基于ISVM的船舶横摇运动实时预报方法

合集下载

基于LabVIEW的船舶舱室甲板虚拟振动测量系统设计的开题报告

基于LabVIEW的船舶舱室甲板虚拟振动测量系统设计的开题报告一、研究背景船舶作为重要的水上交通工具，在海洋、内河等领域扮演着重要的角色。

在船舶的航行过程中，长时间的颠簸和震动会对船舶的结构和机器设备造成严重的磨损和损坏，从而威胁到船员和设备的安全。

因此，精确地了解船舶在不同海况下的振动特性是非常重要的。

传统的船舶振动测量方法通常需要在实际的船舶上进行实测，但是这种方法费用较高、周期长，并且受到多种因素的影响，如海况、气候等因素。

因此，开发一种基于虚拟振动测量系统的方法可以更加有效地解决以上问题，从而能够提高船舶振动测试的精度和可靠性，降低测试成本、周期和风险。

二、研究内容本文主要研究基于LabVIEW的船舶舱室甲板虚拟振动测量系统的设计。

该系统将通过使用LabVIEW软件和传感器等设备实现，利用电子仿真技术，模拟船舶在不同海况下的振动情况，并可以实时地展示在计算机屏幕上。

具体研究内容包括：1. 系统结构设计：根据船舶结构的不同特点和需要测试的舱室甲板参数，设计相应的传感器布置方案和数据采集系统。

2. 仿真模型设计：利用LabVIEW软件，建立船舶振动的数学模型，按照实际船舶运行的情况，模拟不同海况下的各种振动情况。

3. 数据分析和处理：通过分析和处理采集到的数据，得到船舶舱室甲板在不同海况下的振动参数，并进行数据可视化展示。

三、研究意义该研究旨在为船舶振动测试提供更加高效、精确、可靠的解决方案。

通过本系统，可以在较短的时间内获得船舶在不同海况下的振动参数，对船舶结构的评估和机器设备的运行状态进行监测和预警，从而提高船员和设备的安全性。

同时，该系统还可以实现数据的实时监测和预警，为船舶运行保驾护航。

船舶大幅横摇运动的三维数值模拟方法与流程

船舶大幅横摇运动的三维数值模拟方法与流程Numerical simulation of large amplitude rolling motion of ships is a complex and crucial aspect of ship design and navigation. 船舶大幅横摇运动的三维数值模拟是船舶设计和导航中复杂而关键的方面。

It involves predicting the behavior of a ship in extreme conditions, such as heavy seas or sudden changes in weight distribution. 它涉及在极端条件下预测船舶的行为，如大海浪或重心分布的突然变化。

Understanding and accurately simulating these motions is essential for ensuring the safety and stability of ships at sea. 理解并准确模拟这些运动对于确保船舶在海上的安全和稳定至关重要。

One of the primary methods for simulating large amplitude rolling motion of ships is through three-dimensional computational fluid dynamics (CFD) simulations. 模拟船舶大幅横摇运动的主要方法之一是通过三维计算流体力学(CFD)模拟。

CFD allows engineers and researchers to model the behavior of fluids around a ship in a virtual environment, providing insights into the forces and moments acting on the vessel. CFD允许工程师和研究人员在虚拟环境中模拟船舶周围的流体行为，从而洞察作用在船舶上的力和力矩。

基于ANFIS的船舶横摇运动预报及智能控制研究的开题报告

基于ANFIS的船舶横摇运动预报及智能控制研究的开题报告一、研究背景与意义在海洋工程领域中，船舶横摇运动对于船舶的稳定性和安全性具有重要的影响。

船舶横摇运动指的是船舶在水面上发生的横向摇晃运动，其主要原因是海浪和风浪等外界干扰。

如果没有有效的控制措施，船舶可能发生严重的倾覆或事故，对人身和财物造成极大的损失。

因此，发展一种基于ANFIS的船舶横摇运动预报及智能控制方法，对于提高船舶的安全性和稳定性具有重要的意义。

通过对船舶的运动特性进行分析、预测和控制，可以实现对船舶横摇运动的有效控制，减少事故的发生，并提高航行安全。

二、研究内容与方法本研究将采用基于ANFIS的船舶横摇运动预报及智能控制方法。

首先，通过建立船舶运动模型，分析影响船舶横摇运动的关键因素，包括海浪和风浪、船舶载重和造型等。

其次，利用模糊逻辑和神经网络的方法，建立船舶横摇运动预报模型，通过对历史数据进行分析，预测未来一段时间内的船舶横摇运动情况。

最后，采用模糊控制和神经网络控制的方法，建立船舶横摇智能控制系统，对船舶进行实时控制，减少船舶横摇运动的幅度和频率。

三、研究目标与预期成果1. 建立基于ANFIS的船舶运动模型，分析关键因素，提高对船舶横摇运动的理解和把握；2. 建立基于模糊逻辑和神经网络的船舶横摇运动预报模型，提高对于船舶横摇运动的预测准确度；3. 建立基于模糊控制和神经网络的船舶横摇智能控制系统，实现对船舶横摇运动的实时控制；4. 通过实验验证，评估所提出的方法的有效性和适用性。

本研究的预期成果包括：提高对于船舶横摇运动的理解和把握，提高对船舶横摇运动的预测准确度和控制效果，为提高船舶的安全性和稳定性提供理论和技术支持。

船舶横摇运动实时在线预报方法

ＬＩＳｅｇ，ＹＡＮＧｈｎＵｈｎＺｅ
（ｏｌｅｏｕｏａｉ，ａｂｎＥｇｅｒｇＵｉｒｔ，ａｂ５０１ｈｎ）ＣｌｇｆｔｔｎＨｒｉｎｉｅｉｎｅｓｙＨｉ１００，ＣｉａｅＡｍｏｎｎｖｉｒｎ
关键词：舶；船横摇；混沌；线实时预报在
中图分类号：６．２Ｕ６１３文献标志码：Ａ文章编号：０７４９２１）ｏｏ８ — ６１０ — ４Ｘ（０１１ — ｏ２０
Ｒｅｌｔｍｅｏｌｎｒｄｃｉｎｍｅｈｄｏｈｐｒｌｎｏｉｎａ —ｉｎｉｅｐｅｉｔｏｔｏｆｓｉｏｌｇｍｔｏｉ
（哈尔滨工程大学自动化学院，黑龙江哈尔滨１００）５０１
摘
要：为进一步提高支持向量机预报模型在船舶横摇运动预报中的精确度以及实时性，出一种提
利用混沌理论和在线最小二乘支持向量机的实时在线预报方法。在混沌动力系统相空间重构的基础上，用饱和关联维数法对船舶横二采并
第１５卷
第１０期
电机与控制学报
ＥＬＥＣＴＲＩＭＡＣＨＩＣＮＥＳＡＮＤＣＯＮＴＲＯＬ
Ｖｌ１Ｎ．０ｏ＿５ｏ１
Ｏｃ．２１ｔ０１
２１０１年ｌＯ月
船舶横摇运动实时在线预报方法
刘胜，杨震
乘支持向量机实时预报模型。对某船横摇运动时间序列进行预报，仿真结果表明，此模型的实时预

船舶横摇运动的时间序列预报

ｍｏｉｎｃａａｔｒｔｓｏｈｐｕｄｒｒｎｏｗａｅ，ｔｅＡＲｍｏｅｎｒｄｃｉｎａｇｒｈｆｒｔｅｅｔｈｒｃｅｓｉｆｉｎｅｄｍｖｓｈｄｌａｄｐｅｉｔｌｏｉｍｏｍｅｓｒｓｏｉｃｓａｏｔｉｉａａｙｉａｅｇｖｎｉｈｓｐｐｒＴｅｅｐｒｍｅｔｏｈｐｒｌｎｉｅｅｒｄｃｉｎａｅｄｎｎｔｅｎｌｓｓｒｉｅｎｔｉａｅ．ｈｘｅｉｎｓｆｓｉｏｌｇｔｉｍｅｓｒｓｐｅｉｔｒｏｅｏｈｉｏ
摘
要：舶横摇运动是对船舶航行影响最大的运动，究船舶横摇运动的建模与预报船研
对于提高船舶适航性、耐波性有重要意义。根据船舶在随机海浪作用下的运动特性，运用时间序
列分析方法建立了ＡＲ模型，并将其应用于船舶横摇运动时间序列预报，得了较好的效果。仿取
ｉｇｍｏｅｉｇａｄｐｅｉｔｎｉｒｅｏｉｒｖｈｐ’ ｅｗｏｈｎｓｎｖｒｓｓａｃ．ＢａｅｎｔｅｎｄｌｎｎｒｄｃｉｎｏｄｒｔｍｐｏｅｓｉＳｓａｒｉｅｓａｄｗａｅ—ｅｉｔｎｅｏｔｓｄｏｈ
ＥｇｅｒｇＵｉｒｔ，ｒｉ５０１ＣｉａｎｉｅｉｎｖｓｙＨａｎ１００，ｈｎ）ｎｎｅｉｂ
ＡｂｔａｔＢｃｕｅｓｉｏｌｇｉｔｅｈａｉｓｍｏｉｎｏｈｐｉａｅ，ｔｓｉｏｔｎｔｄｈｐｒｌｓｒｃ：ｅａｓｈｐｒｌｎｓｈｅｖｅｔｔｆａｓｉｎｗｖｓｉｉｍｐｒｔｏｓｙｓｉｏｌｉｏａｔｕ —

基于平滑周期图的船舶横摇运动建模预报的开题报告

基于平滑周期图的船舶横摇运动建模预报的开题报告一、研究背景和意义随着海洋经济的蓬勃发展和全球贸易的不断增长，航运业已成为国际贸易中最重要的一环。

然而，在海上运输过程中，船舶横摇运动是一个不可避免的问题，其会对船舶的性能和安全造成严重的影响。

因此，进行船舶横摇运动的建模和预报至关重要，以提高船舶的运行安全性和经济性。

目前，有许多研究通过数学建模和实验方法来研究船舶横摇运动。

然而，这些方法存在着一些局限性。

例如，基于理论建模的方法往往采用线性模型，难以考虑非线性因素的影响；而实验方法需要投入大量的人力、财力和物力，成本较高。

因此，本研究借助平滑周期图的方法，对船舶横摇运动进行建模预报，以此解决现有研究方法的不足。

二、研究内容和方法本研究将借助平滑周期图的方法，对船舶横摇运动进行建模预报。

具体研究内容和方法如下：（1）收集船舶横摇运动数据本研究将收集船舶在海上实际运行中的横摇运动数据，并进行数据清洗和处理，以保证数据的可靠性和准确性。

（2）建立平滑周期图模型通过分析船舶横摇运动数据，本研究将采用平滑周期图的方法，建立相应的模型。

平滑周期图是通过周期函数对时间序列进行平滑化处理，降低数据的随机波动，从而更好地提取数据中的周期性变化。

（3）评估模型预测能力本研究将采用交叉验证的方法，评估所建立的平滑周期图模型的预测能力，并比较其与其他现有研究方法的效果优劣。

三、预期成果通过本研究，预计可以达到以下成果：（1）建立一种基于平滑周期图的船舶横摇运动模型，该模型能够更准确地预测船舶的横摇运动情况，提高船舶的运行安全性和经济性。

（2）验证平滑周期图方法在船舶横摇运动建模中的可行性和有效性，为未来相关研究提供参考。

（3）提高我国船舶运输领域的技术水平和国际竞争力。

四、研究进度安排本研究的进度安排如下：时间节点研究内容2021年9月~2021年11月收集和处理船舶横摇运动数据2021年12月~2022年1月建立平滑周期图模型2022年2月~2022年3月评估模型预测能力2022年4月~2022年6月撰写论文并组织答辩五、参考文献1. Borshchev, A., & Filippova, E. (2018, September). Application of the Periodic Components Analysis to the Investigation of the Time Series of the Sea Waves. In IOP Conference Series: Earth andEnvironmental Science (Vol. 169, No. 1, p. 012020). IOP Publishing.2. Li, G., Li, B., & Wang, S. (2021). Forecasting of ship roll motion based on deep recurrent neural network. Journal of Marine Science and Engineering, 9(2), 156.3. Li, P., Zhang, Y., & Zhou, Y. (2019). Improved single forecasting model for ship’s rolling motion. Journal of Ship Mechanics, 23(2), 195-201.4. Zhang, W., Zhao, Y., & Cui, W. (2019). An improved ship rolling motion prediction method based on fusion of multiple models. Journal of Navigation, 72(3), 514-528.。

基于深度学习的船舶横摇运动姿态控制研究综述

基于深度学习的船舶横摇运动姿态控制研究综述宋伟伟1，2段学静1(1.山东省船舶控制工程与智能系统工程技术研究中心;2.威海海洋职业学院山东荣成 264300)摘要：深度学习是人工智能领域的一个研究热点，在学术界、工业界以及政府部门均可发挥重要的作用。

深度学习在船舶运动姿态领域的研究尚处于起步阶段，目前可查的研究成果甚少。

该文首先概述了4种机器学习算法，包括监督学习、无监督学习、半监督学习和强化学习，介绍了几种重要的神经网络模型与常用大规模训练方案；其次分析几种常用的深度学习优化算法，并在此基础上，结合船舶横摇/艏摇运动模型，阐述了船舶横摇角和艏摇角的数据训练系统、数学模型和预测方法；最后总结了该领域存在的问题和发展前景。

关键词：深度学习机器学习神经网络船舶横摇运动姿态控制中图分类号： TP18文献标识码： A文章编号： 1672-3791(2023)10-0013-04The Research Review of the Ship Roll Motion Attitude ControlBased on Deep LearningSONG Weiwei 1,2 DUAN Xuejing 1(1.Shandong Ship Control Engineering and Intelligent System Engineering Technology Research Center;2.Weihai Ocean Vocational College, Rongcheng, Shandong Province, 264200 China)Abstract: Deep learning is a research hotspot in the field of artificial intelligence, which can play an important role in academic circles, industry circles and government departments. The research of deep learning in the field of ship motion attitude is still in its infancy, and there are few searchable research results at present. This paper first summa‐rizes four machine learning algorithms, including supervised learning, unsupervised learning, semi-supervised learn‐ing and reinforced learning, introduces several important neural network models and common large-scale training programs, and then analyzes several common optimization algorithms of deep learning. Based on this, and combined with ship transverse/yaw motion models, this paper expoundsthe data training system, mathematical model and prediction method of ship roll angle and yaw angle. Finally it summarizes the existing problems and development prospects in this field.Key Words: Deep learning; Machine learning; Neural network; Ship roll; Motion attitude controlDOI： 10.16661/ki.1672-3791.2209-5042-7153基金项目：山东省船舶控制工程与智能系统工程技术研究中心科研专项“基于深度学习神经网络DLNN 的船舶横摇/艏摇运动控制技术深化研究（Ⅱ期）”（项目编号：SSCC-2021-0006）。

一种基于船舶水动力在线预报的船舶减摇控制系统的制作方法

一种基于船舶水动力在线预报的船舶减摇控制系统的制
作方法
制作一种基于船舶水动力在线预报的船舶减摇控制系统，可以遵循以下步骤：
1. 确定系统架构：该系统主要由船舶水动力在线预报模块和船舶减摇控制模块组成。

船舶水动力在线预报模块负责实时预测船舶所受的水动力，船舶减摇控制模块则根据预测的水动力来调整船舶的姿态，以减小摇晃。

2. 设计船舶水动力在线预报模块：该模块应能实时接收船舶的运动状态数据，并利用适当的水动力模型进行计算，以预测船舶所受的水动力。

一种可行的方法是使用基于物理的水动力模型，如船舶运动方程和流体动力学方程。

为了提高预测精度，可以使用实时校正算法，根据实际船舶运动状态和观测数据进行模型参数的调整。

3. 设计船舶减摇控制模块：该模块应能接收船舶水动力在线预报模块的输出，即水动力的预测值，并根据这些信息调整船舶的姿态。

具体的控制策略可以根据实际需求制定，例如，可以使用比例-积分-微分（PID）控制器或更复
杂的非线性控制器。

控制信号可以发送给船舶的推进系统、舵系统或其它相关设备，以实现减摇目的。

4. 系统集成与测试：将船舶水动力在线预报模块和船舶减摇控制模块集成在一起，形成一个完整的控制系统。

在仿真环境中进行系统测试，验证其性能和减摇效果。

根据测试结果进行必要的调整和优化。

5. 实际应用与优化：将该系统安装在实际的船舶上，进行实际应用测试。

根据实际应用中的表现，进一步优化系统的性能，提高减摇效果。

请注意，以上步骤仅为一种可能的制作流程，具体实施时可能需要根据实际情况进行调整。

同时，该制作方法需要具备相应的技术能力和专业知识，建议在专业人员的指导下进行。

一种新型的船舶横摇运动实时预报方法

＿ ∑ ＿
Ｊ一】
（１）
来。而
问题在于２只有到最后才知道．所以必须把所有的存下来。直到最后才能算出各学习的参考信号，。将一尸写为各瞬时预测值之差的和：
一
ＴＤ算法给出了一种计算她的增量法，避免上述问题。它是把时间相继的评价信号的估计值作为可
收稿日期００１—７２０ —１１｝修改稿收稿日期；０１０３００４０
维普资讯
４３眷
第１期（第１６期）总５
棘
培等：种新型的船舶横摇运动实时预报方法一
∞ 一
由梯度法＝口２只）（一可
维普资讯
４３卷
第１（第１６抽总０期
ቤተ መጻሕፍቲ ባይዱ
中
国
造
船
Ｖｏｌ３Ｎｏ（ｅＩＮｏ１６４１ｓ ¨且．５）
Ｍａ．２０ｒ，０２
２００２年３月
ＳＰＢＵＩＨＩＬＤＩＮＧＯＦＣＨＩＮＡ
（）强化学习的基本原理与算法二
强化学习是模拟人和其它生物学习过程的一种机器学习方法，它模拟生物通过“ 动一价一行评改进的方式来适应环境的能力，于在线监督学习过程。典型的强化学习算法有：单的随机梯度方法，属简评价预测法，Ｑ学习以及瞬时差分（Ｄ）。其中ＴＴ法Ｄ算法是一种能够对积累量进行预测、代表强化学

基于统一模型的船舶迎浪参数横摇数值预报及其舵减摇研究

基于统一模型的船舶迎浪参数横摇数值预报及其舵减摇研究于立伟;马宁;顾解忡【摘要】IMO has being dedicated in the development of second generation intact stability criteria. Para-metric roll is one of the hot issues in dynamic intact stability study. This paper presents a model for the simulation of parametric roll considering ship sea-keeping, maneuvering and control in regular head seas. In the real-time simulation, the frequency-domain potential terms calculated by strip theory are transferred to time-domain, and the restoring forces and wave exciting forces (FK force) are calculated non-linearly through pressure integration on instantaneous wetted surfaces. Meanwhile, maneuvering motion is calculat-ed based on the MMG Model. A simplified 3DOF model is applied to simulate parametric roll motion of three containerships with different main particulars. The influence of roll moment of inertia, GM, block co-efficient on parametric roll is analyzed. And the unified model is used to investigate the influence of ma-neuvering motion on parametric roll. Moreover, the effectiveness of rudder on stabilizing parametric roll is examined based on the unified model.%国际海事组织（IMO）正致力于第二代完整稳性规范的制定，而参数横摇一直是船舶动态完整稳性研究的热点。

船舶横摇运动的时间序列预报

船舶横摇运动的时间序列预报
马洁;李国斌
【期刊名称】《北京信息科技大学学报（自然科学版）》
【年(卷),期】2006(021)001
【摘要】船舶横摇运动是对船舶航行影响最大的运动,研究船舶横摇运动的建模与预报对于提高船舶适航性、耐波性有重要意义.根据船舶在随机海浪作用下的运动特性,运用时间序列分析方法建立了AR模型,并将其应用于船舶横摇运动时间序列预报,取得了较好的效果.仿真结果表明,预报误差为4.4% 左右.时间序列分析法亦可用于船舶纵摇、艏摇的时间序列预报,该方法在工程中具有很大的实用价值.
【总页数】4页(P4-7)
【作者】马洁;李国斌
【作者单位】北京机械工业学院,计算机及自动化系,北京,100085;哈尔滨工程大学,自动化学院,哈尔滨,150001
【正文语种】中文
【中图分类】TP29
【相关文献】
1.DRNN神经网络用于船舶横摇运动的时间序列预报 [J], 王科俊;李国斌
2.基于固定网格小波神经网络的不规则波中船舶横摇运动在线预报 [J], 黄柏刚;邹早建
3.基于LSTM神经网络的随机横浪中船舶横摇运动极短期预报 [J], 易文海;高志亮
4.波浪影响下船舶横摇运动的时间序列预测数学建模研究 [J], 李海霞
5.基于误差反传小波神经网络的船舶横摇时间序列预报 [J], 李晖;郭晨;李晓方因版权原因，仅展示原文概要，查看原文内容请购买。

哈尔滨工程大学科技成果——基于运动预报的船舶纵-横联合减摇控制技术

哈尔滨工程大学科技成果——基于运动预报的船舶
纵-横联合减摇控制技术
项目概述
基于运动预报的船舶纵-横联合减摇控制技术是本团队近年来在船舶耐波性研究方面取得的新成果。

该技术基于船舶水动力、时间序列分析以及控制等多个学科交叉发展而来。

相较于传统的减摇控制方法，该减摇新技术的特色和核心是准确的船舶水动力预报和船舶运动极短期预报，是本团队在船舶水动力和船舶运动极短期预报方面多年技术积累在新的工程需求下发展而来的研究成果。

相较于传统的单个自由度减摇控制，该技术既能够实现单个自由度运动（横摇或者纵摇）的减摇，还能实现同时两个自由度运动的联合减摇。

基于运动预报的船舶纵-横联合减摇控制技术的主要指标包括适用的海况及减摇效率。

目前本团队已经成功完成了该减摇技术的原理样机，并在拖曳水池完成了迎浪及斜浪下的减摇试验。

项目成熟情况
基于运动预报的船舶纵-横联合减摇控制技术目前处于样品阶段，已经完成原理样机及相应的水池试验，获得了良好的减摇效果。

应用范围船艇减摇等领域。

船舶横摇变参数LSSVM在线预报方法

船舶横摇变参数LSSVM在线预报方法
刘胜;杨震
【期刊名称】《船舶力学》
【年(卷),期】2012(016)009
【摘要】为提高船舶横摇运动预报的精度以及实时性,提出一种利用混沌理论和最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)在线训练算法的实时在线预报方法.针对预报模型的固定核参数不能适应横摇运动的动态变化而进行自动调节这一问题,设计一种基于LSSVM的变参数在线建模方法.利用三个LSSVM并行建模,将整个预报过程分为初始阶段和若干个预报阶段,并在每个阶段末选出下一个预报阶段的预报LSSVM,同时根据启发式规则为另两个LSSVM设定核参数,它们作为下一阶段的比较LSSVM.对某船横摇运动时间序列进行预报,仿真结果表明,所提变参数LSSVM在线预报方法平均相对均方误差为6.85％,相比于固定参数预报方法具有更好的适应性.
【总页数】11页(P1024-1034)
【作者】刘胜;杨震
【作者单位】哈尔滨工程大学自动化学院,哈尔滨150001;哈尔滨工程大学自动化学院,哈尔滨150001
【正文语种】中文
【中图分类】U661.32
【相关文献】
1.一种分解策略的船舶横摇运动姿态在线预报方法 [J], 杨震;王岩;原新
2.规则迎浪中船舶参数横摇的三维时域预报方法研究 [J], 储纪龙;吴乘胜;鲁江;顾民
3.船舶横摇运动实时在线预报方法 [J], 刘胜;杨震
4.基于固定网格小波神经网络的不规则波中船舶横摇运动在线预报 [J], 黄柏刚;邹早建
5.一种基于计算流体力学的三维船舶横摇阻尼预报方法 [J], 杨春蕾;朱仁传;缪国平;范菊
因版权原因，仅展示原文概要，查看原文内容请购买。