大型舰船的全船姿态实时预报技术

发布时间：2020-06-16 02:02

【摘要】：大型舰船上装备有雷达、光电侦测、舰载机等武器设备,各设备在工作时需要当前时刻以及未来短时预报得到的高精度姿态信息对武器装备进行引导。传统方法依靠各设备自带的局部基准提供姿态信息,然而随着舰载设备增加,并且对姿态精度的需求不断提高,传统方法难以满足应用需求。本文在舰船姿态的短时预报和角变形预报方面开展研究,探讨从有限几点的姿态与形变测量结果预报得到全舰任意点的姿态信息。本文主要研究内容和研究成果如下:(1)建立了EMD-AR和WD-AR时域混合预报模型。首先研究了传统的AR预报模型,在此基础上引入了经验模态分解和小波分解,从而建立了EMD-AR和WD-AR预报模型。混合预报模型预报精度相对于传统AR预报模型预报精度有了明显的提高。对于WD-AR预报模型,纵摇数据预报的相对误差平均降低了4.4%,达到了6.92%%;横摇数据预报的相对误差平均降低了2.93%,达到了7.61%;对于EMD-AR预报模型,纵摇数据预报的相对误差平均降低了2.9%,达到了8.43%;横摇数据预报的相对误差平均降低了1.83%,达到了8.71%;(2)建立了EMD-WD-AR时域混合预报模型。结合EMD-AR预报模型和WD-AR预报模型的特点,得到了EMD-WD-AR预报模型。该预报模型的预报精度在混合预报模型的基础上有进一步的提高,纵摇数据预报的相对误差平均降低了4.8%,达到了6.5%;横摇数据预报的相对误差平均降低了3.49%,达到了7.05%。(3)建立了半经验形变预报模型。根据二维水弹性、模态分析以及伯努利梁理论,推导了船体角形变与船体结构参数之间的物理方程,以及不同战位点形变角之间关系,建立了船体角形变与船体结构参数之间的半经验形变预报模型。通过该模型,利用已知点的形变数据,可以预报待测战位点的形变值。不同预报点预报精度有所差异,动态形变预报的相对误差优于9%;静态缓变形变预报的相对误差优于14%。(4)提出了一种全舰姿态时空域预报理论,并建立了模型。结合EMD+WD+AR预报模型与半经验形变预报模型,建立了全舰姿态时空域预报模型。通过该模型能够对全舰任意点处姿态进行预报,并且可以预报该点未来5s姿态。不同预报点的预报精度有所差异,动态形变未来5s预报的相对误差优于15%。
【学位授予单位】：国防科学技术大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U674.70
【图文】：

数据空间,功率谱密度,能量

第 53 页图 4.1B 点纵挠数据空间预报后 EMD 分解结果通过对 EMD 分解后的分量进行功率谱密度分析，可以确定能量主要集中在那些 IMF 分量中，分析结果如图 4.2 所示，其中第一项为原始形变数据的功率谱密度，后面几项分别为 EMD 分解后 IMF 分量的功率谱密度。从图中可以看出经EMD 分解后，数据的能量主要集中分布在 IMF1和 IMF2中，其能量之和与原始数据能量相当。然后以同样的方式对 A、C 和D进行的 EMD 分量进行功率谱密度进行分析，得到其主要能量分别集中在 IMF1和 IMF2、IMF2、和 IMF1和 IMF2中。

分析结果图,功率谱密度,分量,预报模型

图 4.2 对 EMD 分解后的分量进行功率谱密度分析结果最后将各点 EMD 分解后的分量分成两个部分，拿B 点为例：（1）能量主要集中的分量 IMF1和 IMF2。（2）去除能量主要集中的分量，剩余的分量为另一部分。对第一部分分量进行小波分解，然后使用 AR 模型进行预报。第二部分分量直接进行 AR 模型进行预报。首先使用空域姿态预报模型对四个点的 30 组纵挠形变进行预报，然后使用时域姿态预报模型对空域预报模型的结果进行预报，最后对预报得到的相对误差进行求解，预报结果如图 4.3 所示，从图中可以看出，经过空域+时域预报模型后，四个点的纵挠形变预报误差比较稳定。但不同点的预报效果有所差别，B 点的预报效果最好，预报的相对误差在 10%左右，C 点预报效果最差，总体的预报的相对误差小于 15%。

【参考文献】