基于神經(jīng)網(wǎng)絡(luò)的船舶運動姿態(tài)建模預(yù)報.pdf

1、在實際工程中存在大量的非線性系統(tǒng)，船舶運動系統(tǒng)就是其中之一。由于受到海風(fēng)、海浪及其他干擾因素的影響，船舶產(chǎn)生了復(fù)雜的六自由度運動，具有很強的隨機性和非線性，為保證其航行安全，對其進行非線性建模預(yù)報就具有十分重大的意義。 神經(jīng)網(wǎng)絡(luò)是當前最主要的智能控制技術(shù)之一，它模擬人腦的結(jié)構(gòu)及其對信息的記憶和處理功能，具有擅長從輸入輸出數(shù)據(jù)中學(xué)習(xí)有用的知識的特性。本文從神經(jīng)網(wǎng)絡(luò)理論出發(fā)，深入地研究了BP神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)網(wǎng)絡(luò)及其相應(yīng)改進算法，

2、并用之于船舶運動建模預(yù)報，取得了比較好的效果。 首先搜集整理了國內(nèi)外有關(guān)船舶運動姿態(tài)預(yù)報技術(shù)的相關(guān)資料，學(xué)習(xí)了神經(jīng)網(wǎng)絡(luò)的基本理論，對BP神經(jīng)網(wǎng)絡(luò)進行深入研究和探討，并使用共軛梯度算法對BP神經(jīng)網(wǎng)絡(luò)進行改進，使得網(wǎng)絡(luò)性能得到改進，提高了預(yù)報精度。 然后研究徑向基函數(shù)網(wǎng)絡(luò)(RBF)及其變形——廣義回歸網(wǎng)絡(luò)(GRNN)，并用之于船舶運動預(yù)報，取得了滿意的效果。分析比較了上述幾種方法的預(yù)報精度誤差、訓(xùn)練算法速度、時間等性能指標。