船舶横摇变参数LSSVM在线预报方法(英文)

为提高船舶横摇运动预报的精度以及实时性,提出一种利用混沌理论和最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)在线训练算法的实时在线预报方法。针对预报模型的固定核参数不能适应横摇运动的动态变化而进行自动调节这一问题,设计一种基于LSSVM的变参数在线建模方法。利用三个LSSVM并行建模,将整个预报过程分为初始阶段和若干个预报阶段,并在每个阶段末选出下一个预报阶段的预报LSSVM,同时根据启发式规则为另两个LSSVM设定核参数,它们作为下一阶段的比较LSSVM。对某船横摇运动时间序列进行预报,仿真结果表明,所提变参数LSSVM在线预报方法平均相对均方误差为6.85%,相比于固定参数预报方法具有更好的适应性。     

在船舶航行条件下热带气旋强度变化预报的相似离度方案

该文提出了在船舶航行条件下利用相似离度作西北太平洋热带气旋６—７２ｈ强度变化预报的方法，并进行了独立样本预报检验和实船试验，基于相似离度利用“形”和“值”两个方面全面去比较实时样本和历史样本之间的相似程度的优．点，采取了一系列相似离度应用技术，从三万多条历史样本曲线库中寻找最相似的样本曲线的未来变压进行强度变化预报，有利于提高预报准确率，减小预报误差，独立样本的预报检验和实船试验表明，该方法具有简便、迅速等特点，还具有较高的预报精度；是现行船舶航行条件下或岸上气象台站及作热带气旋强度变化预报的一种切实可行的途径。     

变精度粗糙集模型在空袭兵器类型识别中的应用

针对经典粗糙集模型解决空袭兵器类型识别问题时的不足,文章提出了一种改进的相似度,建立了基于改进相似度的变精度粗糙集模型并提出了基于重要度的属性约简算法。最后利用一组测试样本对模型进行了检验,结果表明模型准确、可靠。     

水下机器人推进系统自适应故障诊断

针对水下机器人推进系统的在线监测,提出一种具有在线学习能力的推进系统故障诊断方法。通过分析相关性的变化趋势,在线估计推进系统的时延。利用作业过程中采集的数据,对控制量与转速之间的关系进行在线建模。为提高建模精度,采用粒子群算法,对模型阶次和建模数据量进行在线优化。为适应作业过程中环境和系统自身状态的变化,设计了模型在线更新机制。基于该在线更新机制,提出一种不依赖传统阈值的自适应故障检测方法。通过海上试验数据和水池测试,验证了所提出算法的有效性。     

基于粗糙-模糊软计算的船板线加热成形加工参数预报方法

提出一种基于粗糙-模糊软计算的建模方法,构造一种基于贴近方向修正的高精度模糊推理算法,通过有限元分析(FEA)建立板材线加热成形工艺信息系统,根据粗糙集软计算获取线加热成形的工艺规律,运用模糊推理实现加工参数的快速准确预报。粗糙-模糊建模适用于线加热成形过程的静态或动态模型的构建,为实现该工艺的智能建模与控制提供一种新的技术手段。     

基于改进LSSVM的船舶操纵运动模型在线参数辨识方法

为实现船舶操纵性的在线预报及自适应运动控制,针对Nomoto二阶非线性运动模型参数辨识问题,将最小二乘支持向量机(least squares support vector machines,LSSVM)与多新息方法相结合,提出一种新的多新息在线LSSVM辨识建模方法。试验结果表明,使用所提出的算法辨识的模型进行预报的拟合误差可达到4.76%以下,能准确拟合船舶操纵运动模型。     

基于LS-SVM的船舶操纵性黑箱建模与预报研究

文章提出了基于LS-SVM的船舶操纵性黑箱建模方法,通过选取影响操纵性能的主要因素,利用LS-SVM建立了操纵性能的非线性回归模型,并利用回归模型对自航模回转试验进行了预报,通过试验与预报结果的对比分析表明,所建立的回归模型具有较高的预报精度,为船舶操纵性预报提供了一种新的技术手段。     

舰船电力电子设备在线阻抗建模方法

从二端口网络分析出发,设计一种基于差分方式的在线阻抗测试方法。运用人工神经网络的优化方法,提出一种阻抗等效电路参数的提取算法,由此建立在线阻抗等效电路模型。应用该方法实现了电力电子设备阻抗的在线工程测量,实测与仿真结果表明基于该建模方法所获得的阻抗等效电路能准确反映设备在线运行的阻抗特征。     

基于DRNN的直接多步自适应预测器设计

介绍了一种基于对角回归神经网络(DRNN)的直接多步自适应预报器的设计方法。由于其有特殊记忆能力组成单元和特殊的组织结构形式,这种预报器可以在线通过对一个动态系统的输入输出样本的学习,自动建立这个动态系统的模型,而无需事先了解该系统的参数。因此,该预报器可以根据系统过去的输入输出样本和当前可以测量到的系统输入,来获得系统未来的输出值。本文首先介绍了这种预报器模型的结构和输出输入的映射关系,然后给出了一个用于系统预测分析的预测器的具体设计过程并给出一些仿真实验结果,介绍了这种预报模型在船舶机舱智能监控系统中的具体应用。     

一种分解策略的船舶横摇运动姿态在线预报方法

为了解决单一预报模型对复杂的船舶横摇运动姿态时间序列建模预报困难以及支持向量机预报方法离线训练导致实时性差的问题,文中提出一种分解域船舶运动姿态在线预报方法。采用经验模式分解法对时序的不同特征信息进行分解;应用游程法将分量重构为高、中、低频三个分量;针对每个分量建立在线最小二乘支持向量机预报模型,对各分量的预报结果累加得出最终预报值。对某船横摇角时序进行了预报,结果表明,所提方法预报10s的相对均方误差在13%以内,相比于支持向量机预报模型,该模型能够有效提高预报精度和效率。     

一种基于参数估计的自适应舰船运动预报方法

运动预报是部分舰船系统的重要组成部分。为了有效地解决这一问题,文章提出了一种基于海浪峰值频率估计的自适应舰船运动预报方法。在舰船运动与海浪激励的建模基础上,建立了基于最小二乘估计的自复位海浪峰值频率估计器。采用自回归移动平均(ARIMA)模型拟合方法预报舰船运动,并通过海浪峰值频率估计值自适应调节ARIMA模型的采样周期,提高了复杂海况下对舰船运动的预报能力。该方法与常规ARIMA模型方法、反向传播神经网络方法的仿真对比结果表明了该方法在解决舰船动态预报问题上的良好精度和鲁棒性。     

船用台风路径和强度预报方法

改进了船用台风短期预报方法并提出了一种中期预报的新方法。前者通过增大样本和扩大海区范围,分别对东海、南海和西北太平洋海区建立６ｈ～７２ｈ的ＣＬＩＰＥＲ路径预报方程。后者通过联合应用逐步回归、相似离度、数据库和最小二乘法来预报台风６ｈ～１４４ｈ的路径和强度。结果表明,改进方法效果明显,可成为船用台风短期路径预报的基本方法;新方法能有效预报台风中期趋势、衰亡时间,还对异常台风有一定预报能力;预报精度较高,且操作简便易行,适合装有微机的船舶使用     

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.     

基于计算机应用技术的舰船图像修复研究

常规方法匹配待修复样本块和填充样本块时,忽略了梯度项距离这一影响因素,造成修复图像与原始图像相似度较差。为此,提出基于计算机应用技术的舰船图像修复方法。采用计算机应用技术,可视化图像待修复区域轮廓,划分多个待修复样本块,通过优先权确定样本块修复顺序,计算待修复样本块、填充样本块之间的颜色项距离、边界项距离、梯度项距离,选取距离最小的填充样本块,填充至匹配到的待修复样本块,完成图像修复。抽取舰船图像,设置对比实验,结果表明,设计方法相比2种常规方法,提高了修复图像PSNR值和SSIM值,修复图像与原始图像的纹理相似度、结构相似度更高。     

基于格型递归最小二乘算法的船舶运动极短期预报

在最小二乘方法(RLS,recursive least square)的基础上,提出利用格型递归最小二乘(LRLS,lattice recursive least square)算法对AR模型参数进行自适应估计.该算法为模块式的多极格型结构,降低了一般RLS算法的计算复杂度.利用实测的动态数据结合AIC准则建立自适应AR预报模型,并将该模型应用于船舶运动预报中,仿真结果表明,相对于最小二乘算法,基于LRLS算法的AR预报模型可有效提高船舶运动预报精度.     

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。     

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。     

五自由度无轴承异步电机动态解耦控制

为实现五自由度无轴承异步电机高精度动态解耦控制,提出一种基于最小二乘支持向量机逆的解耦控制方法.首先,建立五自由度无轴承异步电机数学模型并进行可逆性分析,然后,利用最小二乘支持向量机在有限数据样本下对高维非线性函数的回归能力来辨识五自由度无轴承异步电机逆模型,并利用粒子群算法优化最小二乘支持向量机的参数,以提高对逆模型的拟合和预测精度,最后,将最小二乘支持向量机逆与原系统相串联得到伪线性系统,并设计PID闭环控制器对五自由度无轴承异步电机进行复合控制,实现了原系统径向位移、轴向位移、转速以及磁链间的非线性动态解耦.仿真研究验证了该控制策略的有效性.     

舰船资料数据库中的数据去重复删除方法

舰船资料数据库的数据存在一定量的重复,严重影响舰船资料数据库的工作效率。为了减少舰船资料数据库中的重复数据,降低存储空间,提出一种基于数据挖掘的舰船资料数据库数据去重复删除方法。首先分析当前舰船资料数据库中的数据去重复删除研究进展,找到各种方法的存在的问题与不足,然后提取舰船资料数据库的数据特征,采用数据挖掘技术计算舰船资料数据库数据特征的相似度,最后将相似度与阈值进行比较,删除大于阈值的数据,并进行仿真验证测试实验。结果表明,本文方法能够准确估计舰船资料数据库数据之间的相似度,可以很好地删除重复数据,且舰船资料数据库重复数据删除的速度快,具有一定的应用价值。