舰船运动姿态极短期预报算法研究

舰船运动姿态数据流的极短期实时预报可以帮助决策者在决策过程中更好地分析问题、评价和制定方案,具有很好的参考价值,故着重对该部分进行研究。考虑到六自由度运动中横摇的影响,故主要针对舰船横摇运动姿态数据流序列具有混沌属性并且连续量大的特点,结合数据流挖掘理论框架,提出了一种基于小波变换的递推最小二乘(recursive least square,RLS)的Volterra核估计算法,用于对监测系统中采集到的连续的横摇运动姿态数据流进行实时预报研究。该方法首先对姿态数据流概要结构进行获取,然后利用小波阈值降噪,最后将降噪处理的数据利用RLS的Volterra核估计算法进行实时预报。通过在舰船横摇运动姿态预报的实践验证表明,该算法可很好地解决运动姿态数据流在线自适应预报问题。     

两种改进的GM(2,1)模型及其在船舶横摇预报中的应用

实时准确地预报船舶横摇运动是目前船舶运动研究的一个重要课题,对于提高船舶的耐波性和适航性具有重要的意义.灰色GM(2,1)模型有2个指数分量,能反映出序列摆动的运动情况,但预测精度仍然不足.因此在GM(2,1)模型对非线性复杂横摇运动进行建模及预测的基础上,基于误差补偿的思想,用周期外延和神经网络2种方法分别对灰色模型进行改进.仿真结果表明,灰色-周期外延组合预测模型和灰色-BP神经网络组合预测模型均能准确有效地预报船舶横摇运动,进一步提高灰色模型的预测精度,为船舶减摇控制打下了良好基础,具有实用价值.     

小波变换集遗传算法神经网络的径流预测建模

为获得更精确的径流预报结果,利用dmey小波变换对径流时间序列分解为高频信号和低频信号,再使用遗传算法优化的BP神经网络分别对其进行预测,最后利用dmey小波逆变进行重构,以此建立径流总量预测模型。通过对柳江径流总量进行实例分析,并与遗传算法优化的神经网络模型、BP神经网络模型及传统的时间序列分析方法对比,该方法获得更准确的预测结果。研究结果表明该模型能充分反映径流时间序列趋势,预报稳定性好,预报准确率高,为径流时间序列预测提供一个有效建模方法。     

基于GA优化BP神经网络辨识的Volterra级数核估计算法

为取得更有效的船舶运动预报效果,提出了一种利用遗传算法(GA)优化单输出三层反向传播(BP)神经网络辨识Volterra级数核的算法.在船舶航行姿态时间序列的混沌特性识别基础上,分析了GA、BP神经网络和Volterra级数模型的特征.利用GA优化BP神经网络获得最优的初始权值和阈值,根据BP神经网络算法求得最终的最优权值和阈值.进行Taylor级数分解,得到Volterra级数各阶核,对船舶的横摇运动时间序列进行多步预报.仿真实验表明:所提方法预报精度高、时间长,具有有效性和适应性.     

QSO J0607-085射电波段准周期光变稳定性分析

使用了针对非均匀采样时间序列优化的小波变换方法,对密歇根大学射电天文台(UMRAO:the Univerity of Michigan Radio Astronomy Observatory)在3波段(4.8 GHz,8 GHz和4.5 GHz)上所获得的类星体QSOJ0607-085的射电光变数据进行了分析,获取了时标约为6.51-7.34 a的准周期信号,以及0.034 aa-1的周期变化率和0.03mJysHz-1a-1的幅度变化率.     

粘性流中船舶自由横摇衰减运动数值模拟

以计算流体力学(CFD)理论为基础,基于商业CFD软件FLUENT平台经技术上一系列的二次开发,对某一无航速驳船的二维横剖面在静水中作自由横摇衰减运动进行了数值模拟,分析得到了船体剖面的横摇阻尼系数及固有周期,并与相关试验结果进行了比较,相对误差均小于3%.研究结果表明,数值方法能够对船舶自由横摇衰减运动进行有效地模拟,为预报船舶横摇运动特性提供了一条既有效又便捷的数值手段.     

基于双向差分的船舶横摇时间序列的预报

根据船舶在随机海浪作用下的运动特性,基于双向差分算法建立模型,并运用于船舶横摇运动时间序列的预报,取得较好的效果.该模型也可用于纵摇、艏摇的时间序列的预报.     

基于小波理论的舰船非线性横摇运动特性分析

探索采用小波分析方法研究船舶在波浪中非线性摇摆运动的动力学特性．对在几种不同的典型波浪参数情况下,得到的船舶在波浪中非线性摇摆的响应,进行小波变换．利用小波变换所特有的时频窗,可以同时在时域和频域中研究船舶横摇响应的模图和相图．通过分析所得模图和相图的典型特征,得到舰船非线性横摇幅值和频率等动力学特性．且小波变换适应不同频率的窗口特性具有更好的分辨率,可以获得更多的横摇运动响应特性信息．研究表明,小波分析在非线性横摇运动动力学特性分析的研究中是可行的,可以加强对船舶横摇非线性复杂动力学特性的分析能力．     

基于误差反传神经网络的船舶横摇时间序列预报

给出了误差反传神经网络模型和学习型算法及其改进型学习算法，并将其应用于船舶横摇运动时间序列预报，取得了较好的效果。亦可用于纵摇、艏摇的时间序列预报。     

基于运动轨迹的视频三维小波变换方法

将运动矢量估计与三维小波变换相结合用于视频信号压缩 .这种方法在对序列作时域上的一维变换时 ,是对各帧中由运动矢量联系起来的一条运动轨迹上的像素进行 .由于在实际情况中 ,通过运动矢量联系而形成的像素运动轨迹是任意长度的 ,这就需要对任意长度的像素串作一维小波变换 .此文在二代小波提升算法基础上 ,通过修改边界延拓方法获得一种任意长度信号的小波变换算法 ,并将其用于基于运动轨迹的视频时域小波变换 .实验结果表明 ,对于运动幅度大的视频序列 ,这种方法可以获得比常规三维小波变换编码高的压缩性能 .     

船舶振荡运动仿真

为节约昂贵的海上试验费用,以6个自由度最关键的横摇运动为例说明了仿真计算过程。在由船模试验得到船舶响应幅值算子（RAO）的基础上,采用ITTC单参数标准波谱计算船舶的运动幅值谱,然后采用线性迭加法得到船舶振荡运动的时域序列。仿真信号序列的频谱与实船采集的横摇运动数据的频谱具有相似性,对频率区间细分可以提高仿真结果的精度。     

船舶横摇非线性阻尼系数识别

根据自由横摇曲线估算船舶横摇非线性阻尼系数,用于预报船舶海浪中的运动．提出了能量衰减函数的概念,并由实际能量衰减函数与估算能量衰减函数之间的方差最小来确定非线性阻尼系数．由船模的自由横摇试验曲线,分别估算了平方阻尼模型及立方阻尼模型的非线性阻尼系数,并与试验数据进行了比较.结果表明,在考虑了试验测量误差的情况之下,计算结果同试验结果很接近,可用于预报实船非线性横摇运动．该方法不需要事先确定阻尼的准确形式,并且可以满足大角度横摇回复力矩强非线性的要求．     

Fuzzy Inference System Design Based on Data Mining Concepts and Its Application in Time Series Forecasting

This paper adopts data mining(DM) technique and fuzzy system theory for robust time series forecasting.By introducing DM technique,the fuzzy rule extraction algorithm is improved to be more robust with the noises and outliers in time series.Then,the constructed fuzzy inference system(FIS) is optimized with a partition refining strategy to balance the system's accuracy and complexity.The proposed algorithm is compared with the WangMendel(WM) method,a benchmark method for building FIS,in comprehensive analysis of robustness.In the classical Mackey-Glass time series forecasting,the simulation results prove that the proposed method is able to predict time series with random perturbation more accurately.For the practical application,the proposed FIS is applied to predicting the time series of ship maneuvering motion.To obtain actual time series data records,the ship maneuvering motion trial is conducted in the Yukun ship of Dalian Maritime University in China.The time series forecasting results show that the FIS constructed with DM concepts can forecast ship maneuvering motion robustly and effectively.     

基于匹配傅里叶变换的舰船目标成像算法

为解决逆合成孔径雷达(ISAR)对非合作、机动目标成像时的散焦问题,提出利用瞬时多普勒参数估计补偿相位的成像方法.分析舰船目标的回波特性及其偏航、俯仰、侧摆等转动分量引起的多普勒非线性变化,将回波近似为噪声和杂波背景下的多分量线性调频信号.比较二阶、二步两种匹配傅里叶变换的多普勒参数估计精度.蒙特卡罗实验验证.二步匹配傅里叶变换均具有更好的多普勒分辨力,估计误差较小.利用匹配傅里叶变换估计多普勒频率完成瞬时成像的方法,去除了传统算法中的严重散焦现象,提高了聚焦性能,可获得舰船目标在观测时间内的姿态变化.仿真实验及实测结果验证了该方法的有效性.     

舱内晃荡对船舶横摇影响的数值分析

利用两相流模型对带自由面的流动问题进行了数值模拟,计算了舱内水体晃荡对水舱横摇运动的影响。利用计算流体力学软件ＣＦＸ－４,模拟了舱体大幅横摇时水的晃荡、翻卷和重入,通过对不同的舱内水深、不同摇幅的水舱强迫和自由晃荡问题的数值计算,发现舱内水深对晃荡力矩有重要影响,在给定的计算频率下,浅水的影响比深水更大。     

舰船横摇垂荡非线性耦合的动力不稳定区域

研究了横摇和垂荡非线性耦合情况下的动力不稳定区问题,在船舶顶浪情况下,采用约束参数法分别对非线性耦合和线性耦合的方程进行了稳定性分析,得到稳定区域传递曲线方程。用龙格－库塔数值积分方法分别对此两类方程选择多种类型参数值进行摇摆响应分析,观察到横摇回复运动、周期稳态运动、以及混沌和倾覆等现象,验证了理论分析的结果,理论与数值分析表明,横摇和垂荡的非线性耦合对于船舶摇摆是不可忽略的非线性因素,采用约束     

应用路径积分法求解船舶横摇倾覆概率

通过对船舶非线性横摇运动进行分析,建立了船舶横摇运动的非线性微分方程.以路径积分法(PIS)为基础,在时间域内求解相应的二维Fokker-Planck方程,得到随时间演变的船舶横摇运动的转移概率密度.运用首次通过理论,求得船舶倾覆前时间的概率分布.研究了外部激励、横摇阻尼和非线性复原力矩对船舶横摇运动转移概率密度与首次通过时间的影响.研究结果表明,PIS能用于预测船舶首次通过时间概率分布,从而为船舶设计和稳性衡准提供相关的参考.
     

船舶外飘砰击有效砰击角概率分布

基于海浪波面斜率的随机性,研究了船舶外飘砰击有效砰击角的概率分布问题.将垂直法平面内船体表面斜升角在初始纵剖线角处泰勒展开,根据船舶运动的随机特性推导了船体表面斜升角的概率密度函数;在随机海浪波面斜率、波面倾角的统计规律和波浪破碎判据条件的基础上,推导了有效砰击角随机变量的概率密度函数,为进一步研究船舶外飘砰击载荷的概率预报方法奠定了基础.