船舶运动的拓扑预测模型分析

航空母舰是一种主要以舰载机为作战武器的舰艇,因此,对其运动预报的研究具有战略意义。由于实际航行情况复杂多变,以往获得的运动数据繁琐复杂,具有很强的随机性和非线性,导致不能有效利用这些数据进行舰船航行的预报。灰色系统理论在研究非线性系统上具有独特的优势。本文将应用灰色系统理论进行舰船运动预报的研究,从多个角度对纵摇角度进行深入预测。     

基于非线性数学模型的舰船运动特性分析

舰船领域的研究中,运动特性分析是重点内容,在研究过程中,可以采用非线性数学模型。通过对舰船运动特性的准确分析,能够为运动预报提供可靠依据,从而确保舰船上武器系统的发射精度。不仅如此,舰船的运动预报准确度与舰载飞机起落降的安全性有着密切关联,还能为舰船耐波性的研究提供帮助。在对舰船运动模型进行构建的过程中,可以选用MMG分离模型。基于此,以分离模型作为主要依据,对相关的数学模型进行构建,分析船舶在海面上的运动特性。     

基于干扰观测器的舰船运动模拟器非线性控制

舰船运动模拟器不论是在军事领域的武器系统研发,还是在民用领域的船舶特性试验中都具有重要的意义,六自由度舰船运动模拟器是目前应用最广泛的一种舰船运动模拟器。本文结合多体动力学建模和干扰观测器技术,对舰船运动模拟器的非线性控制进行研究,并针对舰船运动模拟器的运动精度特性进行了仿真实验。     

船舶海上运动拓扑结构与预测分析研究

舰船运动预报对提高航空母舰作战能力具有非常重要的意义。灰色系统理论对研究舰船运动的随机性和非线性具有非常大的优势。因此,本文通过其拓扑预测模型研究舰船的姿势预报。本文首先建立了灰色拓扑预测在舰船运行纵摇预测中的应用模型,然后通过数据对比研究误差产生的原因。     

舰船运动姿态仿真与多层AR预报研究

舰船运动姿态预报可更好地保障舰船各项作业的顺利进行,提高航行安全性。该文从频域角度仿真随机风浪,据此仿真舰船运动。考虑到舰船运动姿态时域上的非线性、非平稳特点,采用多层AR模型进行舰船运动姿态预报,并根据仿真案例进行预报检验。多层AR方法能有效提高极短期预报的精度。     

舰船水上纵向运动非线性数学控制模型

为了提高舰船水上纵向运动的控制精度,提出一种舰船水上纵向运动的非线性数学控制模型。首先对舰船水上纵向运动非线性控制的研究现状进行分析,然后采用多种模型分别对舰船水上纵向运动非线性控制进行预测,得到预测结果并确定各种模型的权值,利用证据理论确定出最优权值,最后对这些模型舰船水上纵向运动非线性控制预测结果进行加权,得到舰船水上纵向运动非线性控制精度。测试结果表明,本文模型不仅克服了当前舰船水上纵向运动非线性数学控制模型的缺陷,提高了舰船水上纵向运动的控制精度,而且舰船水上纵向运动的控制误差小于其他舰船水上纵向运动非线性数学控制模型,可以满足舰船水上纵向运动控制要求。     

混沌理论和神经网络相结合的舰船摇荡运动极短期预报

舰船摇荡运动具有混沌特性,因而可以应用混沌理论对其进行预报.介绍了混沌时间序列预测原理;建立了基于混沌理论相空间重构技术的RBF神经网络模型,并将其用于舰船摇荡运动预报;通过对某实船纵摇时历的预报计算,证明了采用混沌和神经网络相结合的预报方法,能有效提高预报精度和延长预报时长.     

舰船航行速度预测的非线性数学模型研究

海洋是一个较为复杂的环境,在海面上航行的舰船,其速度会受到诸多因素的影响,由此会导致舰船的航行速度无法达到预期的目标。为了解决这一问题,需要对舰船的航行速度进行预测。由于舰船航行是一种非线性运动过程,若是采用线性数学模型预测航速,可能会使预测结果产生一定的偏差。所以,在预测舰船航行速度时,应当采用非线性数学模型。本文还从舰船航行速度的预测方法分析入手,论述了舰船航行速度预测的非线性数学模型。     

航行速度的非线性建模与仿真研究

舰船航行速度具有十分强烈的非线性变化特点,而当前舰船航行速度建模方法均只考虑其线性特性,使得舰船航行速度预测错误很大。为了提高舰船航行速度预测精度,提出一种航行速度预测的非线性建模方法。首先采用舰船航行速度的历史样本数据,建立舰船航行速度预测的训练样本集合,然后引入回声状态网络对舰船航行速度训练样本的变化规律进行描述,建立舰船航行速度预测模型,最后采用具体舰船航行速度数据对非线性建模性能进行测试。本文建模方法可以捕捉舰船航行速度强烈的非线性变化特点,舰船航行速度预测错误小,舰船航行速度预测精度要小于当前线性建模方法,而且降低了舰船航行速度建模的时间,具有比较显著的优越性。     

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。     

基于灰色动态MGM(1,n)模型的舰船纵摇-升沉运动预报

舰船在实际海况中的运动因受到各种因素的影响而非常复杂,六个自由度之间相互耦合构成一个复杂的系统,因此建立描述舰船运动的系统模型并对各自由度运动进行实时预报具有非常重要的意义.灰色MGM(1,n)模型用微分方程的形式表现了一个系统中n个因素对某个因素变化率的影响,可以用于对非线性复杂系统的系统预测.通过对灰色系统理论的学习发现对原始数据用极差变换进行预处理后会更适合MGM(1,n)模型的拟合,为模型预测打下了良好的基础.在充分的理论研究基础上,本文对船模水池试验获得的纵摇、升沉运动数据以及海浪数据进行极差变换后建立灰色MGM(1,n)模型,并对纵摇、升沉进行非线性预报,得到了较好的效果.     

基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果。为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比。实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点。这为舰船运动短期预测提供了一个新的思路和方法。     

提高舰炮武器系统射击精度的方法分析

舰炮武器系统的使命任务就是精确打击来袭目标,因此,系统的命中精度就成了舰炮武器系统的重要指标,尤其舰艇在运动中,精度更是重中之重。但提高系统精度的方法很多,其中不乏有硬件、软件的修正方法。文章阐述了硬件安装调整水平精度,并对航行风对舰船产生的影响进行修正,从而有效的达到提高系统射击精度的目的。     

小波神经网络舰船运动受扰力预测模型

舰船运行的平稳性与舰船受扰力的类型、大小等密切相关,在多种舰船受扰力中,海浪作用力是影响最明显的一种,海浪作用力能够导致舰船发生横摇、横倾等运动,一旦运动幅度超过平衡点,就可能导致舰船倾覆等严重的事故。本文的研究围绕舰船运动受扰力预测进行,首先介绍一种小波神经网络算法,在此基础上研究舰船运动受扰力的预测过程,结合成型滤波器的技术,提高了受扰力预测的精度。     

基于LSTM的舰船运动姿态短期预测

舰船的六自由度运动状态形成复杂的非线性过程,运动姿态会受到耦合作用、不定周期、噪声信号以及混沌特性等因素的干扰,因此很难得到精确的预测结果.为了提升舰船运动姿态的预测精度,利用舰船时间序列的特点,建立了基于长短期记忆单元(LSTM)模型,对其进行了舰船姿态预测仿真,将结果与时间序列分析法的结果进行对比.实例分析表明:基于LSTM模型的预测方法具有精确度高、易实现的特点.这为舰船运动短期预测提供了一个新的思路和方法.     

基于组合优化理论的舰船航行速度预测

详细介绍小波神经网络和灰色系统理论的基本原理,在舰船瞬时运动模型的基础上,采用组合优化理论,将小波神经网络和灰色系统理论结合,设计一种舰船航行速度预测模型,后期的仿真实验证明,基于组合优化理论的舰船航行速度预测具有较高的精度.     

舰船摇荡预报中的双变量局域线性多步预报法

针对舰船各个自由度摇荡之间存在耦合的实际,介绍了一种基于双变量时间序列预报局域线性预测法,此方法可对具有一定耦合关系的二维时间序列进行综合预报.将此方法应用于陈氏吸引子仿真数据及真实海浪中某舰船摇荡时间序列数据的预测.通过与单变量时间序列预报效果的对比,发现时间序列的双变量局域线性预测法可以在一定程度上提高精度,减小误差,提高了舰船摇荡预报的有效性.对于船舶摇荡时间序列预报领域应用双变量预报方法进行了尝试.     

舰船维护中机械潜在故障智能预测方法

舰船机械部件是一个非线性系统,舰船机械部件出现故障概率相当高,当前故障预测方法无法描述舰船机械部件故障的不确性,因此舰船机械部件故障预测精度低,为了提高舰船机械部件故障预测精度,克服当前舰船机械部件故障预测方法的缺陷,设计了一种舰船维护中机械潜在故障智能预测方法。首先提取描述舰船机械部件故障类别的特征信息,然后采用BP神经网络对舰船机械部件故障特征信息进行学习,确定相对应的舰船机械部件故障类别,并解决BP神经网络参数确定问题,最后与其他方法进行了对比实验。结果表明,本文方法的舰船机械部件故障预测精度超过95%,远远高于对比方法的舰船机械部件故障预测精度,改善了舰船机械部件故障诊断速度,具有十分广泛的应用前景。     

组合优化理论的舰船装备维修费预测

单一模型难以准确对舰船装备维修费用进行建模与预测,为了提高舰船装备维修费的预测精度,设计了一种组合优化理论的舰船装备维修费预测模型。首先分别采用灰色模型和神经网络对舰船装备维修费进行预测,然后确定2种模型的舰船装备维修费预测权值,加权得到最终的舰船装备维修费预测结果,最后采用VC++6.0实现了舰船装备维修费预测仿真测试,仿真结果表明本文模型获得了较高的舰船装备维修费预测精度,相对于单一模型,本文模型的舰船装备维修费预测结果具有比较显著的优势。     

基于恒星参考系的舰船武器系统基准姿态测量方法

舰船武器系统的基准姿态直接影响着武器系统的射击精度,进而影响作战效能的发挥。介绍了舰船武器系统基准姿态测量技术的现状,为了满足高精度武器系统作战使用要求,使武器系统基准检测误差不随时间积累,并且可以在航行条件下进行,分析了现有测量方法的不足,提出了基于恒星参考系的舰船武器系统基准姿态测量系统的设计思想,并给出了基准测量模型,解决了舰船在航渡条件下,武器系统的零位标定和基准偏差测量问题,具有操作简便、造价低的特点,为舰船建立统一的坐标基准提供了一种新方法。