基于支持向量回归机的船舶操纵运动在线辨识建模

采用滚动时间窗的方法实现支持向量机的在线辨识。以船舶操纵运动响应模型为研究对象,并由10°/10°和15°/15°仿真Z形试验数据构造支持向量机参数辨识所需的训练样本对,应用支持向量机进行船舶操纵运动在线辨识建模,回归操纵运动响应模型中的操纵性指数,并利用建立的响应模型进行Z形试验的数值模拟。将Z形试验数值模拟结果同仿真Z形试验数据进行比较,结果表明,在线式支持向量回归机是一种进行船舶操纵运动在线辨识建模的有效方法。     

基于支持向量回归机和粒子群算法的船舶操纵运动模型辨识

基于仿真的Z形试验数据,应用支持向量回归机对船舶操纵运动响应模型进行了机理建模,从核函数结构中得到了模型中的操纵性指数,并利用建立的响应模型进行了Z形试验的运动预报,同时引入粒子群算法对惩罚因子C值进行寻优,以减少惩罚因子C值选择的任意性对船舶操纵运动模型辨识精度产生的不利影响。通过将运动预报结果同仿真试验数据进行比较,验证了文中方法的有效性。     

应用支持向量机的船舶操纵运动响应模型辨识

建模是评估船舶操纵性和可控性的重要前提.基于自由自航船模试验的系统辨识方法是求取船舶操纵运动数学模型中的水动力系数的有效手段之一.文中提出了一种使用支持向量回归估计的船舶操纵运动响应模型辨识方法,该方法通过训练自由自航试验数据样本得到参数回归模型.辨识和仿真结果验证了文中所提出的方法的有效性.     

基于支持向量机的约束船模斜拖试验分析

应用支持向量机对KVLCC2约束船模斜拖试验结果进行了分析,通过对有限样本数据的拟合,辨识了描述船体横向力和转首力矩的数学模型中的水动力导数。应用所获得的回归模型,对不同工况下的测试样本进行预报,预报结果和试验结果的比较验证了方法的有效性,可以用于指导约束船模试验。     

基于支持向量机回归建模的船舶磁场推算方法

磁性目标形体复杂,磁化不均匀,目前一般采用逆方法拟合测量数据,从而建立其磁模型。从支持向量机回归理论出发,通过实验室测量数据建立了基于支持向量机回归的船舶磁场模型,与实际测量值比较,利用该模型推算的船舶下方磁场值的均方根误差小于10%,满足工程应用要求,这对于未来支持向量机在船舶磁场推算中的应用有着重要意义。     

基于支持向量机回归方法的舰船修理价格预测研究

对常规预测方法和支持向量机回归模型用于舰船修理价格预测进行比较，着重分析应用支持向量机进行舰船修理价格预测的具体形式以及方法特点，并给出应用实例，结果令人满意。     

支持向量机回归算法在船舶磁场推算中的研究

船舶航行中会遇到复杂的外界环境,其中磁场环境的变化对航行状况具有重要的影响。而船舶内部大量的电力系统会产生复杂的磁场分布。在建立的船舶磁场分布模型中,传统的基于磁场检测后的逆向拟合方法精确度不高。因此可以根据实验室的测量数据建立基于支持向量机回归算法的船舶磁场模型。在该模型中,预测的磁场分布具有更高的精度和复杂度,并且可以对磁场的动态变化进行预测,建立船舶磁场的时变模型。     

基于支持向量机的船舶柴油机故障诊断的研究

通过建立VC维统计学习理论,利用数学建模,建立并划分最优超平面以取得支持向量来训练,选取并考虑相关的影响因子以此构建样本数据集,以期对柴油机故障实现精确的诊断;而对于非线性空间情况,可采用核函数的思想来转化为线性空间,以此降低算法的复杂度;通过与人工神经网络方法的比较,表明该方法具有运算速度快,泛化能力强等优点;支持向量机(SVM)可以较好解决柴油机故障诊断中的机器过学习、小样本、高维数、非线性等问题。     

基于支持向量机的船舶航向广义预测控制研究

船舶的动态性能具有大惯性、大时滞、非线性等特点,采用基于结构风险最小化原则的神经网络———支持向量机(SVM),充分发挥其可以任意逼近非线性模型的良好特性对船舶模型进行有效辨识,以此作为广义预测控制(GPC)算法中的预测模型,并加以相应的GPC算法达到保持航向的目的。仿真结果表明:SVM学习速度快,在小样本情况下具有良好的非线性建模和泛化能力;基于SVM的GPC算法在航向保持方面具有很好的控制性能。     

模糊支持向量机在船舶柴油机故障诊断中的应用

探讨了支持向量机（SVM）的机理，并通过计算每一个样本的模糊隶属度，引入了模糊支持向量机（FSVM）的概念，解决了SVM中的不可分区域问题；应用FSVM对船舶电站主柴油机进行故障诊断，研究了FSVM参数的选择方法。仿真结果表明，FSVM具有较好的诊断效果和较强的抵抗噪声的能力。     

小波去噪在船舶操纵运动建模中的应用

通过向20°/20°Z形试验仿真数据中添加随机噪声,得到含噪声的试验数据;随后,应用最小二乘支持向量回归机(Least Square-Support Vector Regression,LS-SVR)对经过小波去噪的试验数据和含噪声的试验数据进行分析,辨识了船舶操纵运动二阶线性响应模型中的操纵性指数。将由去噪试验数据和含噪试验数据得到的20°/20°Z形试验预报结果同20°/20°Z形试验仿真数据进行对比,验证了小波去噪在对含噪声的Z形试验数据进行去噪处理的有效性。     

基于支持向量机的船舶操纵运动在线建模

支持向量机算法以结构风险最小化为准则,具有良好的泛化性,是一种先进的人工智能算法。文章根据最小二乘支持向量机对其增量式算法进行推导,并应用该算法对船舶操纵运动进行在线建模。通过仿真试验对粘性力和舵力水动力导数进行在线辨识,通过自航模试验对操纵性K、T指数进行在线辨识,并利用K、T指数对自航模的转首角速度进行了预报,所得结果都同试验值非常接近,证明了增量式最小二乘支持向量机应用于船舶操纵运动在线建模的有效性。     

响应型船舶运动模型的建模与遗传算法辨识

为了建立更准确的响应型船舶运动模型,在充分考虑横摇对舵响应的非最小相位性、阻尼震荡性和惯性横倾的基础上,提出一种横摇响应型模型,其参数具有物理意义明显和估值简单的特点.在此基础上,以某多功能运输船的非线性运动模型的对舵响应输出为试验数据,应用自适应遗传算法对船舶运动响应模型的各参数进行辨识,得到该船的艏摇与横摇的响应模型.仿真试验结果显示,遗传算法辨识后的船舶响应型模型能以较高的精度逼近试验数据,进而验证了响应型船舶运动模型及其参数辨识的有效性和可靠性.     

基于LS-SVM的船舶操纵运动在线建模

基于最小二乘支持向量机(LS-SVM)和积分型辨识样本结构开展了船舶操纵运动的在线建模.以整体型Abkow-itz模型为辨识对象,大阪号油轮作为具体研究对象.在操纵运动仿真时,采用40个粘性类水动力导数的Abkowitz模型,但是在参数辨识时,采用了仅具有20个粘性类水动力导数的简化模型.为了对建模方法的有效性进行检验,将辨识得到的水动力导数与其原始值进行了比较,同时也针对辨识模型和原始模型的操纵运动仿真进行了比较.辨识结果表明,使用简化模型进行船舶操纵运动的在线建模是合适的,具有较好的预报效果和较高的精度.     

仿生机器鱼的运动规律研究

仿生机器鱼技术为研究高效、高机动性和低噪声的水下运载器提供了新的思路，是近几年水下机器人领域的研究热点之一。基于仿生机器鱼的运动模型，研究了它的运动规律，并进行了计算机仿真研究。仿真结果表明，尾鳍摆动频率和两关节相位差对推进速度有较大的影响。     

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。     

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.