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。     

基于小波变换理论的船舶横摇运动分析与预测

为获得横摇运动在不同时间尺度下的演变规律,提出基于小波变换(WT)理论进行船舶横摇运动非线性时间序列分析与预测的方法.通过小波变换对横摇运动时间序列进行多分辨率分析(MRA),将原序列分解为多个相对简单的准周期信号,对信号的趋势项、周期项和随机项进行分离,并采用人工神经网络(ANN)模型对上述准周期信号进行预报和集成.仿真结果表明:该方法有效提高了预报长度,并可获得较高建模及预报精度.     

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.     

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.     

二阶对角递归神经网络船舶横摇运动预测

提出一种船舶横摇时间序列预测方法.该方法使用在隐层具有2个反馈权值的对角递归神经网络进行预测,给出了此网络易于实现的动量梯度学习算法(DBP),并对其收敛性进行了验证.运用该模型对我国某型船舶在横浪中航行情况进行预测,结果表明:本网络可以储存更多的历史数据,有更好的记忆性能,所使用的模型比DRNN模型及前向网络BP模型能快速、准确地预测船舶横摇运动时间序列,仿真实验验证了该方法的可行性与有效性.     

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．     

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.
     

基于黏性等效的船舶顶浪运动降阶预报方法

针对势流预报方法速度快但精度受黏性影响显著、黏流预报方法精度高但计算效率较低的问题,提出一种基于黏性等效的耐波性预报降阶预报方法．该方法首先基于一种强迫放大运动,快速获取船舶阻尼随运动幅度变化的特性;再根据黏性等效原则和船舶运动状态,对无黏耐波性预报模型的阻尼进行实时修正．为验证该方法的有效性,以DTMB 5415船模为研究对象,开展了顶浪环境下的水池模型试验．结果表明：该方法预报的纵摇运动响应误差低于6.2%,垂荡运动响应误差低于15.6%;在仿真时间方面,该方法预报效率比传统黏流模型高出10倍以上．     

海浪测量的一种新方法

本文根据时间序列分析和参数识别理论,提出一种测量海浪的新方法.它不需要浪高仪,仅由船舶横摇运动记录曲线来估算海浪的统计值.这种动态海浪预测方法便于船舶航行中实时测量.通过对模型试验结果的对比分析和实船横摇记录的离线计算表明,本文方法是可行的.     

基于耦合特征LSTM的船舶运动预报方法研究

采用长短期记忆(LSTM)神经网络模型对船舶在不同海况下的运动姿态进行预报．针对LSTM模型难以优化的特点,提出了一种耦合特征LSTM神经网络模型．首先对船舶运动时间序列数据进行了归一化处理;然后基于深度学习框架TensorFlow搭建了具有输入层、隐藏层和输出层的LSTM模型;接着将原始数据按照不同特征输入形式进行划分;最后采用不同耦合特征LSTM模型分别对测试样本进行预报．结果表明：相比于其他LSTM模型,六自由度耦合特征LSTM神经网络模型的预报精度有明显优势;在四级海况下,运动预报误差降低了2.1%～12.9%;在五级海况下,运动预报误差降低了2.4%～12.3%;六特征耦合LSTM模型只须进行一次计算,就能同时输出六自由度运动,可减少51.4%～82.7%的计算时间,提升了计算效率．     

三峡出闸船舶航速分布规律与预测应用

为监控出闸船舶的异常航速、科学调度出闸船舶、提高船舶出闸效率和保障船舶出闸安全,研究了三峡出闸船舶航速分布规律与预测应用问题.以船舶AIS(automatic identification system)统计数据为基础,通过直方图方法分析了船舶离闸距离、船舶尺度与船舶出闸航速之间的关系,在此基础上,利用80％的AIS数据建立了基于BP(back propagation)神经网络的船舶出闸航速预测模型,并以20％的AIS数据对船舶出闸航速预测模型予以验证,最后通过案例阐释航速预测模型的应用.结果表明:该模型预测航速的平均误差为6.7％,对预测航速和实际航速进行单因素方差分析,两组数据并无显著性差异.可见基于BP神经网络的船舶出闸航速预测模型可以应用于船舶出闸航速预测.     

基于灰色PSO-ANFIS模型的船舶横摇运动预报分析

为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(Grey Particle Swarm Optimization-Adaptive Neural-fuzzy Inference System, GPSO -ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统,再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船“育鲲”轮的横摇数据进行仿真实验,实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。     

基于改进Mask R-CNN的可见光图像中舰船目标检测方法

针对基于卷积神经网络的目标识别方法中经典的矩形检测框在检测舰船目标时会框出很多无关区域,易出现漏检、误检等问题,提出基于改进Mask R-CNN （mask region-based convolution neural networks）的舰船目标检测方法,在Mask R-CNN网络的基础上通过增加判别模块、类别预测分支和语义分割分支对视觉系统采集的可见光图像中的舰船目标进行目标定位和类别预测,同时获得舰船目标的边缘轮廓并实现对军舰目标的语义分割,为海上无人作战系统提供更精确的信息.实验结果表明,该方法在保持较高检出率和运行效率的同时误检率较低,舰船目标的平均检测精度较高,具有良好的舰船目标检测性能.      

高速船航态模拟与阻力预报CFD方法应用

中高速船在航行状态下,其航态与低速航行相比有较大的不同,对船舶的阻力有明显的影响。因此,此类船舶的阻力预报必须考虑船舶航行姿态的影响。现有公开发表的关于滑行艇垂向+纵向运动理论预报研究的资料不多见。基于Flu-ent平台对三维船体航态对阻力的影响进行研究,采用动网格技术模拟船舶的航态;同时,为了保证计算的连续性与稳定性,利用FLUENT二次开发平台,编写UDF程序,在离散的时间域内根据船体的受力对船舶运动进行干涉。计算结果表明该方法对船舶的水动力预报问题具有可行性。     

船体三维边界层计算的初值确定

为了研究绕船舶后体粘性绕流计算方法，提供了一个实用、简单和准确预报船舶前体边界层的方法。该计算由简化的Ｎａｖｉｅｒ－Ｓｔｏｋｅｓ方程、三维传输补充方程、幂指数速度分布函数、表面摩擦律和一个积分数值计算方法组成．计算实例表明，沿船长自首部 ７０％的范围内，数值计算结果同高阶理论所给出的计算结果以及同Ｌａｒｓｓｏｎ给出的测试结果符合良好。     

桩筏基础固结沉降实用计算方法

针对饱和深厚黏土中的摩擦型桩筏基础,提出求解基础体系固结沉降的简化分析方法.采用桩-土-筏非线性共同作用模型和交替方向隐式差分算法求解二维平面应变区域内任意时刻不同位置的超孔隙水压力,计算桩端以下土层的平均固结度和基础体系的固结沉降.与有限元精确解的对比分析表明,提出的计算模型与简化假定基本合理.将该方法用于分析2个饱和黏土地基中的桩筏基础固结沉降,得到了与实测值比较接近的预测结果.     

基于计算流体力学方法的水线面大开口工程船阻力性能分析

运用计算流体力学（CFD）方法对工程船由船体水线面大开口所引起的船体阻力性能变化进行了分析.通过对某水线面大开口型工程船系列模型的黏性绕流进行数值模拟,得到在低航速下水线面大开口型船舶船艏开口纵向和横向尺寸变化,船艉开口纵向和横向尺寸变化以及艏艉开口相互作用对船体阻力性能的影响,为改善此类船型的船体阻力性能提供了参考依据.     

基于GPS导航的智能测绘船控制策略

介绍了一种新型的水底地貌智能测绘船的硬件系统组成,将改进的PID算法应用在基于GPS导航的智能测绘船控制系统中.采用位置式PD-PID双模控制算法控制测绘船的航向,同时对船速采用PID和Bang-Bang控制算法相结合的控制策略,通过工程整定法确定PID参数及阈值,利用航向控制和速度控制的配合,使测绘船自动完成预定的测量工作.试验结果证明了控制策略的可行性.     

基于可变形部件模型的遥感影像船只检测方法

提出了一种基于混合可变形部件模型的船只检测方法.该方法采用基于梯度方向直方图(HOG)特征的可变形部件模型(DPM)来描述船只,在HOG特征金字塔空间通过滑窗方式检测目标.基于HOG特征的DPM不具有方向不变性,因此根据船只目标特点,分别从模型训练阶段和目标检测阶段进行改进.在模型训练阶段,为了减少模板数量,将所有船只样本旋转到相同方向进行参数学习;在目标检测阶段,将兴趣区旋转至特定方向后进行模板匹配,实现遥感影像上任意方向的船只检测.利用该方法在高分二号光学遥感影像上进行船只检测,实验结果表明此方法可以有效检测船只.