基于回声状态网络的船舶摇荡连续预报方法研究

回声状态网络(ESNS)是一种新型递归神经网络,可通过对有限的已知样本进行训练,建立非线性模型来预报未知样本。该算法在解决非线性问题时具有一定优势。无需知道海浪的先验信息和船舶航行姿态的状态方程,仅利用实测的船舶横摇、纵摇历史数据,寻求规律即可进行实测摇荡数据的极短期预报。仿真结果表明,该算法在预报15 s以内可达到较高的预报精度,通过预报窗口的平移,可以进行连续在线预报。     

基于回声状态网络的船舶摇荡连续预报方法研究

回声状态网络（ ESNS）是一种新型递归神经网络,可通过对有限的已知样本进行训练,建立非线性模型来预报未知样本。该算法在解决非线性问题时具有一定优势。无需知道海浪的先验信息和船舶航行姿态的状态方程,仅利用实测的船舶横摇、纵摇历史数据,寻求规律即可进行实测摇荡数据的极短期预报。仿真结果表明,该算法在预报15 s以内可达到较高的预报精度,通过预报窗口的平移,可以进行连续在线预报。     

用于船舶升沉运动估算的自适应数字滤波器

  目的  对船舶升沉运动进行预测有助于增强升沉补偿器的补偿效果,减少海浪对作业设备的干扰。为提高升沉预测模型的精度和稳定性,提出一种船舶升沉运动实时预测方法。  方法  基于带外源输入的非线性自回归（NARX）神经网络建立单海况预测模型,利用船舶系统仿真器获取母船升沉运动仿真数据,将NARX模型与卡尔曼（Kalman）模型、普通反向传播（BP）模型的预测结果进行对比。在此基础上,对单海况预测模型进行改进,建立多海况预测模型。  结果  多海况预测模型预测精度较高,且稳定性优于单海况模型,在2~5级海况下的最大预测误差均小于10⁻⁴量级。  结论  仿真结果表明,NARX神经网络对复杂海浪环境具有良好的适应性,它的预测速度和精度均优于BP神经网络和传统滤波方法,在高海况下仍可保持高预测精度。     

基于联邦LSTM的突遇新频率船舶升沉运动预测策略

由于浮式起重船在海上进行风电设备安装和运维作业期间,离岸距离远且作业时间长,波浪变化多样且不确定,极易产生新频率的船舶运动,使得无法进行精确预测,从而导致海上作业无法安全进行甚至造成设备损坏,因此文章提出基于联邦学习的多变量多步长短期记忆网络（LSTM）预测方法。针对无线数据采集时间间隔不一致,将其和船舶升沉运动数据共同作为双层LSTM预测模型的输入变量并进行多步预测。同时针对突遇新频率船舶运动的情况,采用联邦学习方法联合多家海上风电安装运维企业的船舶升沉运动数据,共同训练适用于复杂海况下的船舶升沉运动LSTM预测模型。使用Stewart六自由度波浪补偿平台模拟浮式起重船的升沉运动,试验结果表明,在遇到新频率船舶运动时,该方法能有效提高船舶升沉运动的预测效果,模型预测精度（RMSE值）至少可达到0.095。     

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.     

基于惯性测量和卡尔曼多步观测器的船舶升沉运动测量方法

为了得到精确的船舶升沉运动信息,解决升沉加速度二次积分后的漂移和相位超前现象,基于卡尔曼滤波算法建立船舶升沉运动的多步观测模型,提出一种基于惯性测量和卡尔曼多步观测器的船舶升沉运动测量方法。首先,升沉平台模拟船舶升沉运动,使用惯性测量元件采集升沉加速度,经过滤波二次积分得到升沉位移。然后,对升沉加速度进行误差分析,运用升沉位移与升沉加速度的关系建立船舶升沉运动的状态空间模型并利用状态转移矩阵进行多步观测,消除升沉位移的漂移和延时。实验结果表明,本文所提出的测量方法可以解决不同幅值船舶运动中的偏移和相位超前问题,测量误差在0.01 m之内,体现了测量的精确性。     

船舶参数激励非线性运动升沉(纵摇)-横摇耦合关系的研究

本文考虑船舶参数激励非线性运动 ,导出了升沉与横摇耦合系数的计算公式 ,计算了耦合系数值 ,探讨了升沉对横摇的影响 ,进一步揭示了升沉 (纵摇 )能量向横摇运动转移的机理 ,这对于高海情下船舶运动控制具有重要意义。     

船舶运动极短期预报方法综述

文章对船舶运动极短期预报技术进行了探讨和评价。论述了极短期运动预报的定义,从不同角度对极短期预报方法进行了分类。并对极短期预报方法的发展进行了叙述及讨论,分析了这些预报方法的优点和缺点,并对今后极短期运动预报技术研究的发展提出了建议。     

船舶操纵运动的一种实用预报方法

本文利用别尔舍茨所统计的船体操纵水动力的诺谟图进行了多元回归分析，给出了估算船体操纵水动力的简单、可靠而实用的方法。并且利用该回归公式预报了船舶在在无限水域中的操纵运动。计算结果良好，说明该方法很实用，适用于工程设计。     

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RANS法的船舶阻力及自由运动预报

文章介绍了基于RANS法求解船舶自由运动水动力性能的方法。通过对流域设计、网格划分方法、运动求解法及湍流模型的选择等进行完整的讨论与分析,提出了一套求解船舶自由运动的RANS方法。以低速船(KCS型船模)及高速船(Fridsma滑行艇)为计算对象,计算结果验证了RANS法在预报船舶自由航行时水动力性能的实用性。     

基于RNN-LSTM的船舶运动轨迹预测

针对船舶轨迹预测精确性与实时性的需求,从数据层面探究影响船舶航行轨迹的特征,通过相关性分析确定网络的输入,提出结合循环神经网络-长短期记忆(Recurrent Neural Networks-Long Short Term Memory,RNN-LSTM)的船舶航行轨迹预测模型。通过船舶Z形试验相关数据与实船实际航行数据对网络模型进行训练,并对未来船舶航行轨迹进行预测。对未来轨迹的预测值与实际值进行对比。结果表明,模型预测误差小,验证该方案在船舶轨迹预测中的实用性和有效性。     

船舶运动建模预报的周期图法研究

通过深入研究周期图建模预报方法,分别采用数据交叠分段的方法和加窗函数的方法来对周期图进行平滑处理,最后综合数据交叠分段和加窗函数两种方法对周期图进一步改进.应用仿真方法,详细分析各种改进方法,确定合适的阈值及交叠率、合适的窗函数和相对应的阈值.改进后的周期图预报方法对船舶运动预报的预报精度更高,满足船舶运动实际应用需要,具有重要的实际应用价值.     

基于船舶运动信息的航行海域海浪特性预报

以船舶自身为波浪测量仪,致力于采集方便而又尽可能少的船舶运动信号以提取航行海域实时海浪特性.由于估计中不依赖原始理论计算的传递函数,不需要附带波浪采集装置,而仅利用航行中船舶运动的观测序列完成海浪谱反演,故该海浪测量方法可适应船舶自身运动参数的变化.另一方面,由于反演估计的船舶运动频率响应特性,与事先计算或以其它实验方法得到的船舶运动频率响应特性得以比较,可以深化、修正对许多不易实时测量的海浪激励状态与船舶运动响应关系的认识,并积累船舶工程研究设计所必需的相关海域海浪谱信息.     

一种船舶运动和载荷响应的非线性预报方法

首先采用半解析的方法得到时域水动力系数,并给出一些数值计算时实用性的建议,然后计及瞬时湿表面变化引起的非线性恢复力和入射波力并在时间域内计算运动方程,最后对实船进行了运动和载荷预报,数值结果与模型试验数据对比表明,载荷非线性要比运动非线性明显;采用的计及非线性影响的预报方法是切实可行的。     

船体垂荡运动及环境波高对月池内流体的影响

针对环境波高和船体垂荡运动对月池内流体运动的影响,本文采用CFD与模型试验相结合的方法,以某含月池的深拖母船为研究对象,数值模拟在不同幅值规则波激励下月池内流体自由液面爬升,结果显示,波浪幅值线性增加时,月池内流体液面增加呈非线性。分析船体在波浪中的垂荡运动和船体静水中做不同频率的垂荡简谐运动时月池内流体运动,结果显示船体垂荡运动存在明显双峰特性,且在船体垂荡运动频率为月池内流体共振频率时,月池内流体液面爬升最明显。     

两船在波浪中靠帮模型运动的试验预报

近来由于航道以及水域的限制，两船或多船定点靠帮进行装卸货物或补给越来越普遍，两船或多船之间相互影响也越来越引起工程师们的关注。通过两种船型（驳船和双体船）在4级上限和5级上限海况下分别与大船（panamax）进行靠帮的水池模型试验研究，给出它们的实船预报以及对应位置处的碰撞概率，分析两种船型在靠帮中运动的优劣，试验结果可为工程设计单位提供参考。     

基于灰色自回归模型的船舶流量预测方法

结合灰色模型和自回归AR(p)模型,提出两种模型组合的灰色自回归模型,根据实际的船舶交通流量数据,分别运用灰色模型、自回归AR(p)模型和灰色自回归模型,对某港口船舶交通流量的进行预测,通过计算和Matlab仿真,结果表明灰色自回归模型预测精度较高,证明了该模型的可行性。     

基于加权相似比较法的船用升降机可靠性预报

在分析了传统相似比较法预报船用载货防爆升降机可靠性的缺点后,提出了基于加权相似比较法的船用升降机的可靠性预报方法。其内含已有相似产品的可靠性统计和相关领域内专家和技术人员积累的经验和知识,比传统的相似比较法更能准确和全面地预报新研产品的可靠性。对该方法进行了描述和推理,并且给出了其在船用载货防爆升降机可靠性预报上的应用。     

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。