论文部分内容阅读
由海浪扰动引起的船舶升沉运动严重影响海上作业的正常进行,如工程船离岸作业、舰载直升机起降等,在恶劣海况下这种影响会更明显。为避免这些问题,对船舶升沉运动的控制是非常有必要的。准确的船舶升沉运动预报对实现船舶升沉运动控制具有十分重要的实际意义。针对船舶升沉运动预报问题,本文主要研究工作包括:(1)基于卡尔曼滤波的船舶升沉运动预报。首先,考虑到升沉位置难以测量,依据可测的垂向加速度信号,构造观测器获得升沉位置估计值;然后,将船舶升沉运动方程转化为离散的状态空间表达式;最后,基于升沉位置估计值和船舶升沉运动离散状态空间表达式,用卡尔曼滤波方法设计升沉位置预报器,根据当前时刻的升沉位置估计值和状态估计变量,预报下一时刻的升沉位置。(2)基于径向基(Radial Basis Function,简称RBF)神经网络的船舶升沉运动预报。首先,确定RBF神经网络的结构;然后,用升沉位置估计值作为训练样本,采用梯度下降法对RBF神经网络进行离线训练;最后,用当前时刻和前三个时刻的升沉位置估计值作为RBF神经网络的输入,预报下一时刻的升沉位置。RBF神经网络具有拟合、泛化能力,在船舶参数未知的情况下,基于RBF神经网络实现了船舶升沉运动预报。(3)基于Elman神经网络的船舶升沉运动预报。使用Elman神经网络预报船舶升沉运动的步骤与使用RBF神经网络预报船舶升沉运动的步骤相同。Elman神经网络不仅具有拟合、泛化能力,而且其关联层具有动态记忆特性,在船舶模型参数未知的情况下,基于Elman神经网络实现了船舶升沉运动预报。最后,以一艘侧壁式气垫船为例进行仿真研究,通过仿真结果分别验证上述三种船舶升沉运动预报方法的有效性,并对三种方法的预报效果进行了比较。