大型艦船甲板運動態(tài)勢預測方法研究.pdf

1、復雜的海況下，艦船在海浪、海風及其他干擾因素的作用下，將會產(chǎn)生復雜的六自由度搖蕩運動，這對艦載機起降、武器控制以及艦員、設備等都會帶來不利的影響，在無法有效抑制艦船六自由度運動時，研究艦船極短期預報技術具有重要的現(xiàn)實意義。艦船極短期預報就是利用包括當前數(shù)據(jù)在內(nèi)的艦船歷史運動數(shù)據(jù)對未來十幾秒或幾十秒的甲板運動態(tài)勢進行預測。常用的艦船極短期預報方法有統(tǒng)計預報法、卷積法、周期圖法、功率譜自相關法、卡爾曼(Kalman)濾波法等。上述方法一般需

2、要準確的力學模型以及統(tǒng)計參數(shù)，在實時應用中存在一定的困難。本文先后引入基于灰色理論、BP神經(jīng)網(wǎng)絡以及基于粒子群優(yōu)化的在線序貫極限學習機的預測方法對艦船甲板運動態(tài)勢進行預測，以實時精確的解決大型艦船甲板態(tài)勢預測問題。本論文的主要工作有:
　　首先，介紹了艦船甲板運動模型的研究現(xiàn)狀以及基于多個正弦波疊加大型艦船甲板運動模型的甲板運動數(shù)據(jù)生成方法;分析了甲板的六自由度搖蕩運動對艦載飛機起降的影響;闡述了甲板搖蕩與桿臂效應的耦合過程，以及

3、艦載機起降點處運動數(shù)據(jù)的生成方法;分析了用于甲板態(tài)勢預測模型訓練的樣本準備與序貫更替過程。
　　其次，引入灰色預測方法對甲板運動態(tài)勢進行預測。分析了經(jīng)典灰色預測模型GM(1，1)的建模過程，針對GM(1，1)模型自身的固有缺陷，引入了離散灰色預測模型DGM及其改進算法NDGM。基于NDGM預測模型的仿真結(jié)果表明，該方法可對標準正弦波進行有效預測，但對基于多個正弦波疊加的甲板運動態(tài)勢數(shù)據(jù)預測效果欠佳。
　　接下來，引入神經(jīng)網(wǎng)絡

4、預測方法對甲板運動態(tài)勢進行預測。介紹了神經(jīng)網(wǎng)絡獨特的特點及其在預測領域的發(fā)展，分析了最具代表性的前饋神經(jīng)網(wǎng)絡BP模型的算法原理及其改進辦法，并詳細闡述了基于遺傳算法(GA)優(yōu)化的BP改進模型GA-BP?；贕A-BP預測模型的仿真結(jié)果表明，該模型可對本文的艦船甲板運動數(shù)據(jù)做出滿意的預測，但存在訓練時間冗長的不足，很難滿足甲板態(tài)勢預測的實時性需求。
　　最后，針對傳統(tǒng)神經(jīng)網(wǎng)絡訓練時間長的不足，進一步引入了在線極限學習機(ELM)的相