实验证实,基于磁感应测速传感器的舰船航行速度估计方法具有更高的准确性和实用性。