【技术实现步骤摘要】
本专利技术属于船舶与海洋工程，尤其涉及一种基于船舶运动频谱特征的数据样本扩充方法及系统。
技术介绍
1、船舶在航行过程中，由于受到复杂环境下的风、浪、流等环境因素作用，船体会不断产生六自由度摇荡运动，对船舶航行与作业安全产生影响，并且随着船舶操纵状态、压载状态、航行区域等条件的工况条件的变化会导致船舶摇荡运动特征发生显著差异。因此，针对不同工况下的船舶运动姿态进行准确预报，对于保障船舶航行与作业安全具有重大意义。
2、在船舶运动时历预报研究方向，深度学习方法依托于其强大的非线性系统拟合与特征提取能力，逐渐成为船舶运动主要的预报方法之一。该方法基于采集的样本数据，通过对深度神经网络模型的充分训练提取运动数据的时序变化特征，实现船舶运动的高精度预报。但该方法作为一种数据驱动预报方法，其预报性能完全依赖于对训练数据的特征提取，当出现训练数据样本不足的情况下会严重影响模型训练效果与预报精度。同时由于船舶在实际航行过程中随着遭遇海况的变化、航向航速的调整，其运动状态在持续不断的变化，导致针对特定工况下的时历采集数据有限，因此，在面向实...
【技术保护点】
1.一种基于船舶运动频谱特征的数据样本扩充方法，其特征在于，该方法对运动时历数据在频域下的分布特征进行提取，通过添加随机因子实现对特征一致的船舶运动新时历获取，完成对不同工况下的船舶运动数据的扩充，具体包括以下步骤：
2.根据权利要求1所述的基于船舶运动频谱特征的数据样本扩充方法，其特征在于，在步骤S1中，所述获取运动时序为：
3.根据权利要求1所述的基于船舶运动频谱特征的数据样本扩充方法，其特征在于，在步骤S2中，所述设定截断的振幅阈值为，该振幅下对应的低频截断频率为，高频截断频率为，得到高低频滤波后的频谱组成部分包括：
4.根据...
【技术特征摘要】
1.一种基于船舶运动频谱特征的数据样本扩充方法，其特征在于，该方法对运动时历数据在频域下的分布特征进行提取，通过添加随机因子实现对特征一致的船舶运动新时历获取，完成对不同工况下的船舶运动数据的扩充，具体包括以下步骤：
2.根据权利要求1所述的基于船舶运动频谱特征的数据样本扩充方法，其特征在于，在步骤s1中，所述获取运动时序为：
3.根据权利要求1所述的基于船舶运动频谱特征的数据样本扩充方法，其特征在于，在步骤s2中，所述设定截断的振幅阈值为，该振幅下对应的低频截断频率为，高频截断频率为，得到高低频滤波后的频谱组成部分包括：
4.根据权利要求1所述的基于船舶运动频谱特征的数据样本扩充方法，其特征在于，在步骤s3中，所述生成的新振幅项为：
5.根据权利要求4所述的基于船舶运动频谱特征的数据样本扩充方法，其特征在于，对频率项进行随机波动处理包括：
6.根据权利要求4所述的基于船舶运动频谱特征的数据样本扩充方法，其特征在于，所述对于相位项进行完全的随机处理...
【专利技术属性】
技术研发人员：黄礼敏，陈航宇，李貌，王向鲁，
申请(专利权)人：青岛哈尔滨工程大学创新发展中心，
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。