【摘要】：艦船運動姿態(tài)短期預(yù)測對艦船安全航行以及海上作業(yè)等有著重大意義。艦船航行過程中,運動姿態(tài)會受到耦合作用、不定周期、噪聲信號以及混沌特性等因素的干擾,呈現(xiàn)出復(fù)雜的非線性狀態(tài),因此很難精確地預(yù)測短期姿態(tài)序列。為了提升預(yù)測精度,研究者把大量精力花費在復(fù)雜艦船運動數(shù)學(xué)模型的建立上,大多數(shù)模型不具備可移植性。長短時記憶網(wǎng)絡(luò)模型(LSTM)屬于深度學(xué)習(xí)的范疇,它具有一般神經(jīng)網(wǎng)絡(luò)算法不具備的保存歷史信息的能力,在時間序列的預(yù)測上表現(xiàn)出明顯的優(yōu)勢,可以借助當(dāng)前值和歷史數(shù)據(jù)更好地預(yù)測時間序列。針對以上情況,本文采用LSTM模型,首次將該模型應(yīng)用于艦船運動姿態(tài)預(yù)測研究,并運用虛擬現(xiàn)實技術(shù)搭建艦船實時運動姿態(tài)仿真平臺,并應(yīng)用于上海某部的艦船中,節(jié)約了開發(fā)費用,縮短了開發(fā)周期,增強了人機交互性,從而更好地提升艦船航行的安全性,在不失海洋場環(huán)境的真實感受下降低了艦船操縱人員訓(xùn)練的成本。本論文主要研究工作如下:1、研究艦船運動姿態(tài)時間序列的特點,對LSTM結(jié)構(gòu)以及算法加以研究分析。針對艦船姿態(tài)預(yù)測精度和時長,根據(jù)LSTM模型充分發(fā)掘歷史信息對未來值預(yù)測的特點,使用LSTM模型對艦船姿態(tài)序列進行預(yù)測。2、在LSTM網(wǎng)絡(luò)模型基礎(chǔ)上,研究優(yōu)化算法以便增加模型訓(xùn)練的預(yù)測精度。其中包括Xavier初始權(quán)值化方法、ReLU激活函數(shù)、dropout方法等等。借助Tensorflow平臺對LSTM模型、BLSTM模型進行實驗,并與傳統(tǒng)AR模型、RNN網(wǎng)絡(luò)模型實驗結(jié)果對比分析。結(jié)果表明基于LSTM的模型算法較其它方法有更長的預(yù)測時間和更高的預(yù)測精度,因此采用該方法是有效可行的。3、借助OpenGL圖形庫、三維建模以及MFC等資源實現(xiàn)艦船運動姿態(tài)仿真平臺。仿真結(jié)果表明該平臺滿足虛擬現(xiàn)實的特性,能夠很好地完成人機的交互效果,指導(dǎo)操縱人員迅速打舵,提升艦船航行安全性。
【圖文】：

2.1.1 艦船的坐標(biāo)系統(tǒng)艦船在海面上形成復(fù)雜的六自由度運動，，對其運動姿態(tài)分析時，可以考慮其坐標(biāo)系統(tǒng)為船舶相對坐標(biāo)系或是世界慣性坐標(biāo)系。圖2.1中左圖表示一艘小船的坐標(biāo)模型，此時為船舶相對坐標(biāo)系，是非慣性坐標(biāo)系。其中，取艦船上一點（可以取為重心點或者是船舶中心位置）為原點o，則此時坐標(biāo)系統(tǒng)oxyz選取的是船舶相對坐標(biāo)系，而k 、 j 、i 分別為z、 y 、 x對應(yīng)的單位向量，坐標(biāo)軸分別指向了船艏、以x軸為正方向艦船的右舷以及龍骨。左圖ooooo xyz是世界慣性坐標(biāo)系的示意圖，0k 、0j 、0i 分別為ozo o、y 、x 對應(yīng)的單位向量，坐標(biāo)軸分別指向了球心、正東向和正北向。圖 2.1 固定坐標(biāo)系和運動坐標(biāo)系Fig.2.1 Possessed and moving coordinate systems2.1.2 艦船相對坐標(biāo)系統(tǒng)運動學(xué)先分析圖 2.1 中左圖，艦船絕對速度向量為0V

江蘇科技大學(xué)工學(xué)碩士學(xué)位論文2.1.3 艦船慣性坐標(biāo)系統(tǒng)運動學(xué)在圖 2.1 的世界坐標(biāo)系下，船舶的六自由度運動狀態(tài)可由船舶姿態(tài)和自身的相對坐標(biāo)系刻畫。世界坐標(biāo)系中對o o oz 、y 、x 求導(dǎo)得到 xUyVzWooo ， ， 對應(yīng)的三個分量，于是有：oooVoUiVjWk （2-3）艦船姿態(tài)從船舶相對坐標(biāo)系到世界坐標(biāo)系的過渡可以分解為三個坐標(biāo)軸上的轉(zhuǎn)動組合，對應(yīng)的轉(zhuǎn)動角分別為 ， ， ，稱之為橫傾、縱傾和方位角。圖 2.2 顯示了由動坐標(biāo)系方位oxyz到慣性坐標(biāo)系方位222ox yz的轉(zhuǎn)動分解過程。
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U674.70

【參考文獻】

相關(guān)期刊論文 前10條

1 周亦武;王國鋒;趙永生;;船舶搖擺狀態(tài)下風(fēng)速測量誤差分析與補償研究[J];儀器儀表學(xué)報;2014年06期

2 夏楠;邱天爽;李景春;李書芳;;一種卡爾曼濾波與粒子濾波相結(jié)合的非線性濾波算法[J];電子學(xué)報;2013年01期

3 張嘯;;淺談基于Web3D的交互式工業(yè)產(chǎn)品三維虛擬場景的設(shè)計[J];科技傳播;2010年13期

4 劉晨;王維平;朱一凡;;體系對抗仿真模型形式規(guī)范研究[J];系統(tǒng)仿真學(xué)報;2007年02期

5 馬潔;韓蘊韜;李國斌;;基于自回歸模型的船舶姿態(tài)運動預(yù)報[J];艦船科學(xué)技術(shù);2006年03期

6 何四華,李天偉,韓云東;虛擬現(xiàn)實技術(shù)及其在航海仿真中的應(yīng)用[J];艦船科學(xué)技術(shù);2004年05期

7 彭秀艷 ,趙希人 ,魏納新 ,謝楠;大型艦船姿態(tài)運動極短期預(yù)報的一種AR算法[J];船舶工程;2001年05期

8 謝美萍,趙希人,莊秀龍;多維非線性時間序列的投影尋蹤學(xué)習(xí)逼近[J];系統(tǒng)仿真學(xué)報;2001年01期

9 謝美萍,趙希人;基于投影尋蹤學(xué)習(xí)的大型船舶運動極短期預(yù)報[J];船舶力學(xué);2000年04期

10 周淑秋,趙希人;艦船航態(tài)極短期預(yù)報的非線性方法[J];哈爾濱工程大學(xué)學(xué)報;1996年04期

相關(guān)碩士學(xué)位論文 前2條

1 胡新辰;基于LSTM的語義關(guān)系分類研究[D];哈爾濱工業(yè)大學(xué);2015年

2 孫偉;實用VR技術(shù)的研究及其應(yīng)用[D];北方工業(yè)大學(xué);2001年

本文編號：2627795