基于BP神经网络的船体变形角估计方法

摘要

惯性匹配法等传统船体变形角估计方法存在建模困难、模型参数难以确定等问题.提出了一种基于BP神经网络的船体变形角估计方法,其以角速度匹配为导向,将两套惯性测量装置测得的三轴角速度作为BP神经网络输入;对应的船体变形角作为BP神经网络输出,训练得到关于角速度与船体变形角的函数映射关系.探讨了BP神经网络设计参数,构建具有四层神经网络、50个隐层节点的BP神经网络系统.开展仿真实验,对比了基于Kalman滤波的惯性匹配法和基于BP神经网络的船体变形角估计方法的估计精度.经验证,当基于Kalman滤波的惯性匹配法无误差时,二者估计精度相当;但当基于Kalman滤波的惯性匹配法含误差时,基于BP神经网络估计船体变形角的精度比之高46.07％,且具有更快的收敛速度.