论文部分内容阅读
船舶在海浪中航行受到海浪、海风等环境因素干扰,不可避免地产生摇摆,尤其在恶劣的海况条件下,对船舶的海上作业造成很大的安全隐患。如果能提前几秒或十几秒预报出船舶的运动趋势,将对舰载机起降作业指导和补偿、舰船减摇控制、舰载导弹发射等具有重大意义。目前,国内外对船舶运动姿态建模预报都非常重视并展开了许多研究。其中利用时间序列分析法对船舶运动姿态进行极短期预报越来越受到重视,这种方法的最大优点是无需知道海浪的任何先验信息和船舶航行姿态的状态方程,仅仅利用历史数据寻求规律进行预报。本文的主要工作如下:1、对国内外多种预报方法进行了研究比较。确定了自回归(AR)模型作为船舶运动姿态时间序列预报的数学模型。同时利用基于最小均方(LMS)的算法、格型递归最小二乘(LRLS)算法、Kalman滤波算法对AR模型参数估计做了深入研究。并对上述三类算法在参数估计收敛速度、模型预报的稳态误差、算法的鲁棒性方面进行了详细的分析。提出了利用参数估计的收敛性选取预报模型样本数据的方法。通过仿真实例证明了自适应AR模型在船舶运动姿态实时预报中的可行性。2、由于船舶运动姿态的不确定性与混沌特性是紧密相连的,针对船舶运动姿态的非线性、不确定性。本文引入相空间重构理论,讨论了延迟时间与嵌入维数的选取方法,对时间序列的混沌特征进行了分析,并在此基础上利用最大Lyapunov指数法对船舶运动姿态时间序列进行了混沌特性识别。3、针对船舶运动姿态在随机海浪作用下的非线性以及混沌特性,利用Volterra级数的非线性表征能力,给出了船舶运动姿态混沌时间序列的二阶Volterra自适应预测模型,结合Volterra级数模型的截断项等于混沌时间序列的相空间的最小嵌入维数这一理论,分别对基于多种自适应算法的Volterra级数预报模型进行了比较。最后对全文的研究工作进行了总结,并指出了船舶运动姿态混沌时间序列预报研究的进一步研究方向。