导读:本文包含了纵摇运动预报论文开题报告文献综述及选题提纲参考文献，主要关键词:船舶横摇运动,EMD,分量
纵摇运动预报论文文献综述
杨震,王岩,苏丽,刘志林[1]（2016）在《基于EMD的船舶横摇运动预报》一文中研究指出针对大型船舶横摇运动的非线性、非平稳性,而难以使用单一模型进行预报的问题,提出一种基于经验模式分解算法的预报方法。首先,采用该算法将横摇时间序列分解为一系列相对平稳的本征模式分量,以减少不同信息之间的干涉和耦合;其次,将这些分量重组为高频、(本文来源于《第27届中国过程控制会议（CPCC2016）摘要集》期刊2016-07-31）
赵爽,安宇芳,王慧敬[2]（2014）在《基于拓扑预测模型的船舶纵摇运动预报》一文中研究指出针对船舶纵摇运动系统的灰色特性,利用拓扑预测法与GM(1,1)模型,研究船舶在海浪中非线性纵摇运动的预报问题,分别建立船舶纵摇运动的拓扑预测模型和船舶纵摇运动的GM(1,1)模型。根据实测船舶纵摇运动数据的特点,探讨拓扑预报模型的阈值选取方法。仿真结果表明:采用拓扑预测模型对船舶纵摇运动预报研究是合理且可行的。(本文来源于《黑龙江工程学院学报》期刊2014年01期）
李占英,王科俊,梅彦平,徐亮[3]（2013）在《基于回声状态网络的船舶横摇运动预报》一文中研究指出针对普通的递归神经网络训练过程较复杂,而且存在记忆渐消等问题,提出一种基于回声状态网络的船舶横摇运动预报方法.该网络将隐层设计成一个巨大的动态记忆库,具有记忆功能,隐层中的神经元在学习过程中不进行权值调整,而通过线性回归的方式训练网络,使网络记忆功能加强,学习速度加快.运用该网络对某型船舶在海浪遭遇角为90°海况下的横摇运动进行预报.结果表明:回声状态网络训练简单,加速了网络的训练速度,有更好的记忆性能,以预报60步为例,回声状态网络和对角递归神经网络预报的均方根误差分别为0.003 9和0.024 9,提高了近8倍,在相同的预报精度下,回声状态网络的预报时长明显增长,验证了该方法的可行性与有效性.(本文来源于《华中科技大学学报(自然科学版)》期刊2013年06期）
李占英[4]（2011）在《基于神经网络的船舶横摇运动预报研究》一文中研究指出船舶在海浪中会产生六自由度摇荡的复杂运动,具有很强的随机性和非线性,因此船舶摇荡运动预报对于船舶航行有着重要的意义。目前由于对海浪中船舶摇荡运动的机理认识不清,故实船摇荡的时域预报仍限于10秒之内,制约了其应用。本论文立足于舰船的横摇运动预报,通过发掘横摇运动中所蕴含的非线性动力学特性,证实其可预报性及混沌特性,以期有效提高预报精度和增加预报时长,使之能用于船舶航海实践。主要完成的工作有：1.分析船舶横摇运动时间序列的可预报性及混沌特性。建立了基于相空间重构理论的前向神经网络和递归神经网络的预报模型,使网络本身融入了混沌的确定性规则,提高了神经网络用于船舶横摇运动时间序列预报的效果。将混沌增加到网络中,除了上述方法外还可以选用混沌神经网络来映射船舶横摇时间序列所蕴含的混沌特性,进行预报,本文针对一种混沌神经网络进行优化修正后将其用于船舶横摇预报。但与基于相空间重构的神经网络预报相比,该网络预报精度低,而且目前对于混沌神经网络的研究尚不成熟,实现起来比较困难,而基于相空间重构的预报方法简单可行。2.在对角递归神经网络研究的基础上,优化了二阶对角递归网络参数,提出了基于相空间重构的对角递归和二阶对角递归网络的预报模型,并用于船舶横摇预报,预报效果好于未重构的网络,且优化后的二阶对角递归网络的具有更好的预报效果。3.针对递归网络训练复杂而且存在记忆渐消等问题,提出了一种新的预报方法—使用回声状态网络进行船舶横摇运动预报,该方法有效预报时间能达到17秒以上,且比已有的预报方法的预报精度要高近4倍。4.针对船舶在海浪中行驶的高度复杂性,传统的单一预报方法自适应能力较差,提出了运用了非负约束的冗余方法和协整理论方法对模型进行筛选的组合预报,并给出单项模型的筛选过程,避免了目前仅凭个人经验对模型进行选取。达到提高预报精度的目的。最后给出了船舶摇荡运动预报的性能指标及评价准则,对本论文中所用的方法进行了定量的评价对比。证实本论文所提方法的有效性。(本文来源于《哈尔滨工程大学》期刊2011-11-17）
马洁[5]（2009）在《船舶纵摇运动预报AR法与多层递阶方法比较研究》一文中研究指出依据船舶纵摇运动的时间序列测量数据,分别应用AR法和多层递阶方法两种预报方法进行了预报建模、仿真对比分析,研究结果表明,传统的AR法因用固定参数模型预测一个时变参数系统的情况而致存在一定的局限性;多层递阶预报模型为时变参数模型,能较好地反映系统的非线性,时变特性,可获得较精确的预报结果.AR法预报精度为4.7%左右,多层递阶方法预报精度为2.4%.多层递阶方法亦可用于对一类带时变参数的非线性系统的预报。(本文来源于《2009年中国智能自动化会议论文集（第二分册）》期刊2009-09-27）
吴飞[6]（2009）在《基于ANFIS的船舶横摇运动预报及智能控制研究》一文中研究指出本文以船舶减摇鳍系统作为研究对象,以ANFIS理论为基础,重点研究船舶横摇运动预报及减摇鳍系统智能控制等方面的内容。船舶横摇运动具有严重的非线性和时变性,船舶横摇的准确预报和有效控制对提高船舶的耐波性和适航性具有重要意义,船舶减摇鳍是现代仿生学与控制理论相结合在船舶工程应用中的一个成功实例,也是应用最广泛的一种船舶减摇装置。本文首先介绍了船舶六自由度的坐标及应用切片理论建立了船舶运动方程。分析了海浪谱,得到了不同航速的波倾角并构造了船舶横摇运动方程。在研究大量参考文献的基础上,本文提出了基于ANFIS理论的船舶横摇运动的预报及智能控制。ANFIS是模糊推理系统与神经网络的有机组合,具有直接从样本数据中提取模糊规则的能力,所以特别适用于缺乏专家经验知识的一类复杂的过程控制问题。由于它实现了模糊量和数字量的有机结合,而且其调整的参数和权值都具有明确的物理意义,因此具有广泛的应用前景。然后本文应用ANFIS和周期提取混合算法很好的预报了船舶横摇运动的时间序列。最后提出了逆模式ANFIS智能控制算法,此控制系统能够克服传统PID控制器适应性差的缺点,具有较好的容错性和较强的适应非线性的能力。系统在仿真过程中引入一个伪随机二元序列信号作为海浪作用于船舶的波倾角输入信号,目的是使所建横摇模型对各种不同海情的输入信号都具有很好的泛化能力。(本文来源于《大连海事大学》期刊2009-05-01）
孙李红,沈继红[7]（2009）在《基于改进GM(1,1)模型的舰船纵摇运动预报》一文中研究指出针对舰船运动的灰色特征,提出用改进的GM(1,1)模型对纵摇运动数据进行建模,改进的GM(1,1)模型是对服从非齐次指数增长规律的数据建模,克服了传统GM(1,1)模型指数规律的不足.首先给出改进GM(1,1)模型的微分方程形式及精确的离散化形式,考虑初值对模型的影响,建立优化灰色模型,提高了模拟精度.该模型为纵摇运动预报提供了一种新的方法.数值试验表明,这种方法较GM(1,1)模型效果好.(本文来源于《哈尔滨工程大学学报》期刊2009年03期）
孙李红[8]（2009）在《基于组合预测方法的舰船纵摇运动预报》一文中研究指出舰船的运动由于受到海浪、海风及其它因素的影响,产生了六自由度的复杂运动,具有很强的随机性和非线性,因此舰船极短期预报对于舰船航行有着重要的意义。舰船运动极短期预报就是根据舰船的运动历史数据对船体运动进行几秒或十几秒的预测。以往曾有时间序列法、周期图法、神经网络法、灰色系统理论等方法进行舰船的预报。本论文立足于舰船的纵摇运动预报,研究了组合预测方法在纵摇运动预报中的应用。组合预测方法需要利用各单项预测模型的有效信息,基于此本文研究了几种单项预测方法在纵摇运动预报中的应用。并针对实际的舰船运动数据进行了数值仿真。对船的纵摇的理论研究可帮助认识船的纵摇的规律,从而掌握和利用它为舰船航行服务。主要完成的工作有：首先,介绍了灰色系统建模的数据生成方式及建模的理论基础,考虑到灰色拓扑预测方法的趋势预测的特性,结合新陈代谢GM(1,1)模型,对纵摇运动角度建立了拓扑预测模型,根据不同的阈值,建立所对应的时间序列的新陈代谢GM(1,1)模型群。用此模型群对未来可能的运动趋势进行预测,并运用预测的有效点绘制拓扑预测曲线。其次,在纵摇运动预报过程中,突变点的出现影响到建模及预报的精度,对突变点及附近的数据处理是必要的。第叁章将小波变换奇异点检测理论应用到舰船纵摇角度处理中,通过对模极大值的检测来确定突变点发生的时刻,并在第四章介绍了数据处理的方法,最后用处理后的数据建立推广GM(1,1)模型,提高了预报精度。再次,灰色系统传统的GM(1,1)模型白化方程反映出生成数据仅与本身及其变化有关,而实际上很多时候生成数据还要受到其它因素的影响,这些因素不能完全由灰作用量表示。针对这个问题,本文先给出服从非纯指数函数变化的推广GM(1,1)模型,同时考虑初始点拟合误差的影响,改变初始值,从而构建了优化的时间响应函数,提高了模拟精度。最后针对船的纵摇角度数据的灰色特征应用这种模型进行建模,数值试验表明这种方法是可行的。最后,以预测值的对数的相关系数为误差标准,提出了基于相关系数的加权几何平均组合预测模型,加权几何平均组合预测为一种非线性的组合预测方法。针对基于相关系数的加权几何平均组合预测模型,定义了优性组合预测模型、预测方法优超、组合预测冗余度等概念,讨论了在一定的条件下,该组合预测存在非劣性及优性组合预测的充分条件,得出了一个判断冗余预测方法的判定定理。从理论上说明基于对数相关系数的非线性组合预测模型的有效性,同时本文用推广GM(1,1)模型及支持向量机回归模型作为单项预测模型,对纵摇角度应用该组合预测模型进行预报,验证了该模型的有效性。(本文来源于《哈尔滨工程大学》期刊2009-03-01）
李积德,王淑娟,李焱,沈继红[9]（2008）在《基于灰色动态MGM(1,n)模型的舰船纵摇—升沉运动预报》一文中研究指出舰船在实际海况中的运动因受到各种因素的影响而非常复杂,六个自由度之间相互耦合构成一个复杂的系统,因此建立描述舰船运动的系统模型并对各自由度运动进行实时预报具有非常重要的意义。灰色MGM(1,n)模型用微分方程的形式表现了一个系统中n个因素对某个因素变化率的影响,可以用于对非线性复杂系统的系统预测。通过对灰色系统理论的学习发现对原始数据用极差变换进行预处理后会更适合MGM(1,n)模型的拟合,为模型预测打下了良好的基础。在充分的理论研究基础上,本文对船模水池试验获得的纵摇、升沉运动数据以及海浪数据进行极差变换后建立灰色MGM(1,n)模型,并对纵摇、升沉进行非线性预报,得到了较好的效果。(本文来源于《船舶力学》期刊2008年01期）
姚宗,陈刚,杨建民[10]（2008）在《FPSO纵摇运动预报研究》一文中研究指出FPSO船体姿态运动(纵摇和横摇)会对FPSO与穿梭油轮的靠泊、FPSO上直升机的起降、海上的补给等作业可能造成严重的影响。如能实现在一定时间内对FPSO船体姿态运动进行预报,则可大大提高这些作业的安全性和高效性。用AR(p)模型拟合FPSO纵摇运动,然后运用AR(p)模型的线性最小方差预报法进行预报,预报实例中用到的数据来自模型试验。结果表明,用时间序列法对FPSO纵摇运动进行极短期预报具有一定的精度和较小的计算量。(本文来源于《海洋工程》期刊2008年01期）
纵摇运动预报论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对船舶纵摇运动系统的灰色特性,利用拓扑预测法与GM(1,1)模型,研究船舶在海浪中非线性纵摇运动的预报问题,分别建立船舶纵摇运动的拓扑预测模型和船舶纵摇运动的GM(1,1)模型。根据实测船舶纵摇运动数据的特点,探讨拓扑预报模型的阈值选取方法。仿真结果表明:采用拓扑预测模型对船舶纵摇运动预报研究是合理且可行的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
纵摇运动预报论文参考文献
[1].杨震,王岩,苏丽,刘志林.基于EMD的船舶横摇运动预报[C].第27届中国过程控制会议（CPCC2016）摘要集.2016
[2].赵爽,安宇芳,王慧敬.基于拓扑预测模型的船舶纵摇运动预报[J].黑龙江工程学院学报.2014
[3].李占英,王科俊,梅彦平,徐亮.基于回声状态网络的船舶横摇运动预报[J].华中科技大学学报(自然科学版).2013
[4].李占英.基于神经网络的船舶横摇运动预报研究[D].哈尔滨工程大学.2011
[5].马洁.船舶纵摇运动预报AR法与多层递阶方法比较研究[C].2009年中国智能自动化会议论文集（第二分册）.2009
[6].吴飞.基于ANFIS的船舶横摇运动预报及智能控制研究[D].大连海事大学.2009
[7].孙李红,沈继红.基于改进GM(1,1)模型的舰船纵摇运动预报[J].哈尔滨工程大学学报.2009
[8].孙李红.基于组合预测方法的舰船纵摇运动预报[D].哈尔滨工程大学.2009
[9].李积德,王淑娟,李焱,沈继红.基于灰色动态MGM(1,n)模型的舰船纵摇—升沉运动预报[J].船舶力学.2008
[10].姚宗,陈刚,杨建民.FPSO纵摇运动预报研究[J].海洋工程.2008