共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
为了提高船舶通信定位信号的短时中断插值预测精度,提出一种非线性的船舶通信定位信号短时中断插值预测模型。首先对当前船舶通信定位信号的短时中断插值预测方法缺陷进行描述,指出船舶通信定位信号短时中断具有随机性,然后采集船舶通信定位信号短时中断历史数据,将其看作是一种时间序列数据,并通过粒子群算法优化支持向量机对其进行建模,建立船舶通信定位信号短时中断插值预测模型,最后的船舶通信定位信号短时中断插值预测结果表明,本文模型的船舶通信定位信号短时中断插值预测精度高,预测误差小于线性的船舶通信定位信号短时中断插值预测模型,可以更好地适应船舶通信定位信号短时中断变化,具有一定的理论和实际应用价值。 相似文献
3.
舰船运动姿态短期预测很容易受到耦合作用以及周围环境因素的影响,导致预测结果的延时较高。对此设计了舰船运动姿态短期预测模型并进行仿真分析,利用船舶航行时间数据序列规律,建立当前船舶数据时序回归分析方程,计算当前船舶时间序列数据阶数以及对应系数,完成时间序列统计,以调度神经网络结构作为序列数据计算逻辑,以输入门、输出门和遗忘门作为增值单元,构造预测模型记忆区结构,将时间序列数据作为输入门的输入项,通过神经网络隐层,输出初始预测结果,再通过控制函数,缩小预测结果控制权值,完成船舶运动姿态最终预测。仿真分析数据表明,与传统预测方法相比,应用该设计模型,对舰船正向横倾姿态仿真预测的延时降低27%,反向横倾姿态仿真预测延时降低了19%,可以有效降低预测延时。 相似文献
4.
建立采用排气余热动力回收,热电联产的柴油机船舶主动力装置总能热力系统的能级模型,实例计算表明,采用能级分析法可准确地了解船舶动力装置总能热力系统的能量分配和利用情况. 相似文献
5.
6.
《舰船科学技术》2017,(22)
在波浪的影响下,常规的船舶横摇运动时,没有建立横摇运动的模型,降低了预测的精度,不能有效地减小船舶的横摇,存在船舶耐波性较差的问题。当前方法进行船舶横摇运动的建模时,不能减小船舶的横摇,降低了船舶的耐波性。提出一种基于时间序列预测的船舶横摇运动数学建模研究方法。该方法建立波浪扰动船舶横摇运动模型,依据随机的过程理论,求出空间上某固定点波浪倾角的数学模型,依据横摇运动模型得出横摇运动的数据。对船舶横摇运动进行时间序列预测克服了传统方法存在的弊端,运用时间序列的分析方法建立AR模型,应用于船舶横摇运动的时间序列的预测,减小船舶的横摇性,提高了船舶的耐波性,完成对波浪影响下船舶横摇运动的时间序列预测数学建模的研究。实验的结果表明,利用该方法能有效地减小船舶的横摇,提高船舶的耐波性。 相似文献
7.
《中国航海》2020,(3)
为提高船舶运动预报的精度,基于海上船舶运动姿态具有灰色特性和周期性振荡特性的特点,提出一种以误差平方和最小为准则的改进二阶灰色极限学习机组合预测模型,对船舶运动姿态进行预报。该方法利用五点三次平滑算法对船舶运动姿态序列进行平滑降噪,采用余弦函数变换构建GM(2,1)预测模型;利用自适应粒子群算法(Adaptive Particle Swarm Optimization,APSO)优化极限学习机权值和阈值参数,对不同模型预测结果进行加权求和,构建改进二阶灰色极限学习机组合预测模型。对2组船模水池试验纵摇时历进行预报,并将其与其他传统的预测方法相比较,结果表明,建立的组合预测模型具有更好的预测精度和泛化能力。 相似文献
8.
船舶柴油机主动力装置总能系统能质分析 总被引:1,自引:0,他引:1
船舶柴油机主推进动力装置的能源是燃料燃烧产生的热能,这些热能中除部分经柴油机动力系统转换为机械功能作为主推进动力外,其排气和冷却水余热往往经过废气锅炉和制冷装置回收利用。图1为某700TEU集装箱柴油机船舶主动力装置热力系统图。这是一种典型的大功率柴油机船舶主动力 相似文献
9.
《舰船科学技术》2020,(8)
针对当前船舶港口建筑工程成本估计精度低的问题,提出时间序列分析法的船舶港口建筑工程成本估计方法。首先采集大量船舶港口建筑工程成本历史数据,将它们组成一组时间序列数据,然后引入小波变换对船舶港口建筑工程成本时间序列数据进行分解,得到趋势部分和细节部分,使得变化特点比较明显,最后采用RBF神经网络对船舶港口建筑工程成本时间序列的趋势部分进行建模,采用支持向量机对船舶港口建筑工程成本时间序列的细节部分进行建模,并根据预测结果重构得到船舶港口建筑工程成本估计结果。实例研究结果表明,时间序列分析法的船舶港口建筑工程成本估计效率高,可以高精度对船舶港口建筑工程成本进行估计。 相似文献
10.
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。 相似文献