欢迎来到天天文库
浏览记录
ID:36771918
大小:2.46 MB
页数:79页
时间:2019-05-15
《基于周期图和神经网络船舶运动预报方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、/啥尔滨下稃大学硕十学位论文摘要船舶在海浪中航行受到海浪、海风等环境因素的干扰,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,不仅改善船员海上的生活工作环境还提高船舶航行的安全性,使船舶海上作业任务顺利完成。所以对于船舶运动预报的研究具有重大的实际意义。本文深入研究了周期图建模预报方法,分别研究了周期图预报方法、基于数据交叠分段改进周期图预报方法、基于加窗函数改进周期图预报方法以及基于数据交叠分段和加窗函数改进周期图预报方法。从以上四种方法的大量实例仿真中总结
2、出一定的规律,从而进一步地改进周期图预报方法。在数据交叠分段改进周期图预报方法中总结出数据段段间交叠比率取1/2时预报效果更好,在加窗函数改进周期图法中总结出所加窗函数为海明窗时预报效果更好,在数据交叠分段和加窗函数改进周期图法中总结出阈值取到1/50左右时预报效果更好。综合以上三种方法,在数据交叠分段和加窗函数改进周期图法中当数据段段间交叠比率取1/2、所加窗函数为海明窗、阂值取到1/50左右时预报效果是最好的。仿真结果表明改进后的周期图预报方法使船舶运动预报的预报精度更高,满足船舶运动实际应用需要。本文还研究了神经网络方法并用于船舶
3、运动预报。在研究中选择BP神经网络应用于船舶运动预报,首先对船舶运动姿态数据做预处理,然后通过大量的实例仿真确定BP神经网络中隐含层的神经元数目,再调整神经元上的传递函数改善BP神经网络船舶运动预报方法,最后分别利用正则化方法改进BP神经网络船舶运动预报方法和引进动量因子方法改进BP神经网络船舶运动预报方法。通过大量的实例仿真表明正则化后的BP神经网络船舶运动预报方法预报效果更好,引进动量因子后的BP神经网络船舶运动预报方法预报效果也更好。这样改进后的BP神经网络船舶运动预报方法进一步地满足船舶实际应用需要。关键词:船舶运动;建模预报;
4、周期图;BP神经网络AbstractTheshipwasdisturbedbytheenvironmentalfactorssuchasseawaveandoceancun?ent.Theswingexistedinevitably,especiallyinthebadseacondition,whichwouldbringaboutprodigioussafehiddentroubleforship’soperation·Ifpeoplecouldpredicttheshipmotiontrendadvancingseveralsec
5、onds,notonlyimprovedthelivingandworkingenvironmentforthecrewatseaalsoimproVedmesafetvofshipmotion.Sotheshipseaoperation’staskcouldbecompletedsuccessfully.Asaresult,itwasofgreatpractisesignificanceintheshipmotionpredictionsresearch.ThisDaperin.depthresearchedperiodogrammo
6、delingandpredictions.Thispaperresearchedperiodogrampredictions,improvedperiodogrampredictionsbaLsedondataoverlapingsection,improvedperiodogrampredictionsbasedonwindowmnctionsandimprovedperiodogrampredictionsbasedondataoverlapingsectionwithwindowfunctions.Fromalargenumber
7、ofsimulationinstancesoftheabovefourmethodsthispapersummedupacertainpattern·Sothispaperimprovedpefiodogrampredictionsfurther.Inimprovedperiodogrampredictionsbasedondataoverlapingsection,thispapersummedupthatrateofdataoverlapingsectiontaked1/2better.Inimprovedpcriodogrampr
8、edictionsbasedonwindowfunctions,thispapersummedupthatwindowfunctionWaSHammingWindowbetter.Inimprovedper
此文档下载收益归作者所有