一种基于AR-OLSSVR模型的船舶运动预报方法技术

本发明专利技术公开了一种基于AR

【技术实现步骤摘要】
一种基于AR
‑
OLSSVR模型的船舶运动预报方法


[0001]本专利技术涉及船舶与海洋工程
，具体为一种将迭代学习算法、自回归(Autoregressive，AR)模型和在线最小二乘支持向量回归(Online Least Squares Support Vector Regression，OLSSVR)模型相融合的船舶运动预报方法。

技术介绍

[0002]海上廊桥作为一种海上换乘装备，相当于一个海上通道，方便人员在宿主船与目标船或海上平台之间进行换乘。在进行海上换乘时，船舶受风、浪、流等海洋环境影响会产生横荡、纵荡、升沉、横摇、纵摇和艏摇六个自由度的运动，给海上人员换乘造成安全隐患。船舶的横荡、纵荡和艏摇运动可由动力定位系统进行补偿，而横摇、纵摇和升沉运动则需要通过海上廊桥来进行补偿，以使廊桥始终保持平稳，就像在陆地上一样，为海上人员安全换乘提供保障。为提高海上廊桥的波浪补偿控制精度，实现由波浪等海洋环境引起的船舶横摇、纵摇和升沉运动对海上廊桥的扰动的同步补偿，需要对船舶运动进行实时的极短期预报。<br/>[0003]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AR
‑
OLSSVR模型的船舶运动预报方法，其特征在于：包括以下步骤：A、以T为采样周期采集船舶运动数据，得到n个样本数据x
k
,k＝1,2,
…
,n；所述的船舶运动包括横摇运动、纵摇运动和升沉运动；B、建立并训练AR模型；B1、建立船舶运动样本数据的AR模型如下：式中，p为AR模型的待定阶数，a
i
为AR模型的待定系数，记a＝[a1,a2,
…
,a
p
]
T
为AR模型的待定系数向量，e
k
为AR模型的误差；B2、根据Akaike信息量准则确定p的值；首先，为AR模型定义Akaike信息量准则函数AIC(
·
)如下：AIC(p)＝nln(ξ2)+2p
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式中，ξ2表示AR模型误差方差，为AR模型的待定系数向量的估计值，ln(
·
)表示自然对数；假设AR模型的最大阶数为p
max
，且0＜p≤p
max
＜n，依次计算AIC(1),
…
,AIC(p
max
)的值，若这些值中的最小值为AIC(p
*
)，则确定AR模型的阶数p＝p
*
；B3、对提出如下在线迭代学习策略：式中，t为当前采样时刻，Q为p
×
p的设计常数矩阵，X(t
‑
1)＝[x
t
‑2,x
t
‑3,
…
,x
t
‑1‑
p
]
T
，I为p
×
p的单位矩阵，G(t
‑
1)为p维的增益向量，C(t
‑
1)为p
×
p的协方差矩阵，R为设计常数；C、依据AR模型，建立船舶运动样本数据的回归方程：式中，为样本数据x
k
的回归值；通过式(5)对当前时刻t之前的n
‑
p个样本数据进行回归，并将样本数据与其回归值进行比较，得到n
‑
p个AR模型回归误差：式中，e
reg,k
为AR模型回归误差；D、依据AR模型，建立船舶运动预报模型如下：
式中，H为预报步数，为向后HT秒的预报值；E、建立OLSSVR模型如下：式中，e
t
＝[e
reg,p+m+1
,e
reg,p+m+2
,
…
,e
reg,n
]，m为嵌入维数，2≤m＜n
‑
p，ω
j
,j＝p+1,
…
,n
‑
m，为OLSSVR的模型系数，记M＝n
‑
m
‑
p，记ω＝[ω
p+1
,ω
p+2
,
…
,ω
j
,
…
,ω
n...

【专利技术属性】
技术研发人员：杜佳璐，薛兴，李健，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：