一种基于在线序贯极限学习机的大型舰船甲板态势预测方法

发布时间：2018-12-14 21:36

【摘要】：在舰船摇荡运动无法有效抑制时,可利用惯性导航系统实时测量甲板运动,并利用甲板运动的当前以及历史数据对未来时刻的甲板运动进行预测,以提高舰载机的起降安全性。然而甲板摇荡运动作为风浪、潮汐等共同作用的产物,具有较强的非线性、随机性和时变性。针对上述特性,引入具有信息实时更新功能的在线序贯极限学习机(OS-ELM)方法对甲板运动态势进行预测。该方法通过实时更新参与模型解算的样本数据,具有计算量小、学习映射能力强的优点。针对OS-ELM中存在的隐含层节点个数选择,以及甲板态势预测中出现的样本个数、历史数据长度等参数选择问题,引入遗传算法(GA)进行寻优。基于模拟甲板摇荡数据的仿真表明,该预测方法可以实时跟踪甲板运动的实时性变化,并对甲板运动态势进行预测。
[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.
【作者单位】： 微惯性仪表与先进导航技术教育部重点实验室;东南大学仪器科学与工程学院;
【基金】：自然科学基金(61273056)
【分类号】：U674.70

【相似文献】

相关期刊论文 前10条

1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期

3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期

5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期

6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期

7 ;遗传算法[J];电网与清洁能源;2008年10期

8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期

9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期

10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期

相关会议论文 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

相关重要报纸文章 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

相关博士学位论文 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

4 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

5 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

6 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

7 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

8 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

9 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年

10 袁丽华;基于物种进化的遗传算法研究[D];南京航空航天大学;2009年

相关硕士学位论文 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

，

本文编号：2379362