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。     

船舶操纵运动仿真及其理论研究

建立了船舶操纵运动仿真数学模型，给出了一种新的风力和风力矩数学模型并预报了船舶在风作用下的操纵运动，提出了估算浅水中船体水动力的方法，预报了船舶在浅水中的操纵性能，研究了边界元理论在船体水动力计算中的应用，并利用理论计算结果，预测了船舶的回转运动及Ｚ形操纵。     

基于自适应模糊时间序列法的光伏发电短期功率预测

针对并网光伏发电系统功率预测问题,提出一种基于自适应模糊时间序列法的并网光伏发电短期功率预测模型.根据光伏发电系统的历史发电数据,进行自适应算法处理,使数据结构与预测模型相适应,确定聚类数目、划分论域并定义论域区间.通过对历史数据进行模糊化处理,确定各模糊关系组,再计算各类模糊关系组的权重向量.按照模糊时间序列的方法进行光伏发电功率预测,并去模糊化得到实际预测结果.结果表明,对比时间序列预测法ARIMA模型,本文预测模型结果误差由13.66%减小到11.34%,并且在处理突变数据上有较大改进.     

吊舱推进船舶操纵性仿真研究

为进一步提高吊舱推进船舶的操纵性能,根据船舶在操纵过程中的运动状态,建立了吊舱推进船舶综合仿真模型。分析吊舱推进器推力大小、回转角度与船舶操纵的关系,改进了现有三自由度非线性船舶运动方程,提出了吊舱推力矢量模型以及具体计算方法。在Matlab平台下分别实现了吊舱推进船舶和传统推进船舶模型的仿真,并比较了这两种船的回转操纵和Z形操纵性能。结果表明该模型能正确地反映吊舱推进船舶操纵运动状态并为吊舱推进控制技术的研究提供了可信的数学模型。     

船舶航向在线自学习智能控制方法

为更快更好地控制船舶在预定航线上航行,提出一种船舶航向在线自学习模糊神经网络智能控制方法.模糊子集处理船舶控制中的不确切信息,通过神经网络训练模糊推理系统中的参数,旨在把模糊推理和神经网络融合,使船舶航向智能控制器具有在线自学习功能.该方法能实时控制风流扰动下作为非线性时变系统的船舶而无须依赖船舶运动数学模型.模拟试验结果表明,即使在有环境扰动情况下,该方法也能很好地控制具有很大惯性船舶的航向.     

Generating Fuzzy Rule-based Systems from Examples Based on Robust Support Vector Machine

This paper firstly proposes a new support vector machine regression （SVR） with a robust loss function, and designs a gradient based algorithm for implementation of the SVR,then uses the SVR to extract fuzzy rules and designs fuzzy rule-based system. Simulations show that fuzzy rule-based system technique based on robust SVR achieves superior performance to the conventional fuzzy inference method, the proposed method provides satisfactory performance with excellent approximation and generalization property than the existing algorithm.     

船舶电力负荷预测混沌时间序列分析法

为提高船舶电力系统安全稳定性,提出对船舶电力负荷时间序列进行预测.首先分析船舶电力负荷是否为混沌时间序列,利用相空间重构对船舶电力负荷时间序列的最大Lyapunov指数进行了定量计算,由计算结果发现船舶电力负荷具有混沌特性.在此基础上,提出了船舶电力负荷预测模型,该模型将混沌局域预测与灰关联相结合,并将相点间的关联性大小经过加权的方式作用于船舶电力负荷预测模型.实际船舶电力系统的计算分析表明,灰关联加权局域预测模型具有较高的预测精度,是一种有效的用于船舶电力负荷混沌时间序列的预测模型.     

基于二型模糊逻辑的交通流量预测

提出了一种改进的模糊c均值聚类算法,该算法将模糊聚类的对象从单值扩展到区间,在构造二型模糊系统时,通过对历史数据的学习提取二型模糊规则,克服了专家方法不能对未知领域提取规则的不足.在此基础上,针对智能交通系统,提出一种新的基于二型模糊逻辑的交通流量预测方法.该方法应用区间型二型模糊集具有上下限隶属度函数的性质构造预测区间,适合于处理具有复杂不确定性的情况.通过隶属度函数可以反映出该区间中预测值的可靠性,从而克服了其他预测方法仅给出单值且稳定性不高的缺点.仿真结果表明,基于二型模糊逻辑的流量预测区间具有较高的准确度,其平均相对误差低于6%.     

基于k平面聚类的时序数据粒化和预测

设计了一种针对时间序列的k平面聚类算法,在时间维度和数值维度上同时对所有时序数据点进行聚类,从而将所有数据点划分到若干个不等长的时间窗口．在每个时间窗口上建立线性模糊信息粒子,最终得到原始时间序列的分段线性粒化表示．为便于采用模糊推理系统进行时间序列的预测,还定义了这些线性粒子的距离,从而构建了一种基于线性模糊信息粒子的预测方法．实验表明,所提出的预测方法可以有效地对具有伪周期的时间序列进行长期预测．      

基于QPSO算法优化的区间二型模糊逻辑系统预测

设计了一类区间二型模糊逻辑系统,研究基于历史数据的预测问题.在区间二型模糊逻辑系统设计中,前件、后件、输入测量区间二型模糊的主隶属函数均选择成具有不确定标准偏差的高斯型二型隶属函数.量子粒子群优化(QPSO)算法用来调整所设计的区间二型模糊逻辑系统参数.部分欧洲智能技术网络(EUNITE)的负荷竞赛数据和美国田纳西州(WTI)原油价格数据用来测试所提出的模糊逻辑系统预测方法.定义综合评价误差和作为模糊逻辑系统的预测性能指标.仿真研究表明,所提出的区间二型模糊逻辑系统预测方法在收敛性和稳定性上均优于相应的一型模糊逻辑系统.     

基于模糊逻辑系统的采矿船升沉补偿控制方法研究

采矿船是海洋资源开采中必不可少的海工装备。采矿船在海上作业时,船体受海浪载荷作用所引起的升沉运动对于水面下采矿系统作业安全性有恶劣的影响,为了减少升沉运动,需要对采矿船进行升沉补偿,提出了一种基于复合液压油缸的主被动一体式复合型升沉补偿系统。为了提高控制精度,本文提出了一种基于Mamdani型的模糊PID主动式补偿控制策略来减小升沉干扰下的补偿误差,首先对升沉补偿原理进行介绍,随后基于莫尔经验公式推导出不同海况下船体升沉幅值的计算过程,并建立所提升沉补偿系统的数学模型和传递函数,最后用所提的模糊控制算法进行控制,在规则海浪波和不规则海浪波下分别进行仿真,并和传统PID控制效果进行比较,结果表明,两种海浪波下,模糊控制算法的误差要小于传统PID控制算法的误差,可见模糊控制算法有着明显的优势。     

Maneuvering target tracking algorithm based on CDKF in observation bootstrapping strategy

The selection and optimization of model filters affect the precision of motion pattern identifica-tion and state estimation in maneuvering target tracking directly.Aiming at improving performance of model filters, a novel maneuvering target tracking algorithm based on central difference Kalman filter in observation bootstrapping strategy is proposed.The framework of interactive multiple model ( IMM) is used to realize identification of motion pattern, and a central difference Kalman filter ( CDKF) is selected as the model filter of IMM.Considering the advantage of multi-sensor fusion method in improving the stability and reliability of observation information, the hardware cost of the observation system for multiple sensors is adopted, meanwhile, according to the data assimilation technique in Ensemble Kalman filter( EnKF) , a bootstrapping observation set is constructed by in-tegrating the latest observation and the prior information of observation noise.On that basis, these bootstrapping observations are reasonably used to optimize the filtering performance of CDKF by means of weight fusion way.The object of new algorithm is to improve the tracking precision of ob-served target by the multi-sensor fusion method without increasing the number of physical sensors. The theoretical analysis and experimental results show the feasibility and efficiency of the proposed algorithm.     

一种应用时间序列技术的短期电力负荷预测模型

提出一种时间序列算法和模糊逻辑技术相结合的电力系统短期负荷预测方法 .它包括一个具有非线性特性的传递函数模型 ,可以考虑气温等外界因素对负荷的非线性影响 ,能使预测及时跟上负荷变化的趋势 ,适用于由于天气等因素变化引起负荷突变的预测场合 .为了更好地处理影响电力系统负荷的不确定性因素 ,便于利用预报人员的丰富知识和经验 ,此文采用了具有较强结构性知识表达能力的模糊逻辑技术与时间序列相结合的方法进行负荷预测 .测试结果表明了该方法的有效性     

港内船舶低速航行时的舵效

为研究船舶在停车淌航时的舵效,采用MMG建模方法,将常速域和低速域数学模型相结合,建立适于港内船舶运动的数学模型,并考虑浅水、低速、漂角等因素的影响,利用MATLAB软件进行算法实现.对三种船型在港内停车淌航时的舵效进行仿真,通过对仿真结果的分析与比较,得出影响舵效的系列结论;同时,综合专家意见,得出三种船舶有舵效的最低速度,可为驾引人员在实际工作中提供参考.     

船舶操纵的高斯势函数神经网络PID控制器研究

针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用高斯势函数神经网络的自适应PID控制系统,该系统由2个高斯势函数神经网络组成,其中一个用于船舶运动模型的辨识,另一个用于PID学习控制。文中还提出了广义递归最小二乘学习算法,以便加快网络训练速度。船舶操纵的仿真结果表明此法明显优于传统的PID控制器。     

基于MMG登陆舰艇操纵运动模型的螺旋桨力研究

 登陆舰艇是两栖作战中的主要输送装备，针对其运动规律的复杂性，建立了在深水和浅水条件下基于分离型船舶操纵运动模型（MMG）的登陆舰艇操纵运动模型。因登陆舰艇在航行中，螺旋桨推力是主控力，用来克服水的阻力，维持舰艇的操纵运动，所以螺旋桨的流体动力模型是登陆舰艇运动建模的一个重要组成部分。在登陆舰艇特有的操纵运动模型的基础上，着重介绍了登陆舰艇操纵运动中螺旋桨力的模型。     

电力系统负荷预报的模糊理论方法

基于电力负荷预测工作是整个电力系统规划设计和安全运行的基础,将模糊理论应用到电力系统的负荷预报中,建立了电力负荷预测的模糊时间序列模型．提出了确定系统模糊度最小的方法,并将其应用于实际的电力负荷预报工作．结果表明,该模型预测可以达到较高的精度,效果良好．     

机动目标空间群生成算法

提出了一种机动目标的空间群生成算法,该算法的思想是定义空间群目标间的多种特征相似度,通过一级融合获得的信息,计算目标多种特征相似度矩阵并融合求得合群结果。该方法用特征相似度空间属性计算代替了测量空间的目标属性计算,提高了可靠性。该算法的时间复杂度仅为O(n2)。仿真实验表明,该算法具有较高的合群效率,结果可信。     

基于Fuzzy函数逼近的柔性模糊控制器论域压缩算法

针对模糊控制稳态控制精度不高的问题,提出了一种提高ＦＩＳ系统函数逼近精度的新方法——论域压缩算法．基于模糊数二元基元组的概念改进了一类Ｈｏｏｖｅｓ－Ｊｅｅｖｅｓ算法,实现对模糊数参数的寻优和输出论域的动态调整．构造基于ＳＯＷＡ类算子和ＢＡＤＤ解模糊的广义柔性模糊控制器作为仿真平台,对一过热汽温对象的控制给出仿真算例．结果表明,该方法可对控制达到任意精度上的逼近,从根本上解决Ｆｕｚｚｙ控制精度不高的问题．分析指出动态论域压缩算法对模糊控制具有理论上的普遍意义     

基于模糊自适应变权重算法的函数链神经网络预测方法

为提高复杂工业系统非线性时间序列预测精度,将工业系统非线性时间序列不同的单个预测模型预测值作为函数链神经网络的原始输入值,并将原始输入值按正交的三角函数扩展得到的数值作为函数链神经网络扩展输入值,在分析函数链神经网络拟合充要条件的基础上,结合模糊自适应变权重算法计算函数链神经网络权重,建立基于模糊自适应变权重算法的函数链神经网络预测模型。研究结果表明:基于模糊自适应变权重算法的函数链神经网络预测方法的预测精度较高,并且平均误差和预测平方根误差均较小,具有较强的泛化能力;该模糊自适应变权重函数链神经网络预测模型可用于复杂非线性工业系统决策。