一種基于時(shí)頻分析和bp神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)報(bào)方法
【專利摘要】本發(fā)明公開(kāi)了一種基于時(shí)頻分析和BP神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)報(bào)方法，步驟如下：利用船舶運(yùn)動(dòng)傳感器對(duì)船舶運(yùn)動(dòng)進(jìn)行數(shù)據(jù)采樣；利用自回歸（AR）譜分析中的Marple方法得到船舶運(yùn)動(dòng)的主要周期運(yùn)動(dòng)分量；利用時(shí)域分析中的小波分析方法對(duì)船舶運(yùn)動(dòng)原始數(shù)據(jù)進(jìn)行分析和預(yù)處理，從中分解出船舶運(yùn)動(dòng)的趨勢(shì)項(xiàng)和噪聲項(xiàng)；用BP神經(jīng)網(wǎng)絡(luò)擬合趨勢(shì)項(xiàng)擬合得到船舶的非線性運(yùn)動(dòng)模型，從而提供短期的船舶運(yùn)動(dòng)預(yù)報(bào)。該方法完全滿足工程應(yīng)用的實(shí)時(shí)性要求，對(duì)在不同海況條件下船舶運(yùn)動(dòng)預(yù)報(bào)方法的研究具有重要意義。
【專利說(shuō)明】一種基于時(shí)頻分析和BP神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)報(bào)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種船舶運(yùn)動(dòng)預(yù)報(bào)方法，適用于船舶上的短期運(yùn)動(dòng)預(yù)報(bào)和系統(tǒng)應(yīng)用，具體涉及一種基于時(shí)頻分析和BP神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)報(bào)方法。
【背景技術(shù)】
[0002]本課題研究的目的就是探索一種描述高海情條件下船舶姿態(tài)運(yùn)動(dòng)的新的預(yù)報(bào)方法，通過(guò)分析其運(yùn)動(dòng)規(guī)律，為船舶及其設(shè)備運(yùn)動(dòng)姿態(tài)的實(shí)時(shí)自適應(yīng)控制提供技術(shù)支持。
[0003]船舶在海上航行時(shí)，受海浪的擾動(dòng)將產(chǎn)生六個(gè)自由度的搖蕩運(yùn)動(dòng)。由于實(shí)際海浪情況復(fù)雜多變，引起的船舶運(yùn)動(dòng)也是非常復(fù)雜的，各個(gè)自由度運(yùn)動(dòng)相互耦合構(gòu)成一個(gè)復(fù)雜的非線性系統(tǒng)。在實(shí)際中，對(duì)船舶運(yùn)動(dòng)進(jìn)行預(yù)報(bào)具有重要的價(jià)值，但運(yùn)動(dòng)的非線性和隨機(jī)性給研究帶來(lái)了困難。因此，建立描述船舶姿態(tài)非線性運(yùn)動(dòng)的系統(tǒng)模型并進(jìn)行實(shí)時(shí)預(yù)報(bào)具有非常重要的意義。
[0004]文中的重點(diǎn)是利用Marple方法提取船舶運(yùn)動(dòng)的主要周期分量，利用小波分析方法對(duì)原始數(shù)據(jù)樣本進(jìn)行了濾波處理，使其更好的反映船舶運(yùn)動(dòng)趨勢(shì)項(xiàng)的特性，再用神經(jīng)網(wǎng)絡(luò)方法擬合船舶的非線性運(yùn)動(dòng)，從而對(duì)船舶運(yùn)動(dòng)進(jìn)行實(shí)時(shí)的短期預(yù)報(bào)。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提出一種基于時(shí)頻分析和BP神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)報(bào)方法，有效提高船舶運(yùn)動(dòng)預(yù)報(bào)的精度、縮短船舶運(yùn)動(dòng)預(yù)報(bào)的準(zhǔn)備時(shí)間。采用Marple方法提取船舶運(yùn)動(dòng)的主要周期分量，采用小波分析方法對(duì)船舶運(yùn)動(dòng)原始數(shù)據(jù)做去噪處理，有效提取船舶運(yùn)動(dòng)趨勢(shì)項(xiàng)，減少BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的運(yùn)算負(fù)擔(dān)，提高神經(jīng)網(wǎng)絡(luò)的擬合精度，從而實(shí)現(xiàn)了對(duì)船舶運(yùn)動(dòng)的短期預(yù)報(bào)。
[0006]本發(fā)明的技術(shù)解決方案:一種基于時(shí)頻分析和BP神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)報(bào)方法，步驟如下:
[0007]步驟(I)、利用船舶運(yùn)動(dòng)傳感器以50Hz的采樣頻率對(duì)船舶運(yùn)動(dòng)進(jìn)行數(shù)據(jù)采樣；
[0008]步驟(2)、利用Marple分析方法提取船舶運(yùn)動(dòng)的主要周期運(yùn)動(dòng)分量；
[0009]步驟(3)、利用小波分析方法對(duì)船舶運(yùn)動(dòng)原始數(shù)據(jù)進(jìn)行去噪處理，分離船舶運(yùn)動(dòng)的趨勢(shì)項(xiàng)和噪聲項(xiàng)；
[0010]步驟(4)、利用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練上述船舶運(yùn)動(dòng)趨勢(shì)項(xiàng)和主要周期運(yùn)動(dòng)分量之間的復(fù)雜非線性關(guān)系，建立船舶運(yùn)動(dòng)的非線性模型；
[0011]步驟(5)、依據(jù)上述建立的船舶運(yùn)動(dòng)模型，預(yù)報(bào)未來(lái)一段時(shí)間內(nèi)船舶的運(yùn)動(dòng)趨勢(shì)。
[0012]進(jìn)一步的,步驟(3)中所述小波分析的基函數(shù)通過(guò)選擇,采用Daubechies小波包，分解層數(shù)為5層，在時(shí)域內(nèi)對(duì)船舶運(yùn)動(dòng)數(shù)據(jù)進(jìn)行去噪處理，從船舶運(yùn)動(dòng)數(shù)據(jù)中分離出趨勢(shì)項(xiàng)，便于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。
[0013]進(jìn)一步的，步驟(4)中所述的BP神經(jīng)網(wǎng)絡(luò)采用三層神經(jīng)網(wǎng)絡(luò)，輸入層和輸出層都取一個(gè)節(jié)點(diǎn)，隱含層取3個(gè)節(jié)點(diǎn)，其目標(biāo)是實(shí)現(xiàn)從輸入到輸出的高度非線性映射的估計(jì):
【權(quán)利要求】
1.一種基于時(shí)頻分析和BP神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)報(bào)方法，其特征在于，包括如下步驟: 步驟(1)、利用船舶運(yùn)動(dòng)傳感器對(duì)船舶運(yùn)動(dòng)進(jìn)行數(shù)據(jù)采樣； 步驟(2)、利用自回歸(AR)譜分析中的Marple方法得到船舶運(yùn)動(dòng)的主要周期運(yùn)動(dòng)分量; 步驟(3)、利用小波分析方法對(duì)船舶運(yùn)動(dòng)數(shù)據(jù)進(jìn)行分析和預(yù)處理，分解出船舶運(yùn)動(dòng)的趨勢(shì)項(xiàng)和噪聲項(xiàng)； 步驟(4)、用BP神經(jīng)網(wǎng)絡(luò)擬合船舶運(yùn)動(dòng)中的趨勢(shì)項(xiàng)得到船舶運(yùn)動(dòng)的非線性模型，從而提供短期的船舶運(yùn)動(dòng)預(yù)報(bào)。
2.根據(jù)權(quán)利要求1所述的基于時(shí)頻分析和BP神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)報(bào)方法，其特征在于，步驟(1)中所述的利用船舶運(yùn)動(dòng)傳感器對(duì)船舶運(yùn)動(dòng)進(jìn)行數(shù)據(jù)采樣，采樣頻率為50Hz。
3.根據(jù)權(quán)利要求1所述的基于時(shí)頻分析和BP神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)報(bào)方法，其特征在于，步驟(2)中所述的Marple方法分離船舶運(yùn)動(dòng)的主要周期運(yùn)動(dòng)分量，在頻域內(nèi)提取船舶運(yùn)動(dòng)主要周期運(yùn)動(dòng)分量，作為BP神經(jīng)網(wǎng)絡(luò)的輸入項(xiàng)。
4.根據(jù)權(quán)利要求1所述的基于時(shí)頻分析和BP神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)報(bào)方法，其特征在于，步驟(3)中所述小波分析的基函數(shù)通過(guò)選擇，采用Daubechies小波包，分解層數(shù)為5層，在時(shí)域內(nèi)對(duì)船舶運(yùn)動(dòng)數(shù)據(jù)進(jìn)行去噪處理，從船舶運(yùn)動(dòng)原始數(shù)據(jù)中分離出趨勢(shì)項(xiàng)，作為BP神經(jīng)網(wǎng)絡(luò)的輸出項(xiàng)，進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。
5.根據(jù)權(quán)利要求1所述的基于時(shí)頻分析和BP神經(jīng)網(wǎng)絡(luò)的船舶運(yùn)動(dòng)預(yù)報(bào)方法，其特征在于，步驟(4)中所述的BP神經(jīng)網(wǎng)絡(luò)采用3層神經(jīng)網(wǎng)絡(luò)，輸入層和輸出層都取一個(gè)節(jié)點(diǎn)，隱含層取3個(gè)節(jié)點(diǎn)，其目標(biāo)是實(shí)現(xiàn)從輸入到輸出的高度非線性映射的估計(jì):
【文檔編號(hào)】G06N3/08GK103577877SQ201310583115
【公開(kāi)日】2014年2月12日 申請(qǐng)日期:2013年11月19日 優(yōu)先權(quán)日:2013年11月19日
【發(fā)明者】王瑋, 丁振興, 孟躍, 王蕾, 張謙 申請(qǐng)人:北京航空航天大學(xué)