本文關(guān)鍵詞：大型艦船甲板運動態(tài)勢預(yù)測方法研究

  更多相關(guān)文章： 艦船甲板運動 灰色預(yù)測 神經(jīng)網(wǎng)絡(luò) BP PSO-OS-ELM

【摘要】：復(fù)雜的海況下,艦船在海浪、海風(fēng)及其他干擾因素的作用下,將會產(chǎn)生復(fù)雜的六自由度搖蕩運動,這對艦載機起降、武器控制以及艦員、設(shè)備等都會帶來不利的影響,在無法有效抑制艦船六自由度運動時,研究艦船極短期預(yù)報技術(shù)具有重要的現(xiàn)實意義。艦船極短期預(yù)報就是利用包括當前數(shù)據(jù)在內(nèi)的艦船歷史運動數(shù)據(jù)對未來十幾秒或幾十秒的甲板運動態(tài)勢進行預(yù)測。常用的艦船極短期預(yù)報方法有統(tǒng)計預(yù)報法、卷積法、周期圖法、功率譜自相關(guān)法、卡爾曼(Kalman)濾波法等。上述方法一般需要準確的力學(xué)模型以及統(tǒng)計參數(shù),在實時應(yīng)用中存在一定的困難。本文先后引入基于灰色理論、BP神經(jīng)網(wǎng)絡(luò)以及基于粒子群優(yōu)化的在線序貫極限學(xué)習(xí)機的預(yù)測方法對艦船甲板運動態(tài)勢進行預(yù)測,以實時精確的解決大型艦船甲板態(tài)勢預(yù)測問題。本論文的主要工作有：首先,介紹了艦船甲板運動模型的研究現(xiàn)狀以及基于多個正弦波疊加大型艦船甲板運動模型的甲板運動數(shù)據(jù)生成方法；分析了甲板的六自由度搖蕩運動對艦載飛機起降的影響；闡述了甲板搖蕩與桿臂效應(yīng)的耦合過程,以及艦載機起降點處運動數(shù)據(jù)的生成方法；分析了用于甲板態(tài)勢預(yù)測模型訓(xùn)練的樣本準備與序貫更替過程。其次,引入灰色預(yù)測方法對甲板運動態(tài)勢進行預(yù)測。分析了經(jīng)典灰色預(yù)測模型GM(1,1)的建模過程,針對GM(1,1)模型自身的固有缺陷,引入了離散灰色預(yù)測模型DGM及其改進算法NDGM�；贜DGM預(yù)測模型的仿真結(jié)果表明,該方法可對標準正弦波進行有效預(yù)測,但對基于多個正弦波疊加的甲板運動態(tài)勢數(shù)據(jù)預(yù)測效果欠佳。接下來,引入神經(jīng)網(wǎng)絡(luò)預(yù)測方法對甲板運動態(tài)勢進行預(yù)測。介紹了神經(jīng)網(wǎng)絡(luò)獨特的特點及其在預(yù)測領(lǐng)域的發(fā)展,分析了最具代表性的前饋神經(jīng)網(wǎng)絡(luò)BP模型的算法原理及其改進辦法,并詳細闡述了基于遺傳算法(GA)優(yōu)化的BP改進模型GA-BP�；贕A-BP預(yù)測模型的仿真結(jié)果表明,該模型可對本文的艦船甲板運動數(shù)據(jù)做出滿意的預(yù)測,但存在訓(xùn)練時間冗長的不足,很難滿足甲板態(tài)勢預(yù)測的實時性需求。最后,針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間長的不足,進一步引入了在線極限學(xué)習(xí)機(ELM)的相關(guān)算法對甲板運動態(tài)勢進行預(yù)測。分析了ELM產(chǎn)生的背景、意義及其優(yōu)勢。介紹了傳統(tǒng)ELM模型的算法原理,針對傳統(tǒng)的ELM無法實現(xiàn)實時數(shù)據(jù)的分批訓(xùn)練問題,給出了改進算法OS-ELM。針對OS-ELM模型中的參數(shù)難以選擇問題,引入了PSO算法對其進行參數(shù)尋優(yōu)。基于PSO-OS-ELM預(yù)測模型的仿真結(jié)果表明,此方法應(yīng)用于艦船甲板運動態(tài)勢的預(yù)測是行之有效的。
【關(guān)鍵詞】：艦船甲板運動 灰色預(yù)測 神經(jīng)網(wǎng)絡(luò) BP PSO-OS-ELM
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U674.703.1
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-14
• 1.1 課題研究背景和意義10-11
• 1.2 艦船姿態(tài)極短期預(yù)報技術(shù)研究11-13
• 1.3 論文組織結(jié)構(gòu)13-14
• 第二章 艦船甲板運動分析14-20
• 2.1 艦船甲板運動特性分析14-15
• 2.2 艦船甲板運動對艦載機起降的影響15-17
• 2.3 艦載機著艦點處的甲板運動信息17-18
• 2.4 艦船甲板運動的訓(xùn)練樣本準備18-19
• 2.5 本章小結(jié)19-20
• 第三章 基于灰色系統(tǒng)理論的艦船甲板運動態(tài)勢預(yù)測20-28
• 3.1 灰色系統(tǒng)理論20-21
• 3.2 經(jīng)典灰色預(yù)測及其改進模型21-24
• 3.2.1 原始GM(1,1)模型極其改進方法21-23
• 3.2.2 離散灰色預(yù)測模型及其改進23-24
• 3.3 灰色預(yù)測模型仿真分析24-26
• 3.4 本章小結(jié)26-28
• 第四章 基于人工神經(jīng)網(wǎng)絡(luò)方法的艦船甲板運動態(tài)勢預(yù)測28-40
• 4.1 人工神經(jīng)網(wǎng)絡(luò)28-30
• 4.1.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展簡史28-29
• 4.1.2 神經(jīng)網(wǎng)絡(luò)的特點29-30
• 4.2 BP預(yù)測及其改進方法30-35
• 4.2.1 BP網(wǎng)絡(luò)模型算法原理30-33
• 4.2.2 標準BP算法的改進33-34
• 4.2.3 基于GA的BP算法優(yōu)化34-35
• 4.3 基于BP網(wǎng)絡(luò)的艦船甲板運動仿真35-39
• 4.3.1 BP預(yù)測模型的訓(xùn)練過程35-36
• 4.3.2 樣本訓(xùn)練集的準備36
• 4.3.3 BP網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計36-37
• 4.3.4 仿真條件設(shè)置37
• 4.3.5 仿真結(jié)果分析37-39
• 4.4 本章小結(jié)39-40
• 第五章 基于極限學(xué)習(xí)機方法的艦船甲板運動態(tài)勢預(yù)測40-52
• 5.1 極限學(xué)習(xí)機理論40-41
• 5.2 在線序貫極限學(xué)習(xí)機模型建立41-45
• 5.2.1 極限學(xué)習(xí)機算法原理41-42
• 5.2.2 在線序貫極限學(xué)習(xí)機算法42-43
• 5.2.3 基于OS-LM的艦船甲板運動仿真43-45
• 5.3 基于PSO的OS-ELM預(yù)測模型45-47
• 5.3.1 粒子群智能優(yōu)化算法45-47
• 5.3.2 PSO-OS-ELM預(yù)測算法47
• 5.4 基于PSO-OS-ELM的艦船甲板運動仿真47-50
• 5.4.1 仿真條件設(shè)置47
• 5.4.2 仿真結(jié)果分析47-50
• 5.5 本章小結(jié)50-52
• 第六章 總結(jié)與展望52-54
• 6.1 總結(jié)52
• 6.2 展望52-54
• 致謝54-56
• 參考文獻56-60
• 攻讀碩士期間發(fā)表的論文及參與的科研項目60

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 杜占龍;李小民;鄭宗貴;張國榮;毛瓊;;基于正則化與遺忘因子的極限學(xué)習(xí)機及其在故障預(yù)測中的應(yīng)用[J];儀器儀表學(xué)報;2015年07期

2 毛力;王運濤;劉興陽;李朝鋒;;基于改進極限學(xué)習(xí)機的短期電力負荷預(yù)測方法[J];電力系統(tǒng)保護與控制;2012年20期

3 許東松;劉星宇;王立新;;航母運動對艦載飛機著艦安全性的影響[J];北京航空航天大學(xué)學(xué)報;2011年03期

4 馬君;劉小冬;孟穎;;基于神經(jīng)網(wǎng)絡(luò)的城市交通流預(yù)測研究[J];電子學(xué)報;2009年05期

5 楊居義;易永宏;;基于BP神經(jīng)網(wǎng)絡(luò)的地震預(yù)測研究[J];微電子學(xué)與計算機;2008年10期

6 栗然;李廣敏;;基于支持向量機回歸的光伏發(fā)電出力預(yù)測[J];中國電力;2008年02期

7 馬世強;;艦載機降落技術(shù)探討[J];艦載武器;2007年11期

8 彭秀艷;趙希人;;艦載機起降指導(dǎo)技術(shù)研究現(xiàn)狀及發(fā)展趨勢[J];機電設(shè)備;2006年02期

9 魏鑫,張平;周期圖法功率譜估計中的窗函數(shù)分析[J];現(xiàn)代電子技術(shù);2005年03期

10 呂振肅,侯志榮;自適應(yīng)變異的粒子群優(yōu)化算法[J];電子學(xué)報;2004年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 李占英;基于神經(jīng)網(wǎng)絡(luò)的船舶橫搖運動預(yù)報研究[D];哈爾濱工程大學(xué);2012年

2 崔立志;灰色預(yù)測技術(shù)及其應(yīng)用研究[D];南京航空航天大學(xué);2010年

3 柳剛;艦載飛機著艦攔阻鉤碰撞及攔阻動力學(xué)研究[D];南京航空航天大學(xué);2009年

4 孫李紅;基于組合預(yù)測方法的艦船縱搖運動預(yù)報[D];哈爾濱工程大學(xué);2009年

5 沈艷;神經(jīng)網(wǎng)絡(luò)理論研究及在艦船運動預(yù)報中的應(yīng)用[D];哈爾濱工程大學(xué);2005年

6 沈繼紅;灰色系統(tǒng)理論預(yù)測方法研究及其在艦船運動預(yù)報中的應(yīng)用[D];哈爾濱工程大學(xué);2002年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張恒;基于差分進化優(yōu)化算法和極限學(xué)習(xí)機的心電逆問題研究[D];浙江理工大學(xué);2015年

2 張永花;艦載機著艦過程甲板運動建模及補償技術(shù)研究[D];南京航空航天大學(xué);2012年

3 朱熠;艦載機起飛控制與仿真技術(shù)研究[D];南京航空航天大學(xué);2012年

4 王振興;BP-RBF組合神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的應(yīng)用研究[D];蘭州商學(xué)院;2010年

5 王允峰;船舶縱橫搖和升沉運動預(yù)報方法研究[D];哈爾濱工程大學(xué);2010年

6 孫凌麗;船舶運動的風(fēng)浪影響建模與仿真研究[D];哈爾濱工程大學(xué);2010年

7 劉星伯;基于捷聯(lián)航姿系統(tǒng)的艦船瞬時線運動信息測量研究[D];哈爾濱工程大學(xué);2009年

8 王莎;BP神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的應(yīng)用研究[D];中南大學(xué);2008年

9 周劍冰;基于并聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)的艦船運動預(yù)報[D];哈爾濱工程大學(xué);2006年

10 李翠鳳;灰色系統(tǒng)建模理論及應(yīng)用[D];浙江工商大學(xué);2006年

，

本文編號：901819