【摘要】：船舶在海上航行時受到海風(fēng)、海浪以及洋流等不確定性海況的影響,不可避免會產(chǎn)生存在相互耦合作用的六自由度搖蕩運動,對船舶在海上的航行和作業(yè)產(chǎn)生很大的安全隱患,其中橫搖和縱搖運動的影響尤為嚴(yán)重。因此,如果能預(yù)測船舶在未來短時間內(nèi)(幾秒或者十幾秒)的運動姿態(tài),將極大地提高船舶海上作業(yè)的安全性和穩(wěn)定性。本文在對船舶運動進(jìn)行建模和分析的基礎(chǔ)上,以橫搖和縱搖運動為研究對象,深入研究目前所廣泛應(yīng)用的船舶運動姿態(tài)經(jīng)典預(yù)測算法,并在此基礎(chǔ)上,提出建立一種EEMD-IPSO-SORR組合預(yù)測模型實現(xiàn)對船舶運動姿態(tài)的短時高精度預(yù)測。論文首先對船舶運動進(jìn)行建模分析,其中詳細(xì)介紹船舶的六自由度搖蕩運動,對船舶橫向運動和縱向運動進(jìn)行深入研究,得到船舶橫向運動狀態(tài)方程和縱向運動狀態(tài)方程;詳細(xì)分析了隨機(jī)海浪的擾動特性,并對海浪譜進(jìn)行分解,建立海浪波傾角模型,從而對隨機(jī)海浪擾動信號進(jìn)行仿真分析;在此基礎(chǔ)上,實現(xiàn)對船舶橫向運動和縱向運動的仿真分析。其次,對船舶運動姿態(tài)經(jīng)典預(yù)測算法進(jìn)行研究,其中重點介紹了自回歸(AR)和卡爾曼濾波(Kalman)兩種預(yù)測算法的基本原理。詳細(xì)介紹自回歸理論以及模型的參數(shù)估計方法和定階準(zhǔn)則,并選用遞推最小二乘參數(shù)估計方法建立遞推預(yù)測模型實現(xiàn)對船舶運動姿態(tài)的預(yù)測仿真;詳細(xì)介紹卡爾曼濾波理論,針對系統(tǒng)存在的有色噪聲,對其進(jìn)行白化處理,然后代入到卡爾曼濾波算法中使得狀態(tài)方程的維數(shù)得到擴(kuò)大,即擴(kuò)展卡爾曼濾波算法,并基于擴(kuò)展卡爾曼濾波算法對船舶運動姿態(tài)進(jìn)行預(yù)測仿真。由于船舶運動姿態(tài)存在非線性和非平穩(wěn)性特征,論文建立了基于集合經(jīng)驗?zāi)B(tài)分解和支持向量機(jī)回歸的組合預(yù)測模型——EEMD-SVR進(jìn)行預(yù)測分析。其中利用經(jīng)驗?zāi)B(tài)分解算法對原始時間序列數(shù)據(jù)進(jìn)行平穩(wěn)化處理,并針對標(biāo)準(zhǔn)經(jīng)驗?zāi)B(tài)分解存在的不足,提出一種集合經(jīng)驗?zāi)B(tài)分解(EEMD)的改進(jìn)方法;對分解后的分量分別使用支持向量機(jī)回歸(SVR)預(yù)測算法進(jìn)行分類預(yù)測,最后將預(yù)測結(jié)果加權(quán)求和得到最終船舶運動姿態(tài)預(yù)測值。最后,基于前文構(gòu)建的EEMD-SVR組合預(yù)測模型,采用改進(jìn)的粒子群算法(IPSO)對參數(shù)進(jìn)行尋優(yōu)處理,同時提出一種改進(jìn)的支持向量機(jī)回歸算法,即連續(xù)過松弛支持向量機(jī)回歸算法(SORR),與EEMD分解方法組合得到一種新的船舶運動姿態(tài)預(yù)測方法,即EEMD-IPSO-SORR組合預(yù)測模型。論文通過采用實測的某型船舶在三級和五級海況下的橫搖和縱搖運動姿態(tài)數(shù)據(jù)進(jìn)行仿真實驗,其中針對不同的訓(xùn)練長度和預(yù)測長度,分別使用AR預(yù)測模型、SVR預(yù)測模型、EEMD-SVR組合預(yù)測模型以及EEMD-IPSO-SORR組合預(yù)測模型進(jìn)行預(yù)測仿真實驗,同時,對比分析這四種預(yù)測方法在相同訓(xùn)練長度下的預(yù)測結(jié)果和仿真時間,其結(jié)果表明EEMD-IPSO-SORR組合預(yù)測模型針對短時船舶運動姿態(tài)預(yù)測具有學(xué)習(xí)速度快,預(yù)測精度高的特點。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U664.82
【圖文】：

2 章 船舶運動模型建立與分析時受到海風(fēng)、海浪以及洋流等不確定性海況的影響，用的一個六自由度搖蕩運動。為了研究船舶運動姿態(tài)態(tài)方程。本章以牛頓力學(xué)為基礎(chǔ)，將隨機(jī)海浪擾動信作為研究對象。度運動海上航行時的運動和受力狀況，可以把船舶看作為一間中六自由度的復(fù)雜運動。如圖 2.1 所示，船體坐標(biāo)點O，其中橫軸Ox 平行于船舶的縱搖軸并指向左舷并指向船艏方向，垂直軸Oz 指向天空[31]，當(dāng)船舶在會隨著船舶運動發(fā)生位移。

即游程數(shù)目小于 10 的分量歸為低頻分量，其余的為中頻分量，重構(gòu)后得到縱搖時間序列中特征信息集中的高頻、中頻和低頻三個分量，如圖 4-21 所示。圖4.20 三級海況下橫搖數(shù)據(jù)重構(gòu)結(jié)果 圖4.21 三級海況下縱搖數(shù)據(jù)重構(gòu)結(jié)果為了同前文的船舶運動姿態(tài)預(yù)測仿真作對比，依然分別采用訓(xùn)練長度為 100、200、400 的樣本數(shù)據(jù)進(jìn)行仿真實驗，預(yù)測船舶在未來 3s、5s 和 10s 的橫搖和縱搖數(shù)據(jù)，即分別預(yù)測 401-403、401-405 和 401-410 時刻的分量，并加權(quán)求和得到最終的橫搖和縱搖預(yù)測結(jié)果。其仿真結(jié)果如圖 4.22-4.27 所示：0 50 100 150 200 250 300 350 400 450-202MF1I0 50 100 150 200 250 300 350 400 450-202MF2I0 50 100 150 200 250 300 350 400 450-0.500.5MF3I0 50 100 150 200 250 300 350 400 450-0.100.1MF4I0 50 100 150 200 250 300 350 400 450-0.100

即游程數(shù)目小于 10 的分量歸為低頻分量，其余的為中頻分量，重構(gòu)后得到縱搖時間序列中特征信息集中的高頻、中頻和低頻三個分量，如圖 4-21 所示。圖4.20 三級海況下橫搖數(shù)據(jù)重構(gòu)結(jié)果 圖4.21 三級海況下縱搖數(shù)據(jù)重構(gòu)結(jié)果為了同前文的船舶運動姿態(tài)預(yù)測仿真作對比，依然分別采用訓(xùn)練長度為 100、200、400 的樣本數(shù)據(jù)進(jìn)行仿真實驗，預(yù)測船舶在未來 3s、5s 和 10s 的橫搖和縱搖數(shù)據(jù)，即分別預(yù)測 401-403、401-405 和 401-410 時刻的分量，并加權(quán)求和得到最終的橫搖和縱搖預(yù)測結(jié)果。其仿真結(jié)果如圖 4.22-4.27 所示：0 50 100 150 200 250 300 350 400 450-202MF1I0 50 100 150 200 250 300 350 400 450-202MF2I0 50 100 150 200 250 300 350 400 450-0.500.5MF3I0 50 100 150 200 250 300 350 400 450-0.100.1MF4I0 50 100 150 200 250 300 350 400 450-0.100.1MF5I0 50 100 150 200 250 300 350 400 450時間(s)11.21

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王博;吳鵬;阮芝芳;史曉林;;人體運動姿態(tài)的校正對改良五禽戲增加骨效應(yīng)的研究探討[J];中國骨質(zhì)疏松雜志;2016年07期

2 趙正旭;戴歡;趙文彬;袁潔;;基于慣性動作捕捉的人體運動姿態(tài)模擬[J];計算機(jī)工程;2012年05期

3 要瑞璞,趙希人;航母運動姿態(tài)實時預(yù)報[J];海洋工程;1997年03期

4 王立穎;李亞輝;;基于運動姿態(tài)采集的車輛交通事故數(shù)據(jù)分析與應(yīng)用[J];中國人民公安大學(xué)學(xué)報(自然科學(xué)版);2018年04期

5 張岳青;蔡衛(wèi)軍;李建辰;王志杰;;UUV入水初始段運動姿態(tài)研究[J];水動力學(xué)研究與進(jìn)展(A輯);2017年04期

6 劉天湖;鄒湘軍;王紅軍;羅陸鋒;孫權(quán);;基于旋轉(zhuǎn)角度的跑步運動仿真(英文)[J];系統(tǒng)仿真學(xué)報;2008年19期

7 苑國強,張衛(wèi)鋒,樊炳輝;變形移動機(jī)器人在一種運動姿態(tài)下的動力學(xué)分析[J];機(jī)床與液壓;2005年06期

8 譚志濤;宋勝利;白攀峰;趙明;鄒正宇;;基于ADAMS的仿生四足機(jī)器人運動分析與仿真[J];裝備制造技術(shù);2015年12期

9 王艾萍;范士海;王潤崗;;裝甲車輛運動姿態(tài)實時仿真系統(tǒng)設(shè)計與實現(xiàn)[J];火力與指揮控制;2013年08期

10 滕育賢;劉仁溥;張寧;;艦炮射擊系統(tǒng)中我艦運動姿態(tài)變化對射擊精度的影響的估計[J];火控技術(shù);1978年02期

相關(guān)會議論文 前2條

1 任軍;張惠芳;;多傳感器信息融合下人體運動姿態(tài)的目標(biāo)檢測與跟蹤研究[A];2017冶金企業(yè)管理創(chuàng)新論壇論文集[C];2017年

2 劉孫波;;基于自回歸法船舶運動姿態(tài)預(yù)報[A];廣州航海學(xué)院學(xué)報2014第22卷（總第57期）[C];2014年

相關(guān)重要報紙文章 前1條

1 趙珍 中國青年報·中國青年網(wǎng)記者 孫海華;仿生海洋“魔鬼魚”來了[N];中國青年報;2019年

相關(guān)博士學(xué)位論文 前3條

1 王保華;小水線面雙體船運動姿態(tài)預(yù)報與控制策略研究[D];哈爾濱工程大學(xué);2014年

2 潘夢鷂;機(jī)動車運行安全監(jiān)測新模式研究[D];華南理工大學(xué);2012年

3 張長斌;基于灰色系統(tǒng)理論的滑行艇運動姿態(tài)預(yù)報研究[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 劉世林;船舶運動姿態(tài)短時高精度預(yù)測方法研究[D];哈爾濱工程大學(xué);2019年

2 陳亞芹;穿戴式運動姿態(tài)檢測方法研究與實現(xiàn)[D];華中師范大學(xué);2016年

3 韓冰;光纖線包運動姿態(tài)模擬系統(tǒng)研究[D];西安工業(yè)大學(xué);2014年

4 董華強;人體運動姿態(tài)檢測系統(tǒng)設(shè)計[D];西安石油大學(xué);2016年

5 戴歡;基于慣性動作捕捉的人體運動姿態(tài)研究[D];石家莊鐵道大學(xué);2012年

6 程運江;導(dǎo)彈傾斜熱發(fā)射動態(tài)響應(yīng)與出箱安全性研究[D];南京理工大學(xué);2015年

7 宋晉;基于立體視覺的全視場風(fēng)洞尾旋姿態(tài)測量系統(tǒng)設(shè)計與實現(xiàn)[D];重慶大學(xué);2016年

8 王立超;基于MEMS技術(shù)的吊鉤運動姿態(tài)傳感器研究[D];大連理工大學(xué);2014年

9 陳茜茜;人體運動姿態(tài)測量系統(tǒng)設(shè)計與應(yīng)用[D];南京理工大學(xué);2010年

10 張玲;彈箭模擬運動姿態(tài)的攝影測量研究[D];南京理工大學(xué);2008年

本文編號：2779395