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。     

基于ν-支持向量机的波浪中船舶操纵运动辨识建模

本文采用系统辨识方法对船舶在波浪中的三自由度操纵运动进行黑箱建模。以KCS船为研究对象,建模所需的数据由规则波中的船模回转试验获得。分别利用原始数据及经低通滤波处理后的数据,应用ν-支持向量机进行黑箱建模。进一步地,利用所建立的模型进行运动预报,并将预报结果与真实的试验值进行比较,对所提出的建模方法进行验证。结果表明,ν-支持向量机是一种可进行波浪中的船舶操纵运动辨识建模的有效方法。     

基于支持向量机的水下机器人操纵运动参数辨识

根据平面运动机构试验所得到的水动力系数确定水下运载器的运动方程,应用最小二乘支持向量机对水下运载器的试验数据进行分析,辨识得到了水动力系数,并将辨识得到的参数同平面运动机构试验所确定的参数相比,验证了最小二乘支持向量机进行水下运载器操纵运动参数辨识的有效性。根据所辨识的水动力系数进行了模型验证,证明所辨识得到的水动力参数是可靠的。该方法对水下运载器的操纵和控制的研究有重要意义。     

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。     

船舶操纵性能及其代理模型构建

为了提高船舶操纵性能计算效率,文章结合基于NAPA计算仿真结果和支持向量回归方法预报海洋平台支援船的操纵性能,在收集足够相关船型信息前提下,采用能够合理探索设计空间和抽样的拉丁超立方方法获取了30条样本船型数据。通过NAPA仿射变化、位移转换及根据船型设计变量进行局部调整从而生成系列船型以表达船体几何形状。针对每个船型,分别计算了5项操纵性衡准指标：进距、战术直径、横距、10°舵角第一超越角和20°舵角第一超越角。为提高船舶操纵性能的计算效率,文中利用作者早先新提出的一种单参数Lagrangian 支持向量回归算法来训练并构建代理模型以预报船舶操纵性能,该算法整合了Laplace损失函数,仅采用单参数控制计算误差并于置信区间中增加了b2/2项。以海洋平台支援船为例,采用SPL-SVR算法预报船舶操纵性能,并与基于NAPA计算仿真结果、人工神经网络、经典支持向量回归算法进行对比。不需要昂贵的仿真代码计算,文中采用SPL-SVR算法建立的船舶操纵性能响应面模型比较适合船型初步设计的工程实际应用,并具有较好的效率和适用性。     

基于支持向量机模型的船舶油污损失估算

将支持向量机引入了船舶油污损失赔偿额的估算中,通过从历史船舶溢油事故案例中选取了十组样本数,以污染损失赔偿额与影响因子集作为训练样本,建立了船舶溢油事故污染损失额估算的支持向量机模型.并对支持向量机模型进行仿真训练学习,并将训练好的神经网络应用于对相关案例的估算.研究结果表明应用支持向量机方法进行溢油损失估算结果客观、可靠,为船舶油污索赔和环境保护提供了有力的理论依据.     

支持向量回归机不敏感因子ε对运动建模的影响

通过对仿真Z形试验数据的分析,应用具有不同不敏感因子ε的ε-支持向量回归机(Support Vector Regression,SVR)辨识了船舶操纵运动二阶线性响应模型中的K,T等操纵性指数,并利用回归得到的响应模型进行了Z形试验的数值模拟。通过比较采用不同不敏感因子ε所得首向角和转艏角速度的预报结果,表明可以通过调节不敏感因子ε值来控制样本输入中支持向量的个数与ε-SVR的回归精度。     

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。     

支持向量机回归方法在船型要素建模中的应用

支持向量机是基于统计学习理论框架下的一种新的通用机器学习方法,是一种处理非线性分类和非线性回归的有效方法。采用支持向量机回归算法对船型主要要素进行建模,并与常规的回归建模方法进行比较。同时应用实例进行论证,估算结果证明了这种支持向量机回归算法在船型要素建模预测中的有效性和实用性。     

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.     

基于剪辑支持向量机的雷达目标识别方法

支持向量机（SVM）具有分类精度高、泛化能力强等优点,已成功应用在雷达目标识别领域。但其性能受多种因素影响。针对低信噪比、分类面混迭、参数选取等问题,文章提出剪辑SVM分类器,通过小波去噪、剪辑、矩阵相似度优选参数等手段有效抑制上述问题的影响。外场实测数据的仿真也表明剪辑SVM的性能优于传统SVM与最近邻分类器。     

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.     

基于支持向量机模型的船舶航行广义预测控制

船舶操纵一直是船舶运动控制的研究重点,它与航行安全、能源节约和操作省力密切相关。模型是研究船舶运动控制的基础,本文鉴于船舶的动态具有大惯性、大时滞、非线性等特点,采用了基于结构风险最小化原则的神经网络———支持向量机对船舶进行建模,在建模中充分发挥支持向量机可以任意逼近非线性模型的良好特性,解决对船舶航向预测的问题。进而通过建立预测模型,并结合广义预测控制的算法达到航向保持的目的,且具有较好的稳定性和鲁棒性。     

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。     

参数辨识在船舶运动控制中的研究与应用

本文以系统辨识的方法,对船舶运动模型--KT方程的参数进行辨识.通过分别研究最小二乘法和遗传算法在船舶运动方程参数辨识中的应用,提出了一种结合最小二乘法和间接模型参考自适应法的混合辨识算法,并经仿真实验数据的辨识结果分析,有力地证明了本方法的可行性和合理性.