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。     

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。     

基于回声状态网络的船舶交通事故预测

船舶交通事故的预测结果对船舶交通智能管理具有指导性意义,针对当前船舶交通事故的预测误差大,建模过程耗费时间长等难题,设计基于回声状态网络的船舶交通事故预测模型。首先对当前船舶交通事故预测研究现状进行分析,指出各种船舶交通事故预测建模方法的局限性,然后收集大量的船舶交通事故历史数据,并进行一定预处理,构建船舶交通事故预测样本数据,然后通过回声状态网络的学习建立船舶交通事故预测模型,并采用具体船舶交通事故预测仿真实例分析其性能,回声状态网络的船舶交通事故预测精度超过95%,预测结果十分稳定,缩短了船舶交通事故预测建模过程耗费的时间,是一种高精度、速度快的船舶交通事故预测方法。     

基于经验模式分解的船舶摇荡运动极短期预报

针对船舶摇荡运动的非平稳、非线性特性,提出了一种基于经验模式分解的预报方法.首先通过经验模式分解方法将船舶摇荡时历分解为若干性态单一的基本模式分量,然后对这些分量分别采用最小二乘支持向量机方法进行预报,最后将各预报结果重构得到摇荡运动的预测值.对某实船摇荡时历的仿真计算表明,采用基于经验模式分解的预报方法,能有效提高预报的精度.     

基于IPESN的船舶升沉运动预报方法

船舶在复杂海况下的升沉运动具有很强的随机性与非线性特征,为提高船舶升沉运动的预报精度,提出基于内在可塑性回声状态网络(IPESN)的船舶升沉运动预报方法.将具有内在可塑性的神经元引入回声状态网络(ESN)的储备池结构,以提高网络对动态系统的映射能力;采用岭回归的方法对IPESN输出连接权值进行学习,以提高网络的泛化能力.将IPESN应用于3级、4级和5级海况下的船舶升沉运动极短期预报,并将结果与传统ESN和径向基函数网络(RBFN)进行对比.结果 表明,IPESN的平均绝对误差分别为0.0028、0.0039和0.0095;均方根误差分别为0.0035、0.0049和0.0117,优于经典ESN与RBFN的预报精度,验证了改进方法的有效性.     

基于二维半理论的船舶水动压力预报方法研究

  目的  为了研究船舶在波浪中运动预报的非线性切片方法,从线性时域切片方法出发进行初步探究。  方法  在切片假设前提下,推导二维剖面满足的边界条件,求解二维剖面的水动力系数,进而求解全船的受力及运动响应,并采用方向导数的数值差分方法计算速度势沿船长的偏导数。计算Wigley I船的水动力系数及KVLCC2船、8 000 TEU集装箱船的运动响应,并与其他相关方法的计算值及试验值开展对比研究。  结果  结果显示,所得结果与模型试验结果总体上吻合良好,具有良好的适用性。  结论  所做研究对后续开展船舶非线性时域切片运动预报具有一定的借鉴意义。     

船舶大幅摇荡运动的计算机仿真

应用数值－模拟式的计算工具对船舶的摇荡运动进行了仿真研究,工作是在SIMULINK仿真工具箱中进行的,研究了船舶运动的某些动力学问题,如随浪中的非线性参数激励横摇运动、纵摇－升沉的耦合运动;研究表明,对于非线性动力学系统,尤其是涉及到多自由度运动耦合的情形,利用SIMULINK进行仿真研究不失为一个适用的方法。     

回声状态网络下海洋多目标跟踪控制系统研究

针对传统海洋多目标跟踪控制系统跟踪速度慢的问题,设计一种基于回声状态网络的海洋多目标跟踪控制系统。选用PMI1201C D/C卡,插在兼容的计算机卡槽中,进行海洋多目标的数据探测,并通过安装多通道信号调理卡,实时改变滤波器截止频率。利用目标检测算法,选择海洋多目标控制区域,并对目标中心位置进行计算,得到目标状态估计结果,确认目标轨迹,实现基于回声状态网络的海洋多目标控制。仿真实验结果表明,该系统设计在进行目标控制时,速度较传统速度高出了22.78%,符合理想的海洋多目标控制要求。     

基于相空间重构和回声状态网络的舰船摇荡预报

为了改进利用传统回声状态网络(Echo Stale Network,ESN)方法预报非线性舰船摇荡时历时预报精度不足的问题,提出将相空间重构和回声状态网络相结合的方法,在依托海军某型舰实船采集摇荡数据的基础上,采用相空间重构技术提取舰船摇荡时历的内部结构信息,获取摇荡时历的相空间特性,对时历数据进行可用性筛选,然后将重构后的数据输入到回声状态网络进行学习训练,用于预报舰船极短期的摇荡姿态。利用实船数据进行不同预报时长条件下的试验仿真,并按照均方误差、均方根误差等误差标准对仿真结果进行误差分析。试验结果表明:所提方法对于舰船摇荡的预报具有精度高及稳定性强的优点,预报值与真实值相比从摇荡值和摇荡相位上都具有较好的精度,证明了该方法的可行性。     

不同航速下船舶浅水摇荡运动规律

浅水效应是船舶安全操纵所需考虑的重要因素。本文采用三维势流理论,以某NPL型船模为例,分别对其在次浅水、浅水、超浅水3种不同相对水深条件下的纵摇和垂荡运动幅值响应情况进行计算,并对纵摇和垂荡运动随航速的变化规律进行总结。本文计算结果可作为船舶驾驶员判断是否发生浅水效应的参考依据。     

利用预报模型进行船舶定位控制研究

现代船舶工业中,普遍采用了先进的动力定位装置,能够在恶劣的海况下实现快速准确的船舶定位。但是随着航行环境的不确定性越来越高,许多的船舶定位控制器已经不能适应这种变化。本文结合预报模型对船舶的航行特性进行建模,然后结合BP神经网络对预测模型进行修正,提高了预测的准确度。文末还根据船舶动态定位的控制需求,对该预测模型中的重要参数进行综合校准,进一步改善了船舶的定位效果。     

基于神经网络的远海航道船舶流量预测系统构建

远海航道船舶流量受到多种因素的综合作用,具有一定的周期性,同时具有强烈的非线性,传统线性建模方法无法对远海航道船舶流量进行高精度的拟合,使得远海航道船舶流量预测偏差大。为了克服当前远海航道船舶流量预测系统存在的局限性,设计了基于神经网络的远海航道船舶流量预测系统。首先分析当前远海航道船舶流量预测系统的研究现状,指出各种系统存在的缺陷,然后利用神经网络的非线性建模性能设计了性能良好的远海航道船舶流量预测系统,最后对该远海航道船舶流量预测系统的有效性进行了测试。本文系统可以高精度实现远海航道船舶流量预测,远海航道船舶流量预测误差远远小于实际应用要求的临界要求,并与其他系统进行对比分析,本文远海航道船舶流量预测系统的预测效果明显更优。     

船舶风倾力矩数值预报方法研究

以集装箱船为研究对象,基于CFD技术,对船舶风倾力矩预报的有关理论、计算方法和具体应用进行了探讨。计算表明应用数值计算方法可以对不同速度下的风倾力矩进行计算,但数值模拟的风速在竖直方向上是均匀分布的,这与实际风速结构有点区别,而在与规范计算的比较中也可以看出两者有一定的差距,因而可能还需借助试验来验证其精确性。     

数据挖掘在舰船电力负荷预测中的应用研究

首先描述基于数据挖掘的舰船电力负荷预测系统架构,然后按照此架构进行系统实现,并结合舰船电力负载预测的特点,利用遗传算法获取较好的搜索空间,这样可以避免BP神经网络算法陷入局部最优的情况。通过对比实验结果可知,本文所采用的遗传算法和BP神经网络相结合的优化算法预测能力强,拟合度高。     

船舶在波浪中阻力增加预报研究进展

从数值计算和模型试验两个方面,介绍船舶在波浪中阻力增加预报的研究进展,分析各种方法的基本原理,提出阻力增加预报的发展方向.     

基于案例的新型舰船备件需求量的预测模型

分析新型舰船备件需求量的影响因素,得出相似装备的需求量,提出了相似案例与马尔柯夫链结合的新型装备备件需求量的预测模型,理论分析和实例计算表明了该模型的合理性和可行性。     

船舶操纵性能预报浅水修正模型的对比研究

利用深水区平面MMG船舶操纵运动数学模型,通过两个基于船舶主尺度的回归公式浅水修正模型分别得到浅水区的366TEU集装箱船操纵运动结果,并对这两个浅水修正模型得到的结果做了比较,为进一步研究船舶在浅水中的操纵性预报提供了参考。