测量船姿态实时滤波及预报方法研究
发布时间：2021-11-19 15:38
测量船在海上航行时受到海浪、海风等环境因素影响,会产生摇摆,高精度测量要求对实测船摇数据实时滤波,并计算船摇角度、角速度及角加速度的多步预测值。同时,提前几秒或十几秒预报出船舶的运动姿态,能进一步提高减摇装置的控制精度,减小船舶摇荡,提高船舶的耐波性。故研究船摇数据特性及其滤波和预报方法,对提高海上综合测量精度有较强的意义。本文主要研究以下内容:（1）基于实测数据,全面分析了测量船海上姿态数据特性。频谱特性分析表明,船摇数据主要信息分布在小于0.6 Hz的低频范围,噪声特性分析指出其噪声为非高斯白噪声。船摇数据高阶量分析表明,四次差分后jounce周期性显著减弱,短时间内可以将其看成jounce噪声量驱动的过程。同时,从定性和定量角度分析了船摇数据混沌特性,确定了横摇和纵摇数据重构时延和嵌入维度。（2）基于船摇数据特性分析,引入机动目标跟踪理论研究船摇滤波及多步预报。针对现有模型阶数不够高的问题,推导了更高一阶的模型,提出了基于最大相关熵的CS-Jounce自适应方法。仿真结果表明,该方法适用于船摇数据非高斯白噪声环境,可以很好的估计并预报船摇角速度及角加速度,具有较高的滤波和预报精度...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
图１．１船载测控天线伺服系统控制原理图??本课题的重点是研究船舶姿态滤波及预报方法
２．１时域分析??对信号的传统分析方法是波形分析，信号的特性首先表现为它的时间特性。从原始数??据图（图２．２）可以看出，船摇数据具有明显的非平稳性，振荡呈现一定随机性，横摇和纵??摇数据为均值在零附近一定范围内的波动。由于测量船为狭长船体，横摇幅值波动范围一??般比纵摇大，航向数据均值可能较大，且由于船舶航行中可能改变航向，除有局部短周期??外还可能有长趋势非周期项。??６??
Ｋ一一艏摇角，即绕船舶垂直轴的旋转振荡，以正北为基准。??Ｚ??图２．１船舶姿态数据参考坐标系??文中基于某测量船姿态数据进行分析，３级海况，未开减摇鳍，采样频率２０?Ｈｚ，数??据点数１６?０００点，时长８００?ｓ。??２．１时域分析??对信号的传统分析方法是波形分析，信号的特性首先表现为它的时间特性。从原始数??据图（图２．２）可以看出，船摇数据具有明显的非平稳性，振荡呈现一定随机性，横摇和纵??摇数据为均值在零附近一定范围内的波动。由于测量船为狭长船体，横摇幅值波动范围一??般比纵摇大，航向数据均值可能较大，且由于船舶航行中可能改变航向，除有局部短周期??外还可能有长趋势非周期项。??６??
【参考文献】：
期刊论文
[1]一种分解策略的船舶横摇运动姿态在线预报方法[J]. 杨震,王岩,原新. 船舶力学. 2018(08)
[2]Highly maneuvering target tracking using multi-parameter fusion Singer model[J]. Shuyi Jia,Yun Zhang,Guohong Wang. Journal of Systems Engineering and Electronics. 2017(05)
[3]基于EMD-BP神经网络的短期电力负荷预测[J]. 聂品磊,费东,王宏杰,孙涛. 化工自动化及仪表. 2016(03)
[4]一种用于非线性非平稳波浪极短期预报的复合经验模态分解自回归模型（英文）[J]. Wen-yang DUAN,Li-min HUANG,Yang HAN,De-tai HUANG. Journal of Zhejiang University-Science A（Applied Physics & Engineering）. 2016(02)
[5]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)
[6]基于EMD聚类与ARMA的交通流量预测方法[J]. 余林,舒勤,柏吉琼. 公路. 2015(05)
[7]一种可靠的小波去噪质量评价指标[J]. 朱建军,章浙涛,匡翠林,潘家宝. 武汉大学学报(信息科学版). 2015(05)
[8]支持向量机理论及算法研究综述[J]. 汪海燕,黎建辉,杨风雷. 计算机应用研究. 2014(05)
[9]基于EMD和神经网络的短期电力负荷预测[J]. 郭涛,马林东,葛智平,崔乐乐. 电子设计工程. 2013(21)
[10]基于小波变换和EMD方法提取趋势项对比研究[J]. 李慧浩,许宝杰,左云波,吴国新. 仪器仪表与分析监测. 2013(03)
博士论文
[1]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
[2]舰船摇荡混沌动力学分析及其时域预报研究[D]. 侯建军.大连海事大学 2010
硕士论文
[1]基于KRLS的在线时间序列预测方法及其应用研究[D]. 义日贵.哈尔滨工业大学 2014
[2]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
[3]基于卡尔曼滤波技术的船舶横摇预测方法研究[D]. 范海平.哈尔滨工程大学 2008
[4]基于EMD和AR的船舶运动极短期预报问题研究[D]. 孟令金.哈尔滨工程大学 2008
本文编号：3505344
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
图１．１船载测控天线伺服系统控制原理图??本课题的重点是研究船舶姿态滤波及预报方法
２．１时域分析??对信号的传统分析方法是波形分析，信号的特性首先表现为它的时间特性。从原始数??据图（图２．２）可以看出，船摇数据具有明显的非平稳性，振荡呈现一定随机性，横摇和纵??摇数据为均值在零附近一定范围内的波动。由于测量船为狭长船体，横摇幅值波动范围一??般比纵摇大，航向数据均值可能较大，且由于船舶航行中可能改变航向，除有局部短周期??外还可能有长趋势非周期项。??６??
Ｋ一一艏摇角，即绕船舶垂直轴的旋转振荡，以正北为基准。??Ｚ??图２．１船舶姿态数据参考坐标系??文中基于某测量船姿态数据进行分析，３级海况，未开减摇鳍，采样频率２０?Ｈｚ，数??据点数１６?０００点，时长８００?ｓ。??２．１时域分析??对信号的传统分析方法是波形分析，信号的特性首先表现为它的时间特性。从原始数??据图（图２．２）可以看出，船摇数据具有明显的非平稳性，振荡呈现一定随机性，横摇和纵??摇数据为均值在零附近一定范围内的波动。由于测量船为狭长船体，横摇幅值波动范围一??般比纵摇大，航向数据均值可能较大，且由于船舶航行中可能改变航向，除有局部短周期??外还可能有长趋势非周期项。??６??
【参考文献】：
期刊论文
[1]一种分解策略的船舶横摇运动姿态在线预报方法[J]. 杨震,王岩,原新. 船舶力学. 2018(08)
[2]Highly maneuvering target tracking using multi-parameter fusion Singer model[J]. Shuyi Jia,Yun Zhang,Guohong Wang. Journal of Systems Engineering and Electronics. 2017(05)
[3]基于EMD-BP神经网络的短期电力负荷预测[J]. 聂品磊,费东,王宏杰,孙涛. 化工自动化及仪表. 2016(03)
[4]一种用于非线性非平稳波浪极短期预报的复合经验模态分解自回归模型（英文）[J]. Wen-yang DUAN,Li-min HUANG,Yang HAN,De-tai HUANG. Journal of Zhejiang University-Science A（Applied Physics & Engineering）. 2016(02)
[5]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)
[6]基于EMD聚类与ARMA的交通流量预测方法[J]. 余林,舒勤,柏吉琼. 公路. 2015(05)
[7]一种可靠的小波去噪质量评价指标[J]. 朱建军,章浙涛,匡翠林,潘家宝. 武汉大学学报(信息科学版). 2015(05)
[8]支持向量机理论及算法研究综述[J]. 汪海燕,黎建辉,杨风雷. 计算机应用研究. 2014(05)
[9]基于EMD和神经网络的短期电力负荷预测[J]. 郭涛,马林东,葛智平,崔乐乐. 电子设计工程. 2013(21)
[10]基于小波变换和EMD方法提取趋势项对比研究[J]. 李慧浩,许宝杰,左云波,吴国新. 仪器仪表与分析监测. 2013(03)
博士论文
[1]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
[2]舰船摇荡混沌动力学分析及其时域预报研究[D]. 侯建军.大连海事大学 2010
硕士论文
[1]基于KRLS的在线时间序列预测方法及其应用研究[D]. 义日贵.哈尔滨工业大学 2014
[2]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
[3]基于卡尔曼滤波技术的船舶横摇预测方法研究[D]. 范海平.哈尔滨工程大学 2008
[4]基于EMD和AR的船舶运动极短期预报问题研究[D]. 孟令金.哈尔滨工程大学 2008
本文编号：3505344
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3505344.html
