【技术实现步骤摘要】
本专利技术涉及船舶运动预报,尤其涉及一种基于x波段导航雷达在线船舶运动预报方法。
技术介绍
1、在船舶与海洋工程领域,对于船舶及结构物的运动预报始终是一个值得探究和深入的研究方向,准确的预测可以为运动补偿装置提供参考,并且可以为飞行器着舰、货物转移提供安全指导。
2、自上世纪中叶以来,专家学者们一直在研究海洋平台与环境相互作用的领域。这个领域的研究着重于探讨海洋平台在波浪中的运动。海洋平台的运动可以分为两大类别。第一类包括横摇、纵摇和垂荡运动,这些运动受自由液面提供的静水回复力影响,因此它们的固有周期较短,接近波浪周期,主要由波浪激励驱动。而第二类则包括纵荡、横荡和首摇运动,这些运动的回复力来自系泊系统,因此其固有周期通常较长。在这种情况下,除了波浪频率的运动,还可能伴随着慢漂运动,使得运动变得更加复杂。
3、运动预报的方法通常可以分为传统的基于水动力学理论构建的预报方法,以及利用经典时间序列分析方法。随着计算能力的飞速发展,目前人工神经网络已经成为构建预报模型的一种新的选择,通过充分挖掘数据本身含有的丰富信息,
...【技术保护点】
1.一种基于X波段导航雷达在线船舶运动预报方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于X波段导航雷达在线船舶运动预报方法,其特征在于,所述步骤2中所述反演算法是通过基于卷积神经网络自编码器的深度学习算法,以雷达图像为输入、实际波高图像为输出进行训练,实现从雷达图像到波高图像的反演。
3.如权利要求2所述的基于X波段导航雷达在线船舶运动预报方法,其特征在于,所述卷积神经网络自编码器包括编码器、全连接层和解码器。
4.如权利要求3所述的基于X波段导航雷达在线船舶运动预报方法,其特征在于,所述步骤3中所述神经网络预报模型是
...【技术特征摘要】
1.一种基于x波段导航雷达在线船舶运动预报方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于x波段导航雷达在线船舶运动预报方法,其特征在于,所述步骤2中所述反演算法是通过基于卷积神经网络自编码器的深度学习算法,以雷达图像为输入、实际波高图像为输出进行训练,实现从雷达图像到波高图像的反演。
3.如权利要求2所述的基于x波段导航雷达在线船舶运动预报方法,其特征在于,所述卷积神经网络自编码器包括编码器、全连接层和解码器。
4.如权利要求3所述的基于x波段导航雷达在线船舶运动预报方法,其特征在于,所述步骤3中所述神经网络预报模型是通过对船舶运动响应特征进行分析构建出的多模态下的实时船舶运动预报模型。
5.如权利要求4所述的基于x波段导航雷达在线船舶运动预报方法,其特征在于,所述神经网络预报模型中,所述波浪场数据、波浪时历数据、运动时历数据采取不同的特征提取...
【专利技术属性】
技术研发人员:郭孝先,潘文寅,李欣,田新亮,卢文月,孟浩然,
申请(专利权)人:上海交通大学,
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。