支持向量机技术在舰船航向广义预测与控制中的应用

舰船在海上航行时,受到海浪等干扰力的作用难免会偏离既定航线,严重时甚至发生搁浅等事故,航向的广义预测与控制决定了舰船的航行效率和安全性,是船舶工业领域研究的重点。支持向量机技术是一种新型的智能学习算法,该算法在非线性系统求解、小样本、高维度系统求解领域有重要应用。本文以舰船航向预测与控制为研究对象,系统介绍了支持向量机算法,并基于支持向量机技术对船舶航向进行预测与控制。本研究对于提高舰船航向预测与控制有重要意义。     

基于最小二乘支持向量机的公路软基沉降预测

通过影响因素分析,确定了软土层厚度、软土层压缩模量、地表硬层厚度、地表压缩模量、路堤高度、路堤顶宽、路基填筑时间和填筑竣工时沉降量等参数对公路软基沉降有影响。对公路软基的观测数据进行分析和取样,输人样本为各参数,输出样本为路堤中线下地表沉降值,利用最小二乘支持向量机的非线性映射和泛化能力,通过训练,建立了公路软基沉降预测模型。研究表明．所建立的模型对公路软基沉降进行预测具有较高的精度．同时具有很好的泛化性能。     

最小二乘支持向量机在船舶交通流特征分析中的应用研究

船舶交通流分布特征的研究可为船舶通航安全管理与航道规划设计提供基础性依据,而从离散的船舶交通流数据中拟合出其分布函数是研究其分布特征的关键。本文把最小二乘支持向量机引入到船舶交通流数据拟合中,代替传统的最小二乘法解决离散数据拟合问题。构建了基于最小二乘支持向量机的离散数据拟合模型,并对船舶交通流数据拟合进行了研究。结果表明,该方法在处理离散数据的回归拟舍时能获得较好的逼近曲线,且预测结果也具有一定的参考价值。     

粗糙集和最小二乘支持向量机的船舶汽轮工况分析

汽轮是保证船舶正常航行的重要设备,对船舶汽轮工况进行分析具有重要意义,针对当前船舶汽轮工况分析方法误差大、效率低等不足,设计了基于粗糙集和最小二乘支持向量机的船舶汽轮工况分析方法。首先对当前船舶汽轮工况研究现状进行分析,找到船舶汽轮工况分析误差大、效率低的因素,然后从船舶汽轮工作状态信号中提取工况分析特征,通过粗糙集算法对工况分析原始特征进行约简处理,减少工况分析特征数量,提高船舶汽轮工况分析效率,最后约简处理后船舶汽轮工况分析特征作为最小二乘支持向量机的输入向量,船舶汽轮工况状态作为最小二乘支持向量机的输出向量,构建船舶汽轮工况分析模型,并进行船舶汽轮工况实例分析。本文方法得到令人满意的船舶汽轮工况分析结果,提高了船舶汽轮工况分析精度,船舶汽轮工况分析速度得到了大幅提升,比其他船舶汽轮工况分析模型具有更高的实际价值。     

AIS系统的最小二乘向量机数据修复算法研究

AIS是船舶安全系统中的一个重要子系统,能够为海上交通管理信息化提供必要的船舶静态与动态数据。但是AIS系统受多种因素的影响会产生大量的异常数据,误导船舶避碰决策,难以满足海事监管要求,所以必须对AIS系统中的异常数据进行修复,以保证AIS系统数据的完整性、连续性和可靠性。本文阐述了AIS系统的工作原理与异常数据的成因,基于最小二乘向量机算法构建起AIS系统异常数据修复模型,并对模型进行优化,建立PSO-LSSVM模型,提高了异常数据修复的准确性。     

基于最小二乘支持向量机的船舶水下焊接质量在线监测

以径向基函数(radial basis function,RBF)为核函数,将最小二乘支持向量机(least squares support vector machines,LSSVM)预测模型应用于船舶水下焊接质量在线监测.提出了一种自适应优化方法确定该模型中的可调超参数和核宽度参数,并建立了实时显示和报警系统.实验结果表明,该方法预测误差较小,建模耗时少,适合于船舶水下焊接质量在线监测.     

混沌海杂波背景下的基于对偶约束最小二乘支持向量机的信号检测技术

海杂波对雷达信号检测造成极大的干扰,如何从海杂波噪声中提取出目标信号是信号处理领域的难题。针对这一难题,本文以混沌理论为理论依据,分析海杂波的动力学特性,对海杂波进行相空间重构。结合对偶约束最小二乘支持向量机理论,建立信号检测模型,对混沌海杂波背景下的信号进行预测,并从预测误差中提取出目标信号。     

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。     

舰船航向非线性控制的数学模型设计

发达国家已有舰船航向控制模型研究成果,无法适应中国舰船实际航向控制需求,存在着航向控制效果差的问题,因此提出舰船航向非线性控制的数学模型设计研究。详细分析舰船运动干扰信号,构建非线性舰船运动数学模型,选取并探究实际航向控制问题的性能指标,以构建模型与选取性能指标为基础,将舰船运动模型转换为状态方程形式,制定航向非线性控制流程,执行制定流程即可实现舰船航向的非线性控制。实验结果表明,应用构建模型后,在较短时间内实际航向可以调控到设定航向,控制舵角也能回正,充分证实了构建模型的有效性与可行性。     

基于支持向量机的船舶航向广义预测控制

船舶的动态性能具有大惯性、大时滞、非线性等特点,经采用基于结构风险最小化原则的神经网络--支持向量机,能充分发挥其可以任意逼近非线性模型的良好特性来对船舶进行辨识,并以此作为广义预测控制算法中的预测模型,加以相应的预测控制算法达到航向保持的目的.仿真结果表明:支持向量机学习速度快,在小样本情况下具有良好的非线性建模和泛化能力;基于支持向量机的广义预测控制算法具有很好的控制性能.     

基于指数函数非线性反馈的船舶航向保持控制

为研究船舶航向保持控制问题,本文以“育鹏”轮为研究对象,建立了其非线性Nomoto船舶模型,设计了基于闭环增益成形算法的指数函数非线性反馈控制器,并以“育鹏”轮的非线性模型为被控制对象,用Matlab的Simulink工具箱进行系统仿真研究。系统仿真结果表明,建立的非线性Nomoto数学模型精度良好,设计的控制器进行船舶航向保持控制时效果优异,并且更节能。使用这种方法设计的控制器,可以很好地进行船舶航向保持控制,对今后的船舶运动仿真和控制器的设计具有重要意义。     

基于最小二乘和广义最小二乘的系统偏差估计研究

多传感器数据融合首先要解决误差配准问题,来估计系统偏差并消除它.把最小二乘理论运用于多传感器数据融合,能够得到系统偏差估计.分析最小二乘(LS)和广义最小二乘(GLS)的原理,并对两种算法进行了比较.     

一种单站纯方位跟踪中的非线性最小二乘方法

对纯方位跟踪问题进行了描述,通过建立模型,设计求解算法,提出了一种解纯方位跟踪问题的非线性最小二乘方法,并将它与解纯方位跟踪问题的线性最小二乘方法进行了比较与仿真分析。仿真结果表明,非线性最小二乘方法具有较高的估计精度,是一种有效的算法,对潜艇实施隐蔽探测与跟踪具有重要意义。     

非线性回波在舰船航向控制系统中的研究

针对海上舰船航向控制问题进行研究。对非线性回波特征分析在舰船航行控制上的应用进行探讨。首先对舰船航行进行数学建模分析,再对航向控制进行建模,并对雷达回波的特性进行详细分析。通过分析捕获到的雷达回波信号相位,得到相位误差信息,进而实现运动补偿,保持舰船航向。最后,以1艘大型舰船为例进行实验仿真,仿真结果证明算法的可行性。     

基于支持向量机和辐射噪声的舰船目标识别

分类器的构造和特征量的提取是目标识别的两个基本问题。鉴于舰船辐射噪声反映了同种舰船的特征，以及以支持向量机为核心的统计学习理论具有具有较好地解决小样本、非线性问题的能力，提出了一种新的识别方法，首先利用子波变换和多分辨分解算法对舰船目标的辐射噪声进行分解，得到目标的线谱和调制谱特征，然后使用支持向量机构造分类器，进行目标识别。实验表明，这种方法是可行的，且有较好的识别精度和较强的泛化性能。