高速船（穿浪艇）運動響應(yīng)預(yù)報.pdf

1、本論文主要研究如何采用神經(jīng)網(wǎng)絡(luò)技術(shù)實現(xiàn)對高性能船運動的實時預(yù)報，以及研究如何建立能準確描述船舶運動的數(shù)學(xué)模型。主要工作如下：1.對于船舶運動時間序列，提出了非線性預(yù)估差值的預(yù)報方法。2.建立兩類神經(jīng)網(wǎng)絡(luò)預(yù)報模型：外部延時網(wǎng)絡(luò)和部分反饋網(wǎng)絡(luò)。并分別推導(dǎo)了相應(yīng)的學(xué)習(xí)算法。3.編制神經(jīng)網(wǎng)絡(luò)預(yù)報程序，應(yīng)用一艘集裝箱船和一艘穿浪艇的試驗資料對程序進行了測試。4.建立了考慮平均航速影響的一般船舶運動非線性方程，為應(yīng)用系統(tǒng)辨識技術(shù)預(yù)報船舶運動提

2、供了一個有效的數(shù)學(xué)模型。5.作為例子，應(yīng)用線性參數(shù)辨識技術(shù)辨識了船舶垂蕩和縱搖線性耦合方程中的系數(shù)。通過本文的工作，得到了下面一些結(jié)論：1.利用非線性預(yù)估差值法對船舶運動進行預(yù)報，可以很好地解決樣本量限制問題。2.延時單元網(wǎng)絡(luò)和部分反饋網(wǎng)絡(luò)都可以成功實現(xiàn)對船舶運動的實時預(yù)報。二者在預(yù)報的精度上區(qū)別不大。3.由于輸入組織更為簡單，部分反饋網(wǎng)絡(luò)要優(yōu)于延時網(wǎng)絡(luò)，特別是輸入維數(shù)較大（比如多自由度運動預(yù)報）時，可以節(jié)省資源。4.增大信