【技术实现步骤摘要】
基于人工神经网络的随船摇荡运动反演波浪方法及系统
[0001]本专利技术属于船舶与海洋工程
,尤其涉及基于人工神经网络的随船摇荡运动反演波浪方法及系统
。
技术介绍
[0002]船舶耐波性的好坏已经成为衡量现代化船舶航行性能的重要指标之一
。
船舶在海上航行过程中,由于受到波浪的激励作用,势必会产生六自由度摇荡运动,这在一定程度上对其作业效率和航行安全产生重要的影响
。
在多年间平均每年船载集装箱落水数量高达多个
。
其中恶劣天气中船舶摇摆偏荡导致的集装箱落水事故占据大部分
。
同时,当直升机处在高海况下实施海上搜救或起降作业时,同样会受船舶摇荡运动的影响,直升机容易与船体发生碰撞事故
。
因此,船舶在大风浪作用下所产生的摇荡运动成为船舶航运和海上作业等方面考虑的重要问题
。
针对这类问题,如若能够对随船的波浪环境信息进行实时的感知,船员便可借助感知到的波浪信息实现合理的决策,从而降低与关键波浪相遇的风险
。
此外,随着船舶航行自主化
、
智能化的不断发展,无人船艇逐渐走入人们的视野
。
无人船不一定需要船员的专业知识和参与便可完成一系列任务指令,其在军事和民用领域都有着极大的潜力
。
无人船如若想要实现自主
、
低耗的航行和作业,势必要将随船的外部环境信息作为无人船感知的关键输入,从而实现合理的航态控制
。
因此 ...
【技术保护点】
【技术特征摘要】
1.
一种基于人工神经网络的随船摇荡运动反演波浪方法,其特征在于,该方法通过数据驱动的方式进行基于船舶运动的波浪统计特征中有义波高
、
特征周期和波浪浪向的反演,同时通过船上布置的位姿传感器进行船舶运动数据的获取,进而获取随船周围海浪信息;具体包括以下步骤:
S1
,对传感器采集得到的船舶六自由度运动数据进行数据预处理,经预处理后的运动数据通过数据提取与分类操作后形成船舶单自由度运动数据和多自由度运动数据;
S2
,对获得的船舶单自由度运动数据和多自由度运动数据进行重构处理,获取满足人工神经网络模型输入要求的数据集;
S3
,将重构得到的船舶单自由度运动数据和多自由度运动数据分别进行混洗处理,再将混洗后的数据进行训练集和测试集的划分;
S4
,根据划分好的船舶单自由度运动数据集和多自由度运动数据集分别构建人工神经网络模型,并进行人工神经网络模型的训练与测试,利用人工神经网络模型获得基于船舶运动的波浪有义波高
、
特征周期
、
波浪浪向的反演结果
。2.
根据权利要求1所述基于人工神经网络的随船摇荡运动反演波浪方法,其特征在于,在步骤
S1
中,对传感器采集得到的船舶六自由度运动数据进行数据预处理,经预处理后的运动数据通过数据提取与分类操作后形成船舶单自由度运动数据和多自由度运动数据,具体包括:传感器采集得到的六自由度运动时历数据为:式中,分别表示
t1,t2…
t
n
时刻下船舶各自由度的运动姿态数据
x1,x2…
x
n
,其中,
n
表示数据的长度,
m
表示自由度的个数,船舶的六个自由度运动分别为船舶横荡
、
纵荡
、
垂荡
、
横摇
、
纵摇和艏摇,并分别标记序号为1‑6;对传感器采集的运动时历数据中,对原始数据进行平移和滤波处理;平移处理先获得各自由度运动时历数据的均值式中分别表示
t1,t2…
t
n
时间下船舶各自由度运动姿态数据
x1,x2…
x
n
的均值,经平移处理得到的时历数据表示为:的均值,经平移处理得到的时历数据表示为:式中,分别表示
t1,t2…
t
n
时间下经平移处理后得到的船舶各自由度运动姿态数据
x1,x2…
x
n
,经平移后的数据还需通过傅里叶滤波处理;将平移和滤波预处理后的数据针对各自用途进行提取与归类,分为单自由度运动数据和多自由度运动数据;经预处理得到的船舶单自由度运动数据为垂荡运动数据船舶多自由度运动数据为船舶横摇和纵摇运动数据
3.
根据权利要求1所述基于人工神经网络的随船摇荡运动反演波浪方法,其特征在于,在步骤
S2
中,对获得的船舶单自由度运动数据和多自由度运动数据进行重构处理,包括:首先,将单自由度垂荡运动时历数据以一定的时长进行分块处理,具体表示为:
其中,
d
为时间长度;其次,对每一个时间片段进行统计处理,取每一个时间片段的有义值;经重构后得到的单自由度垂荡运动数据表示为:
4.
根据权利要求3所述基于人工神经网络的随船摇荡运动反演波浪方法,其特征在于,有义值的取法为:对一段时间序列数据通过逐波分析获得多个波高,将波高按从大到小的顺序排列,并取前
1/3
波高数据的平均值作为有义值
。5.
根据权利要求1所述基于人工神经网络的随船摇荡运动反演波浪方法,其特征在于,在步骤
S2
中,获取满足人工神经网络模型输入要求的数据集,包括:经分块并统计得到的船体横摇运动数据和纵摇运动数据表示为:和考虑到船舶横摇和纵摇的相对运动与波浪浪向联系紧密,将同步采集并处理得到的横摇和纵摇运动数据进行比值处理,获得横纵摇运动的相对变化值,具体表示为:横纵摇运动的相对变化值,具体表示为:
6.
根据权利要求3所述基于人工神经网络的随船摇荡运动反演波浪方法,其特征在于,对获得的船舶单自由度运动数据和多自由度运动数据进行重构处理中,与时间片段匹配的有义波高
H
s
、
特征周期
T
p
和波浪浪向
D
m
波浪数据一一对应,表示为
H
s
=
[Y1,Y2…
Y
n/d
],T
p
=
[Y1,Y2…
Y
n/d
],D
m
=
[Y1,Y2…
Y
n/d
]
,有义波高数据集为
H
s
,
Y1,Y2…
Y
n/d
分别表示与重构后船舶运动数据片段
X1,X2…
X
n/d
对应的波浪有义波高值;同理,在特征周期数据集
T
p
情况下,
Y1,Y2…
Y
n/d
...
【专利技术属性】
技术研发人员:黄礼敏,陈雷,陈航宇,蒋昊,马学文,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。