變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)及其在船舶運(yùn)動(dòng)在線預(yù)測(cè)中的應(yīng)用研究.pdf

1、隨著航運(yùn)事業(yè)的發(fā)展，對(duì)船舶運(yùn)動(dòng)尤其是船舶實(shí)海況下運(yùn)動(dòng)的辨識(shí)、預(yù)測(cè)和控制提出了更高的要求。將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于船舶運(yùn)動(dòng)辨識(shí)、預(yù)測(cè)與控制成為近年來(lái)的一個(gè)研究方向。徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)由于其結(jié)構(gòu)簡(jiǎn)單、收斂速度快、無(wú)局部極小等特點(diǎn)使其在在線辨識(shí)、預(yù)測(cè)及控制領(lǐng)域中的應(yīng)用有著獨(dú)特的優(yōu)勢(shì)。本文對(duì)序貫學(xué)習(xí)構(gòu)造的變結(jié)構(gòu)RBF神經(jīng)網(wǎng)絡(luò)在船舶操縱運(yùn)動(dòng)預(yù)測(cè)控制中的應(yīng)用進(jìn)行了探討。
　　 根據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)在線應(yīng)用的要求，本文提出了一種新的RBF神經(jīng)

2、網(wǎng)絡(luò)的序貫學(xué)習(xí)算法——梯度正交模型選擇(GOMS)算法，該算法利用滑動(dòng)數(shù)據(jù)窗口反映系統(tǒng)當(dāng)前的動(dòng)態(tài)，通過(guò)學(xué)習(xí)窗口內(nèi)數(shù)據(jù)反映的系統(tǒng)信息和梯度信息，在線構(gòu)造變結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，并在每一步學(xué)習(xí)后利用得到的網(wǎng)絡(luò)進(jìn)行系統(tǒng)狀態(tài)預(yù)測(cè)，并基于預(yù)測(cè)結(jié)果進(jìn)行控制。
　　 利用GOMS算法在線構(gòu)造的變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)對(duì)船舶的橫搖運(yùn)動(dòng)進(jìn)行在線預(yù)測(cè)。建立船舶橫搖運(yùn)動(dòng)預(yù)測(cè)模型，在線調(diào)整網(wǎng)絡(luò)的結(jié)構(gòu)和權(quán)值，構(gòu)造基于變結(jié)構(gòu)RBF神經(jīng)網(wǎng)絡(luò)的在線預(yù)測(cè)模型，并通過(guò)船舶海上回轉(zhuǎn)

3、試驗(yàn)與Z型試驗(yàn)的實(shí)測(cè)數(shù)據(jù)驗(yàn)證算法的有效性。
　　 灰色預(yù)測(cè)模型可以有效減少系統(tǒng)狀態(tài)預(yù)測(cè)中數(shù)據(jù)中存在的不確定性對(duì)預(yù)測(cè)結(jié)果的不利影響。通過(guò)灰色關(guān)聯(lián)度分析確定灰色預(yù)測(cè)模型，利用在線序貫極限學(xué)習(xí)機(jī)(OS-ELM)算法在線構(gòu)造的變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)對(duì)船舶橫搖進(jìn)行在線預(yù)測(cè)，通過(guò)對(duì)船舶定向航行過(guò)程中的橫搖運(yùn)動(dòng)進(jìn)行預(yù)測(cè)實(shí)驗(yàn)以驗(yàn)證算法。
　　 結(jié)合參數(shù)化辨識(shí)和非參數(shù)化辨識(shí)，結(jié)合兩種辨識(shí)的優(yōu)點(diǎn)，構(gòu)造模塊化的預(yù)測(cè)模型，分別利用最小二乘法和遞歸偏最小