气垫船运动参数神经网络预测与ⅡR滤波研究

摘要

为保障气垫船的安全运行，其运动参数如纵倾、横倾等有一定的安全界限和警戒界限。但此界限值是由静水环境确定的，在实际航行中，受海浪扰动的影响，运行参数会有较大波动，频繁超过警戒值，干扰正常运行，而且一阶扰动非常接近气垫船的控制频带，会导致许多无谓的控制作用，增加舵机的机械磨损，耗费能源。基于以上原因，本论文研究如何去除气垫船运行参数中的海浪噪声。 本文用频率等分法仿真了典型的长峰波海浪数据，按照实际需要，分为二级与三级海情，同时考虑到遭遇频率的影响，推导了以遭遇频率为自变量的海浪遭遇频谱，并根据波向角的不同细分为四种情况，以供后文的滤波使用。 目前的数字滤波器有FIR与IIR两种。鉴于海浪数据并不要求线性相位，本文使用IIR滤波器对仿真的海浪数据进行滤波，并着重研究了三种有代表性的IIR滤波器，即巴特沃兹、切比雪夫Ⅱ型以及最大平滑IIR滤波器，经对比研究，最终选择了综合效果较好的二阶巴特沃兹滤波器。 为减小滤波器的延迟，考虑在滤波前预测若干海浪数据，本文首先探讨了周期图法在海浪预测中的应用，仿真结果表明预测精度较差。最后，本文重点研究了RBF正则化神经网络对海浪的预测。仿真结果表明，在算法执行时间满足目前工程实际应用的前提下，预测未来三个数据的精度较高，平均相对误差在0.3以下，将这一预测结果用于滤波后，仿真结果表明比之前的滤波延迟减小了2-3个点，由此证明这种方法在减小滤波器延迟方面的可行性，并为今后的研究奠定了坚实的基础。

目录

文摘

英文文摘

声明

第1章绪论

1.1选题背景

1.2国内外研究情况

1.2.1时间序列预测的传统方法

1.2.2时间序列预测的非线性背景

1.2.3时间序列预测的非线性方法

1.2.4基于灰色理论的预测方法

1.2.5基于混沌理论的预测方法

1.2.6基于神经网络的预测方法

1.3本论文的研究内容

第2章海浪数据的建模

2.1引言

2.2海浪谱

2.3海浪遭遇频率谱

2.4海浪的仿真方法

2.4.1能量等分法

2.4.2有理谱法

2.4.3频率等分法

2.5海浪仿真结果

2.5.1二级海情

2.5.2三级海情

2.6本章小结

第3章数字滤波器的设计与滤波

3.1引言

3.2无限冲击响应滤波器结构

3.3无限冲激响应滤波器的设计思想

3.3.1模拟原型滤波器设计

3.3.2频率变换

3.3.3滤波器离散化

3.4基于Matlab的无限冲激响应滤波器设计

3.4.1巴特沃兹(Butterworth)滤波器设计

3.4.2切比雪夫Ⅱ型(ChebyshevⅡ)滤波器设计

3.4.3最大平滑ⅡR滤波器设计

3.5基于无限冲击响应滤波器的滤波结果

3.5.1二级海情

3.5.2三级海情

3.5.3滤波结果功率谱分析

3.6本章小结

第4章周期图预报方法

4.1引言

4.2周期图法的基本思想

4.3周期图法预测的具体实现

4.4周期图法预测结果

4.5本章小结

第5章基于神经网络的海浪预测及滤波

5.1引言

5.2正则化RBF神经网络的基本结构

5.3正则化RBF神经网络的具体实现

5.2.1数据预处理

5.2.2输入层节点数

5.2.3隐含层

5.2.4隐层与输出层之间的权值

5.3正则化RBF神经网络用于海浪的预测

5.4基于正则化RBF神经网络预测的滤波结果

5.5本章小结

结论

参考文献

攻读硕士学位期间发表的论文

致谢