基于惯性测量与组合预测的舰船瞬时线运动计算方法研究

摘要

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。
　　本文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IIR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。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景和意义

1．2 舰船振荡运动提取研究现状

1．2．1 舰船运动特性

1．2．2 舰船振荡运动研究现状

1．3 舰船振荡运动预测研究现状

1．4 本论文的章节安排

第二章 舰船运动的建模与SINS基本原理

2．1 引言

2．2 舰船运动建模

2．2．1 舰船运动建模方案

2．2．2 主航行运动设计

2．2．3 瞬时运动设计

2．3 捷联式惯导系统基本原理

2．4 惯导系统常用参考系与坐标转换

2．4．1 常用参考坐标系

2．4．2 坐标转换

2．5 捷联惯导系统的机械编排

2．5．1 速度更新

2．5．2 位置更新

2．5．3 姿态更新

2．5．4 系统初始化

2．6 本章小结

第三章 基于SINS的舰船振荡运动分离及频率分析

3．1 引言

3．2 舰船振荡运动相关理论

3．2．1 舰船振荡运动坐标系定义

3．2．2 导航坐标系至振荡坐标系的坐标转换

3．2．3 增加瞬时运动的惯导机械编排

3．3 频率成分分析

3．3．1 主动航行运动频率

3．3．2 瞬时运动频率

3．3．3 休拉振荡频率

3．3．4 傅科振荡、地球振荡频率

3．4 仿真验证

3．4．1 仿真条件设置

3．4．2 仿真结果及分析

3．5 本章小结

第四章 基于数字滤波的舰船振荡运动提取方法

4．1 引言

4．2 数字高通滤波器设计

4．2．1 滤波器相关知识

4．2．2 滤波器的比较与选取

4．3 IIR数字高通滤波器的设计

4．3．1 数字到模拟的技术指标转换

4．3．2 模拟低通数字滤波器的设计

4．3．3 模拟低通到数字高通的转化

4．3．4 基于MATLAB的IIR HP DF的设计

4．3．5 舰船振荡运动模拟信号建模及滤波仿真

4．4 基于IIR数字滤波的舰船振荡运动测量方法

4．5 仿真验证

4．5．1 仿真条件设置

4．5．2 仿真结果及分析

4．6 本章小结

第五章 舰船振荡运动预测方法设计

5．1 引言

5．2 神经网络模型概述

5．3 BP神经网络模型

5．3．1 BP神经网络基本原理

5．3．2 BP网络传播过程计算方法

5．3．3 BP网络参数调整方法

5．3．4 基于MATLAB的BP神经网络设计

5．4 RBF神经网络模型

5．4．1 RBF神经网络基本原理

5．4．2 RBF神经网络学习算法

5．4．3 基于MATLAB的RBF神经网络设计

5．5 基于BP与RBF的组合模型

5．5．1 BP和RBF网络的比较

5．5．2 BP与RBF组合模型

5．6 舰船振荡运动预测仿真

5．7 本章小结

第六章 结论与展望

致谢

参考文献

攻读硕士期间发表论文

攻读硕士期间参与课题