一种基于经验模态分解和支持向量回归的短期船舶姿态预测方法技术

本发明专利技术公开了一种基于经验模态分解和支持向量回归的短期船舶姿态预测方法。步骤1：在初次进行制导指令计算时，应用凸优化的规划方法进行制导指令计算，并保存计算结果；步骤2：完成首次在线轨迹规划后，在同一规划周期内，并行应用基于凸优化的在线轨迹规划方法和多项式制导方法，分别得到制导指令u

【技术实现步骤摘要】
一种基于经验模态分解和支持向量回归的短期船舶姿态预测方法
本专利技术属于船舶
；具体涉及一种基于经验模态分解和支持向量回归的短期船舶姿态预测方法。
技术介绍
船舶在进行一些特殊的海上作业时，如航空母舰的舰载机着舰作业，要求船舶甲板具有良好的平稳性。然而，船舶在海上航行时，由于受到一些外界的环境因素影响，如海风、海浪，会无法避免地产生六个自由度的摇荡运动，这种摇荡运动将引起甲板位移，严重干扰船舶的海上作业，尤其是在当遇到恶劣的海况条件，将会对船舶的海上作业产生很大的安全隐患。如果能够实现预测船舶在未来短时间内的运动运动姿态，以此来指导航空母舰的舰载机起降、主动减摇控制、海上装卸货物等，对提高海上作业的效率和安全性具有重要意义。船舶姿态短期预测一般指预测船舶在未来3～5秒的姿态数据，船舶的摇荡运动受多种外界条件影响，由于海风、海浪、暗流等诸多因素都会使得船舶姿态产生变化，这导致由船舶的摇荡姿态数据构成的时间序列呈现出非平稳性和非线性。为了应对实际船舶运动中的非线性和非平稳性情况，近几年，研究者们开始采用非线性理论和智能学习的方本文档来自技高网...

【技术保护点】
1.一种基于经验模态分解和支持向量回归的短期船舶姿态预测方法，其特征在于，所述短期船舶姿态预测方法包括以下步骤：/n步骤1：建立船舶在海上航行时的摇荡模型，所述船舶摇荡运动分为六个自由度的独立运动；/n步骤2：将六个自由度的船舶姿态数据分别进行平稳性检验，满足平稳性要求的船舶姿态数据进入步骤4，不满足平稳性要求的船舶姿态数据进入步骤3；/n步骤3：不满足平稳性要求的船舶姿态数据，进行经验模态分解处理，使其满足平稳性要求；/n步骤4：将步骤2与步骤3中满足平稳性要求的船舶姿态数据使用支持向量回归算法进行预测；/n步骤5：将预测的六个自由度的姿态数据的结果相加得到最终的预测姿态。/n

【技术特征摘要】
1.一种基于经验模态分解和支持向量回归的短期船舶姿态预测方法，其特征在于，所述短期船舶姿态预测方法包括以下步骤：
步骤1：建立船舶在海上航行时的摇荡模型，所述船舶摇荡运动分为六个自由度的独立运动；
步骤2：将六个自由度的船舶姿态数据分别进行平稳性检验，满足平稳性要求的船舶姿态数据进入步骤4，不满足平稳性要求的船舶姿态数据进入步骤3；
步骤3：不满足平稳性要求的船舶姿态数据，进行经验模态分解处理，使其满足平稳性要求；
步骤4：将步骤2与步骤3中满足平稳性要求的船舶姿态数据使用支持向量回归算法进行预测；
步骤5：将预测的六个自由度的姿态数据的结果相加得到最终的预测姿态。


2.根据权利要求1所述短期船舶姿态预测方法，其特征在于，所述步骤1具体为，首先建立船舶在海上航行时的摇荡模型，将船舶甲板中心作为数据采集点，构建船舶的摇荡运动模型，所述船舶摇荡运动分别为：横摇、纵摇、艏摇、横荡、纵荡和垂荡；某时刻船舶六个自由度的独立运动数据能够描述船舶的姿态。


3.根据权利要求1所述短期船舶姿态预测方法，其特征在于，所述步骤2平稳性检验具体为，利用增广迪基——富勒检验判断多阶数据平稳性是否满足要求，
所述多阶自回归过程的输入时间序列平稳性条件为特征方程的所有特征根都在单位圆内，若存在一个特征根为1，则时间序列非平稳，其自回归系数之后为1；



由式(5)可知，通过检验自回归系数之和是否等于1可以来判断多阶自回归过程的输入序列的平稳性。


4.根据权利要求1所述短期船舶姿态预测方法，其特征在于，所述步骤3具体包括一下几个步骤：
步骤3.1：对于不满足平稳性要求的船舶姿态数据，采用经验模态分解处理分解成多个本征模态函数和一个残项，通过支持向量回归和镜像对称结合的方法拓展数据两端的极大值点和极小值点，以满足EMD过程的需要；利用支持向量回归和镜像对称结合的方法处理经验模态分解边界效应，该方法先通过支持向量回归算法在原始序列的边界延拓出第一个极值点，再通过镜像对称出其余极值点；
步骤3.2：找出时间序列x(t)的所有的极大值点和极小值点，用三次样条函数拟合所有极大值点，这条曲线是数据的上包络线；同样，将所有极小值点都用三次样条函数来拟合出数据的下包络线；获取上包络线和下包络线的平均值，并将其记录为m1；通过从原始数据序列x(t)中减去上包络线和下包络线的平均值m1，获得新的数据序列h1(t)：
h1(t)＝x(t)-m1(10)
步骤3.3：所述EMD分解所得到的每个本征模态函数代表信号的固有特征，且要满足两个基本要求；如果h1(t)不满足IMF的两个基本要求，则应以h1(t)为原始数据重复上述工作n次，直到得到的hn(t)满足这两个要求；此时称hn(t)为IMF1(t)；
步骤3.4：从原始数据x(t)中减去IMF1(t)，得到一个新的数据序列x2(t)；
x2(t)＝x(t)-IMF1(11)
步骤3.5：重复步骤3.1至3.4，直到最后一个数据序列xn(t)的极值点数目小于2，然后xn(t)就不再能够分解成IMF；最后剩余的数据序列xn(t)称为原始数据的余项rn...

【专利技术属性】
技术研发人员：沈锋，聂志宏，徐定杰，李清华，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23