船舶运动姿态短时高精度预测方法研究

发布时间：2020-08-03 08:54

【摘要】：船舶在海上航行时受到海风、海浪以及洋流等不确定性海况的影响,不可避免会产生存在相互耦合作用的六自由度摇荡运动,对船舶在海上的航行和作业产生很大的安全隐患,其中横摇和纵摇运动的影响尤为严重。因此,如果能预测船舶在未来短时间内(几秒或者十几秒)的运动姿态,将极大地提高船舶海上作业的安全性和稳定性。本文在对船舶运动进行建模和分析的基础上,以横摇和纵摇运动为研究对象,深入研究目前所广泛应用的船舶运动姿态经典预测算法,并在此基础上,提出建立一种EEMD-IPSO-SORR组合预测模型实现对船舶运动姿态的短时高精度预测。论文首先对船舶运动进行建模分析,其中详细介绍船舶的六自由度摇荡运动,对船舶横向运动和纵向运动进行深入研究,得到船舶横向运动状态方程和纵向运动状态方程;详细分析了随机海浪的扰动特性,并对海浪谱进行分解,建立海浪波倾角模型,从而对随机海浪扰动信号进行仿真分析;在此基础上,实现对船舶横向运动和纵向运动的仿真分析。其次,对船舶运动姿态经典预测算法进行研究,其中重点介绍了自回归(AR)和卡尔曼滤波(Kalman)两种预测算法的基本原理。详细介绍自回归理论以及模型的参数估计方法和定阶准则,并选用递推最小二乘参数估计方法建立递推预测模型实现对船舶运动姿态的预测仿真;详细介绍卡尔曼滤波理论,针对系统存在的有色噪声,对其进行白化处理,然后代入到卡尔曼滤波算法中使得状态方程的维数得到扩大,即扩展卡尔曼滤波算法,并基于扩展卡尔曼滤波算法对船舶运动姿态进行预测仿真。由于船舶运动姿态存在非线性和非平稳性特征,论文建立了基于集合经验模态分解和支持向量机回归的组合预测模型——EEMD-SVR进行预测分析。其中利用经验模态分解算法对原始时间序列数据进行平稳化处理,并针对标准经验模态分解存在的不足,提出一种集合经验模态分解(EEMD)的改进方法;对分解后的分量分别使用支持向量机回归(SVR)预测算法进行分类预测,最后将预测结果加权求和得到最终船舶运动姿态预测值。最后,基于前文构建的EEMD-SVR组合预测模型,采用改进的粒子群算法(IPSO)对参数进行寻优处理,同时提出一种改进的支持向量机回归算法,即连续过松弛支持向量机回归算法(SORR),与EEMD分解方法组合得到一种新的船舶运动姿态预测方法,即EEMD-IPSO-SORR组合预测模型。论文通过采用实测的某型船舶在三级和五级海况下的横摇和纵摇运动姿态数据进行仿真实验,其中针对不同的训练长度和预测长度,分别使用AR预测模型、SVR预测模型、EEMD-SVR组合预测模型以及EEMD-IPSO-SORR组合预测模型进行预测仿真实验,同时,对比分析这四种预测方法在相同训练长度下的预测结果和仿真时间,其结果表明EEMD-IPSO-SORR组合预测模型针对短时船舶运动姿态预测具有学习速度快,预测精度高的特点。
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U664.82
【图文】：

2 章 船舶运动模型建立与分析时受到海风、海浪以及洋流等不确定性海况的影响，用的一个六自由度摇荡运动。为了研究船舶运动姿态态方程。本章以牛顿力学为基础，将随机海浪扰动信作为研究对象。度运动海上航行时的运动和受力状况，可以把船舶看作为一间中六自由度的复杂运动。如图 2.1 所示，船体坐标点O，其中横轴Ox 平行于船舶的纵摇轴并指向左舷并指向船艏方向，垂直轴Oz 指向天空[31]，当船舶在会随着船舶运动发生位移。

即游程数目小于 10 的分量归为低频分量，其余的为中频分量，重构后得到纵摇时间序列中特征信息集中的高频、中频和低频三个分量，如图 4-21 所示。图4.20 三级海况下横摇数据重构结果 图4.21 三级海况下纵摇数据重构结果为了同前文的船舶运动姿态预测仿真作对比，依然分别采用训练长度为 100、200、400 的样本数据进行仿真实验，预测船舶在未来 3s、5s 和 10s 的横摇和纵摇数据，即分别预测 401-403、401-405 和 401-410 时刻的分量，并加权求和得到最终的横摇和纵摇预测结果。其仿真结果如图 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

即游程数目小于 10 的分量归为低频分量，其余的为中频分量，重构后得到纵摇时间序列中特征信息集中的高频、中频和低频三个分量，如图 4-21 所示。图4.20 三级海况下横摇数据重构结果 图4.21 三级海况下纵摇数据重构结果为了同前文的船舶运动姿态预测仿真作对比，依然分别采用训练长度为 100、200、400 的样本数据进行仿真实验，预测船舶在未来 3s、5s 和 10s 的横摇和纵摇数据，即分别预测 401-403、401-405 和 401-410 时刻的分量，并加权求和得到最终的横摇和纵摇预测结果。其仿真结果如图 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时间(s)11.21

【相似文献】

相关期刊论文 前10条

1 王博;吴鹏;阮芝芳;史晓林;;人体运动姿态的校正对改良五禽戏增加骨效应的研究探讨[J];中国骨质疏松杂志;2016年07期

2 赵正旭;戴欢;赵文彬;袁洁;;基于惯性动作捕捉的人体运动姿态模拟[J];计算机工程;2012年05期

3 要瑞璞,赵希人;航母运动姿态实时预报[J];海洋工程;1997年03期

4 王立颖;李亚辉;;基于运动姿态采集的车辆交通事故数据分析与应用[J];中国人民公安大学学报(自然科学版);2018年04期

5 张岳青;蔡卫军;李建辰;王志杰;;UUV入水初始段运动姿态研究[J];水动力学研究与进展(A辑);2017年04期

6 刘天湖;邹湘军;王红军;罗陆锋;孙权;;基于旋转角度的跑步运动仿真(英文)[J];系统仿真学报;2008年19期

7 苑国强,张卫锋,樊炳辉;变形移动机器人在一种运动姿态下的动力学分析[J];机床与液压;2005年06期

8 谭志涛;宋胜利;白攀峰;赵明;邹正宇;;基于ADAMS的仿生四足机器人运动分析与仿真[J];装备制造技术;2015年12期

9 王艾萍;范士海;王润岗;;装甲车辆运动姿态实时仿真系统设计与实现[J];火力与指挥控制;2013年08期

10 滕育贤;刘仁溥;张宁;;舰炮射击系统中我舰运动姿态变化对射击精度的影响的估计[J];火控技术;1978年02期

相关会议论文 前2条

1 任军;张惠芳;;多传感器信息融合下人体运动姿态的目标检测与跟踪研究[A];2017冶金企业管理创新论坛论文集[C];2017年

2 刘孙波;;基于自回归法船舶运动姿态预报[A];广州航海学院学报2014第22卷（总第57期）[C];2014年

相关重要报纸文章 前1条

1 赵珍 中国青年报·中国青年网记者 孙海华;仿生海洋“魔鬼鱼”来了[N];中国青年报;2019年

相关博士学位论文 前3条

1 王保华;小水线面双体船运动姿态预报与控制策略研究[D];哈尔滨工程大学;2014年

2 潘梦鹞;机动车运行安全监测新模式研究[D];华南理工大学;2012年

3 张长斌;基于灰色系统理论的滑行艇运动姿态预报研究[D];哈尔滨工程大学;2012年

相关硕士学位论文 前10条

1 刘世林;船舶运动姿态短时高精度预测方法研究[D];哈尔滨工程大学;2019年

2 陈亚芹;穿戴式运动姿态检测方法研究与实现[D];华中师范大学;2016年

3 韩冰;光纤线包运动姿态模拟系统研究[D];西安工业大学;2014年

4 董华强;人体运动姿态检测系统设计[D];西安石油大学;2016年

5 戴欢;基于惯性动作捕捉的人体运动姿态研究[D];石家庄铁道大学;2012年

6 程运江;导弹倾斜热发射动态响应与出箱安全性研究[D];南京理工大学;2015年

7 宋晋;基于立体视觉的全视场风洞尾旋姿态测量系统设计与实现[D];重庆大学;2016年

8 王立超;基于MEMS技术的吊钩运动姿态传感器研究[D];大连理工大学;2014年

9 陈茜茜;人体运动姿态测量系统设计与应用[D];南京理工大学;2010年

10 张玲;弹箭模拟运动姿态的摄影测量研究[D];南京理工大学;2008年

本文编号：2779395