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。     

舰船在波浪中运动时间历程的数值模拟

本文开发了舰船在不规则海浪中航行时舰上部位的线位移、线速度、角位移、角速度、角加速度的运动时间历程的数值仿真计算程序和相应的用户界面。该程序是在原有的船舶运动计算程序的基础上开发的，海浪谱用２参数谱模型，随机波浪则用长峰波和含余扩散函数的短峰波来描述。通过与模型试验数据的考核，所得的运动时间历程是可靠的。该软件可以在舰上子系统的研制和使用时得到应用。     

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.     

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。     

大型舰船姿态运动极短期预报的一种AR算法

本文提出并严格地证明了一种AR模型的预报算法,利用该算法可对大型舰船运动姿态进行预报,在物理仿真系统中取得满意的结果。     

船舶操控系统中的运动时间序列模糊推理及预报研究

在船舶的自动化操控系统中,采用智能化的运动时间管理能够极大限度提高船舶航行的安全性,同时也能够降低船员的工作强度。本文主要针对船舶运动的预测技术进行研究,采用先进的模糊推理控制算法,重点解决船舶运动的误差问题。文中对船舶运动的时间序列进行建模分析,并主要从非平稳时间序列的角度分析船舶运动控制中遇到的难题,最后对运动预测进行误差分析与仿真。     

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。     

神经网络方法在舰船姿态运动预报中的应用研究

将神经网络应用于舰船姿态运动预报中,利用带有延迟反馈的回归神经网络的暂态、学习效率高、动态映射等优点,提出多输入单输出简化的对角回归神经网络,并给出舰船姿态运动预报模型。在此基础上进行算法收敛性的说明。最后采集15个样本,通过分析样本的平均误差、均方误差和相对误差来说明本文所此采用的算法对舰船纵摇姿态的预报结果有效。为提高预报精度需要将船舶受到的外界干扰融合到模型中,从而可得到理想的预报效果。     

引入经验模态分解的舰船运动非线性极短期预报

船舶运动的极短期预报在船舶系统、设备作业等方面具有重要的意义，采用自回归模型对船舶运动进行预报等预报效果，如精度和时间长度，与实际应用的需要还存在较大距离。在自回归（AR）数学模型中引入经验模态分解（EMD）法，利用该方法将船舶运动的时历数据以“筛分”的方式分解成几个平稳的本征模态函数（IMF），并分别建立每个IMF的AR模型，用AR模型进行预报，然后将每个IMF的预报结果相加，将各预报结果的和作为原始信号的预报结果。采用该方法进行船舶非线性极短期预报对提高预报精度有一定的积极作用。     

船舶运动的极短期预报试验

利用自回归模型对船舶运动进行了预报试验研究。试验结果表明,对于直升机稳定平台补偿控制系统来说,由于只需要对船舶未来极短时间内的运动进行预报,所以基于自回归模型的预报方法能满足系统的实际要求,是一种简单、可行的方法。     

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。     

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.     

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。     

基于船模试验数据库的快速性预报研究

充分利用已发展成熟的计算机技术，依托上海船研所的船模试验数据库，进行基于船模试验数据库的快速性预报研究．并据此开发一套快速、高效、实用的新船快速性预报系统，给传统的母型船预报法注入新的活力。最后，给出算例并对其结果进行分析对比。本系统关键是数据库的准确和丰富，预报的水平则取决于所选的母型船。     

可回转双桨电力推进船舶运动模型的研究

根据船舶分离型运动建模方法,分析了可回转双桨船舶的运动规律及其在船舶纵荡、横荡和艏摇三个自由度上的作用力,建立可回转双桨作用下的电力推进船舶的推进与回转运动模型,导出船舶运动线性响应方程。通过数值仿真,验证了可回转双桨电力推进船舶的推进与回转运动模型的准确性。     

船舶上层建筑舱室噪声灰色预测

本文基于灰色系统理论,以5618箱集装箱船为母型船,利用灰关联分析法,分别确定了影响船舶上层建筑甲板平均噪声和各甲板舱室噪声的主要因素;采用非等间隔GM(1,1)建模的方法,分别建立上层建筑甲板平均噪声模型和各甲板舱室相对于甲板平均噪声的差值的模型,通过将两个模型的预测值求和来求得最终的上层建筑舱室噪声预测值.应用此模型对4100箱集装箱船上层建筑舱室噪声进行了预测,预测结果表明,用灰色预测方法对复杂的船舶上层建筑舱室的噪声进行预测是可行的,不仅能考虑多个因素的影响,而且具有样本少、预测快、精度较高等优点,尤其是在船舶开发设计的初期,较其它方法具有明显的优越性.     

舰船尾迹气泡上浮运动的一种表征模型

气泡上浮运动是舰船远程尾迹气泡场特征的重要组成部分。本文首先综合考虑水中气泡上浮与扩散传质这两个相互耦合的因素,构建了能够表征舰船远程尾迹场中气泡上浮运动的数学模型：进而利用该模型计算分析了远程尾迹气泡场气泡数密度的变化情况,计算值与实验结论吻合良好,表明了该模型的正确性与应用价值。