【摘要】：在艦船搖蕩運(yùn)動(dòng)無法有效抑制時(shí),可利用慣性導(dǎo)航系統(tǒng)實(shí)時(shí)測(cè)量甲板運(yùn)動(dòng),并利用甲板運(yùn)動(dòng)的當(dāng)前以及歷史數(shù)據(jù)對(duì)未來時(shí)刻的甲板運(yùn)動(dòng)進(jìn)行預(yù)測(cè),以提高艦載機(jī)的起降安全性。然而甲板搖蕩運(yùn)動(dòng)作為風(fēng)浪、潮汐等共同作用的產(chǎn)物,具有較強(qiáng)的非線性、隨機(jī)性和時(shí)變性。針對(duì)上述特性,引入具有信息實(shí)時(shí)更新功能的在線序貫極限學(xué)習(xí)機(jī)(OS-ELM)方法對(duì)甲板運(yùn)動(dòng)態(tài)勢(shì)進(jìn)行預(yù)測(cè)。該方法通過實(shí)時(shí)更新參與模型解算的樣本數(shù)據(jù),具有計(jì)算量小、學(xué)習(xí)映射能力強(qiáng)的優(yōu)點(diǎn)。針對(duì)OS-ELM中存在的隱含層節(jié)點(diǎn)個(gè)數(shù)選擇,以及甲板態(tài)勢(shì)預(yù)測(cè)中出現(xiàn)的樣本個(gè)數(shù)、歷史數(shù)據(jù)長(zhǎng)度等參數(shù)選擇問題,引入遺傳算法(GA)進(jìn)行尋優(yōu)�；谀M甲板搖蕩數(shù)據(jù)的仿真表明,該預(yù)測(cè)方法可以實(shí)時(shí)跟蹤甲板運(yùn)動(dòng)的實(shí)時(shí)性變化,并對(duì)甲板運(yùn)動(dòng)態(tài)勢(shì)進(jìn)行預(yù)測(cè)。
[Abstract]:When the ship rocking motion can not be suppressed effectively, the inertial navigation system can be used to measure the deck motion in real time, and the current and historical data of the deck motion can be used to predict the deck motion in the future, so as to improve the take-off and landing safety of the shipborne aircraft. However, as the product of wind, tide and so on, deck rocking motion has strong nonlinearity, randomness and time variation. In view of the above characteristics, an online sequential extreme learning machine (OS-ELM) with the function of real-time updating of information is introduced to predict the deck motion situation. This method can update the sample data in real time, which has the advantages of small computation and strong learning mapping ability. In order to select the number of hidden layer nodes in OS-ELM, the number of samples in deck situation prediction and the length of historical data, the genetic algorithm (GA) is introduced to search for optimization. The simulation results based on simulated deck rocking data show that the method can track the real-time changes of deck motion in real time and predict the deck motion situation.
【作者單位】： 微慣性儀表與先進(jìn)導(dǎo)航技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室;東南大學(xué)儀器科學(xué)與工程學(xué)院;
【基金】：自然科學(xué)基金(61273056)
【分類號(hào)】：U674.70

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計(jì)[J];液壓氣動(dòng)與密封;2001年02期

2 王毅,曹樹良;遺傳算法在并聯(lián)水泵系統(tǒng)運(yùn)行優(yōu)化中的應(yīng)用[J];流體機(jī)械;2003年10期

3 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年05期

4 李凡,黃數(shù)林,張東風(fēng);一種改進(jìn)的多倍體遺傳算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

5 韋雪潔;黎明;劉高航;田貴超;;注入式的遺傳算法的分析與研究[J];南昌航空工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年01期

6 閻綱;;遺傳算法及其仿真[J];湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年04期

7 ;遺傳算法[J];電網(wǎng)與清潔能源;2008年10期

8 吳玫;陸金桂;;遺傳算法的研究進(jìn)展綜述[J];機(jī)床與液壓;2008年03期

9 李培植;肖利明;于靜濤;;基于遺傳算法的結(jié)構(gòu)優(yōu)化方法[J];公路交通科技(應(yīng)用技術(shù)版);2008年08期

10 于金;金樂;杜海璐;;基于改進(jìn)遺傳算法的集裝箱裝載優(yōu)化問題研究[J];船海工程;2008年05期

相關(guān)會(huì)議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

2 李國(guó)云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國(guó)制冷空調(diào)新技術(shù)研討會(huì)論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會(huì)論文集[C];2006年

6 龐國(guó)仲;王元西;;基于遺傳算法控制步長(zhǎng)的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計(jì)[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊(cè)）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動(dòng)遺傳算法[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年

相關(guān)重要報(bào)紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國(guó)水利報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測(cè)中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

4 郝國(guó)生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國(guó)礦業(yè)大學(xué);2009年

5 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

6 馬國(guó)田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

7 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

8 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

9 劉冀成;基于改進(jìn)遺傳算法的生物電磁成像與磁場(chǎng)聚焦應(yīng)用研究[D];四川大學(xué);2005年

10 袁麗華;基于物種進(jìn)化的遺傳算法研究[D];南京航空航天大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對(duì)偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測(cè)控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計(jì)研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級(jí)公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測(cè)[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號(hào)：2379362