论文部分内容阅读
舰船在航行过程中受到海浪、海风以及其它干扰力的激励,将会产生六自由度的摇荡运动,对舰载机着舰、武器控制以及舰员和舰载设备等均产生不利影响。实时求取出舰船振荡信息,并对未来一段时间内的舰船振荡运动进行预测,以供舰载机及时调整路径,可避免起飞和降落过程中事故的发生,从而提高舰载机的生存能力。本文主要针对舰船振荡运动的分离与预测等相关问题展开研究。首先,详细分析了舰船在海上航行的运动状态,研究了海浪波的形成机理以及海浪波的建模方法,给出了舰船瞬时摇荡运动的模型方程,该方法比单一频率的建模要更接近实际情况。详细阐述了用于振荡运动测量的捷联式惯性导航系统(SINS)的解算原理,给出了增加振荡运动测量的SINS导航解算方法；通过对振荡运动解算结果中的频率成分的分析,给出了基于数字滤波的振荡运动提取方法。其次,分析并比较了IIR数字滤波器和FIR数字滤波器性能特点,选择了延迟时间较短的IIR数字滤波器作为振荡运动分离滤波工具。详细阐述了11R滤波器的工作原理和设计过程,以及基于解算结果频率组成的滤波器参数的选取方法。仿真验证了所设计滤波器的有效性。最后,针对舰船振荡运动的随机性及非线性特性,选取具有非线性、自适应性、自学习能力以及数据融合能力的神经网络方法对舰船振荡运动进行预测。仿真分析、比较了BP神经网络、RBF神经网络和BP-RBF组合神经网络三种预测方法对舰船三轴振荡运动的预测能力。仿真实验结果表明：BP-RBF组合预测方法既具有RBF网络的学习收敛速度的快速性,又具有BP网络的泛化性能。综合认为,在一定条件下组合预测方法比单一预测方法具有优势,可在保证预测精度的基础上提高了预测速度。