海浪中非平穩(wěn)非線(xiàn)性艦船運(yùn)動(dòng)在線(xiàn)預(yù)報(bào)研究.pdf

1、由于受到海洋風(fēng)、浪、流等環(huán)境因素的影響，艦船會(huì)不斷產(chǎn)生六個(gè)自由度的搖蕩運(yùn)動(dòng)，對(duì)艦船海上作業(yè)造成嚴(yán)重威脅。艦船運(yùn)動(dòng)在線(xiàn)預(yù)報(bào)能夠?qū)崟r(shí)地估計(jì)艦船未來(lái)幾秒到幾十秒內(nèi)的運(yùn)動(dòng)姿態(tài)，為艦船海上作業(yè)的精確控制和最優(yōu)作業(yè)時(shí)機(jī)的選擇提供決策信息，進(jìn)而提高海上作業(yè)的安全性和效率。
　　艦船運(yùn)動(dòng)在線(xiàn)預(yù)報(bào)中，時(shí)長(zhǎng)在幾秒以?xún)?nèi)的預(yù)報(bào)稱(chēng)為極短期預(yù)報(bào)，通常用于海洋作業(yè)的精確控制；而時(shí)長(zhǎng)在十秒到幾十秒的預(yù)報(bào)一般應(yīng)用于海上作業(yè)時(shí)機(jī)優(yōu)選，稱(chēng)為安穩(wěn)期預(yù)報(bào)。
　　時(shí)間

2、序列分析是極短期預(yù)報(bào)方法的基礎(chǔ)。傳統(tǒng)的極短期預(yù)報(bào)方法基于假定的時(shí)間序列模型如自回歸模型、自回歸滑動(dòng)平均模型、神經(jīng)網(wǎng)絡(luò)模型等。本文基于海洋浮體在波浪中運(yùn)動(dòng)的記憶特性，創(chuàng)新性地提出了一種波浪效應(yīng)自回歸（WEAR）預(yù)報(bào)模型，在保證預(yù)報(bào)精度的同時(shí)，大幅提高了模型辨識(shí)效率，降低了預(yù)報(bào)結(jié)果對(duì)采樣頻率的敏感性。
　　針對(duì)實(shí)際艦船運(yùn)動(dòng)中存在的非線(xiàn)性非平穩(wěn)性特征，研究分析了傳統(tǒng)傅里葉分析方法的不足，引入了經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）及Hilbert-Hu

3、ang變換對(duì)非線(xiàn)性非平穩(wěn)信號(hào)進(jìn)行處理，并基于EMD方法展開(kāi)分析了非線(xiàn)性非平穩(wěn)特征對(duì)極短期預(yù)報(bào)模型的影響。結(jié)果表明：非線(xiàn)性特征是導(dǎo)致線(xiàn)性模型預(yù)報(bào)結(jié)果中產(chǎn)生幅值偏差的主要因素，而非平穩(wěn)特性則是引起線(xiàn)性模型和非線(xiàn)性模型預(yù)報(bào)結(jié)果中產(chǎn)生相位偏差的主要因素。且非線(xiàn)性非平穩(wěn)特征對(duì)模型預(yù)報(bào)性能的影響與預(yù)報(bào)時(shí)長(zhǎng)有關(guān)，當(dāng)時(shí)長(zhǎng)較短時(shí)，非線(xiàn)性是引起預(yù)報(bào)誤差的主要因素，而隨著預(yù)報(bào)時(shí)長(zhǎng)的增加，非平穩(wěn)性對(duì)預(yù)報(bào)誤差的影響逐漸增強(qiáng)，當(dāng)時(shí)長(zhǎng)超過(guò)一定的閥值后，非平穩(wěn)性影響成

4、為引起預(yù)報(bào)誤差的主要成分。
　　EMD方法能夠有效處理時(shí)間序列中的非線(xiàn)性非平穩(wěn)性特征，在預(yù)報(bào)模型中引入EMD處理是提高非線(xiàn)性非平穩(wěn)艦船運(yùn)動(dòng)預(yù)報(bào)精度的重要手段。但預(yù)報(bào)過(guò)程中，在線(xiàn)EMD處理通過(guò)克服非線(xiàn)性非平穩(wěn)性為預(yù)報(bào)結(jié)果帶來(lái)預(yù)報(bào)精度增益的同時(shí)，也引入了在線(xiàn)端點(diǎn)效應(yīng)，引起預(yù)報(bào)精度損失。這種預(yù)報(bào)精度損失表現(xiàn)為預(yù)報(bào)時(shí)歷結(jié)果的不光滑、局部存在明顯“跳躍”。當(dāng)預(yù)報(bào)精度損失大于預(yù)報(bào)精度增益時(shí)，引入在線(xiàn)EMD處理會(huì)使預(yù)報(bào)結(jié)果變差。為了抑制在線(xiàn)端點(diǎn)

5、效應(yīng)所引起的預(yù)報(bào)精度損失同時(shí)提高在線(xiàn)分解的實(shí)時(shí)性，本文創(chuàng)新性地提出了一種中值回歸經(jīng)驗(yàn)?zāi)B(tài)分解（MREMD）方法。研究結(jié)果表明：相比于傳統(tǒng)EMD方法，MREMD方法在保證分解精度的同時(shí)具有更高的分解效率，有效改善了分解過(guò)程中的端點(diǎn)效應(yīng)，在線(xiàn)預(yù)報(bào)結(jié)果的精度得到明顯提高。
　　針對(duì)安穩(wěn)期預(yù)報(bào)問(wèn)題，文中基于時(shí)間序列方法展開(kāi)研究。相比而言，安穩(wěn)期預(yù)報(bào)更關(guān)注艦船運(yùn)動(dòng)的幅值范圍而不是準(zhǔn)確運(yùn)動(dòng)時(shí)歷，但其對(duì)預(yù)報(bào)時(shí)長(zhǎng)的要求較高，一般在10~15秒以上