海面浮体运动极短期预报方法研究

发布时间：2021-10-26 19:32

　　海面浮体在复杂的风浪流组合环境下,会产生六个自由度的运动,特别是在垂荡、横摇、纵摇三个自由度上,剧烈的运动可能会对海上的人员和工作带来很大的影响,工作人员会感到不适,工程作业的效率降低,甚至由于碰撞造成一定的损失。如果能对浮体的运动进行提前预报,预报的结果,对浮体姿态进行控制,就可以避免很多事故和损失,提高工作效率。因此,对海面浮体在短期内的运动进行预报已经成为一个重要的研究课题。本文针对上述情况,开展了基于时间序列分析的海面浮体运动极短期预报方法研究。本文采用了三种独立方法和两种组合方法对不同特点的海面浮体运动数据进行了预报研究。首先,针对线性平稳运动数据,根据相关函数法进行模型的判定,建立了ARM A模型,分别根据AIC和BIC信息准则法进行模型的定阶,最后采用最小二乘法进行参数的计算。然后,针对非线性平稳运动数据,采用了支持向量机回归（SV R）模型进行处理,并且讨论了核函数、核参数以及惩罚因子参数的选取方法。接着,针对线性非平稳运动数据,采用了基于船艏波输入的卡尔曼滤波模型进行处理,依据卡尔曼滤波原理,推导出卡尔曼预报器公式,基于船体的运动方程,构造出卡尔曼预报模型。最后,针对... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：115 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究的目的和意义
    1.2 海面浮体极短期运动预报研究现状
    1.3 本文的主要工作
    1.4 本文的创新点
第二章 基于自回归模型的线性平稳运动预报方法
    2.1 时间序列分析
        2.1.1 随机过程与时间序列
        2.1.2 时间序列的分布与数字特征
    2.2 自回归滑动平均(ARMA)模型的时域特征
        2.2.1 时间序列的基本模型
        2.2.2 ARMA系统的可逆性与平稳性
        2.2.3 ARMA系统的自相关系数和偏相关系数
    2.3 ARMA模型的建立
        2.3.1 ARMA模型识别
        2.3.2 ARMA模型定阶
        2.3.3 ARMA模型参数估计
    2.4 基于ARMA模型的浮体运动姿态预报仿真
        2.4.1 平稳性检验
        2.4.2 信息准则法模型定阶
        2.4.3 基于ARMA模型的横摇运动预报
        2.4.4 ARMA模型的物理解释
    2.5 本章小结
第三章 基于支持向量机回归模型的非线性平稳运动预报方法
    3.1 支持向量机回归分析的理论基础
        3.1.1 支持向量机回归问题描述
        3.1.2 ε-不敏感函数
        3.1.3 最优回归超平面与SVM回归方法
    3.2 支持向量机的参数选取方法
        3.2.1 支持向量机核函数的选取
        3.2.2 支持向量机核参数和惩罚因子的选取
    3.3 基于SVR模型的浮体运动姿态预报仿真
    3.4 本章小结
第四章 基于卡尔曼滤波的线性非平稳运动预报方法
    4.1 射影理论和新息模型
        4.1.1 线性最小方差估计和射影
        4.1.2 新息序列和递推射影公式
    4.2 卡尔曼滤波原理及状态估计
        4.2.1 卡尔曼滤波的随机动态模型
        4.2.2 基于卡尔曼滤波的状态估计
    4.3 海面浮体运动状态方程
    4.4 基于卡尔曼滤波的浮体运动姿态预报仿真
    4.5 本章小结
第五章 基于组合模型的非线性非平稳运动预报方法
    5.1 基于经验模态分析的分解方法
        5.1.1 经验模态分解的算法流程
        5.1.2 经验模态分解边界效应
    5.2 基于小波分析的频域分解方法
        5.2.1 小波变换的公式
        5.2.2 小波包变换
        5.2.3 小波基函数的选取及其特性
    5.3 基于频域分解的浮体运动姿态组合预报方法仿真
        5.3.1 ARMA-EMD-SVR组合预报方法
        5.3.2 小波-SVR组合预报方法
        5.3.3 预报方法比较与评估
    5.4 本章小结
第六章 结论
参考文献
致谢
攻读学位期间发表的学术论文


【参考文献】：
期刊论文
[1]基于AR-EMD方法的扩展非平稳船舶运动极短期预报AR模型（英文）[J]. 黄礼敏,段文洋,韩阳,余冬华,Aladdin ELHANDAD.  船舶力学. 2015(09)
[2]船舶运动极短期预报方法综述(英文)[J]. 黄礼敏,段文洋,韩阳,陈云赛.  船舶力学. 2014(12)
[3]改进的LS-SVM方法在EMD端点效应问题中的应用[J]. 徐志军,旷欢,王如龙,华保健.  计算机工程与应用. 2015(03)
[4]卡尔曼滤波在目标跟踪中的研究与应用[J]. 刘静,姜恒,石晓原.  信息技术. 2011(10)
[5]AR模型参数自适应估计方法研究及应用[J]. 彭秀艳,王茂,刘长德.  哈尔滨工业大学学报. 2009(09)
[6]EMD方法基于径向基神经网络预测的数据延拓与应用[J]. 胡劲松,杨世锡.  机械强度. 2007(06)
[7]基于Kalman滤波的船舶跟踪技术[J]. 刘静,刘以安,杨新刚.  微计算机信息. 2007(31)
[8]EMD方法基于AR模型预测的数据延拓与应用[J]. 胡劲松,杨世锡.  振动、测试与诊断. 2007(02)
[9]基于支持矢量回归机的Hilbert-Huang变换端点效应问题的处理方法[J]. 程军圣,于德介,杨宇.  机械工程学报. 2006(04)
[10]舰船运动极短期建模预报的研究现状[J]. 赵希人,彭秀艳,沈艳,谢美萍.  船舶工程. 2002(03)

博士论文
[1]海浪中非平稳非线性舰船运动在线预报研究[D]. 黄礼敏.哈尔滨工程大学 2016
[2]基于支持向量机的四自由度船舶操纵运动建模研究[D]. 王雪刚.上海交通大学 2014
[3]大型船舶横摇运动姿态预报技术研究[D]. 杨震.哈尔滨工程大学 2013
[4]基于支持向量机方法的船舶操纵运动建模研究[D]. 罗伟林.上海交通大学 2009
[5]船舶运动姿态在线预报及仿真技术研究[D]. 彭秀艳.哈尔滨工程大学 2006

硕士论文
[1]船舶升沉运动预报研究[D]. 刘婉婷.大连海事大学 2016
[2]基于小波分析和ARMA-SVM模型的股票指数预测分析[D]. 丁玲娟.华东师范大学 2012
[3]船舶纵横摇和升沉运动预报方法研究[D]. 王允峰.哈尔滨工程大学 2010
[4]非平稳时间序列的预测方法研究[D]. 张万宏.兰州理工大学 2007



本文编号：3460078