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)測中的應(yīng)用研究.pdf

1、隨著航運(yùn)事業(yè)的發(fā)展，對船舶運(yùn)動(dòng)尤其是船舶實(shí)海況下運(yùn)動(dòng)的辨識、預(yù)測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、預(yù)測與控制成為近年來的一個(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)簡單、收斂速度快、無局部極小等特點(diǎn)使其在在線辨識、預(yù)測及控制領(lǐng)域中的應(yīng)用有著獨(dú)特的優(yōu)勢。本文對序貫學(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)測控制中的應(yīng)用進(jìn)行了探討。
　　 根據(jù)對神經(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，并基于預(yù)測結(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)對船舶的橫搖運(yùn)動(dòng)進(jìn)行在線預(yù)測。建立船舶橫搖運(yùn)動(dòng)預(yù)測模型，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)測模型，并通過船舶海上回轉(zhuǎn)

3、試驗(yàn)與Z型試驗(yàn)的實(shí)測數(shù)據(jù)驗(yàn)證算法的有效性。
　　 灰色預(yù)測模型可以有效減少系統(tǒng)狀態(tài)預(yù)測中數(shù)據(jù)中存在的不確定性對預(yù)測結(jié)果的不利影響。通過灰色關(guān)聯(lián)度分析確定灰色預(yù)測模型，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)對船舶橫搖進(jìn)行在線預(yù)測，通過對船舶定向航行過程中的橫搖運(yùn)動(dòng)進(jìn)行預(yù)測實(shí)驗(yàn)以驗(yàn)證算法。
　　 結(jié)合參數(shù)化辨識和非參數(shù)化辨識，結(jié)合兩種辨識的優(yōu)點(diǎn)，構(gòu)造模塊化的預(yù)測模型，分別利用最小二乘法和遞歸偏最小