【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，在面向实船运动时历预报时，特定工况下运动时历数据不足是制约模型训练与预报的重要问题之一。因此，针对特定工况下的船舶运动时历进行有效扩充对于提升预报模型训练效果、改善预报精度具有重要的意义。
3、数据样本扩充主要是指在缺乏样本数据时进行特征变化进而实现样本容量的提升，可以通过对已有数据添加微小扰动或从已有数据新创建合成数据以增加数据量的方法，常用于单工况下样本数据缺乏的情况。现有的数据样本扩充方
技术实现思路
1、为克服相关技术中存在的问题，本专利技术公开实施例提供了一种基于船舶运动频谱特征的数据样本扩充方法及系统。具体涉及基于深度学习的船舶运动时历预报数据预处理优化方法。
2、所述技术方案如下：基于船舶运动频谱特征的数据样本扩充方法，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：
3、s1，针对单个工况下实际采集的船舶单自由度运动时历数据进行读取，获取运动时序，对运动时序进行快速傅里叶变换，获取所述运动时序在频域下对应的频率分布、振幅分布、相位分布，实现由时域到频域的转换，同时得到运动时历频谱分布；
4、s2，针对获取的运动时历频谱分布，通过设定截断的振幅阈值确定该振幅下对应的低频截断频率与高频截断频率，对于频谱中小于低频截断频率与大于高频截断频率的频率部分进行截断处理，得到高低频滤波后的运动时历频谱组成部分；所述运动时历频谱组成部分包括所有剩余子波分量对应的频率项、振幅项与相位项；
5、s3，对截断后的运动时历频谱组成部分中的振幅项的各项子振幅保持不变，在不添加随机因子下获取与步骤s2中所述频率项保持一致的新振幅项；对截断后的运动时历频谱组成部分中的频率项、相位项分别进行随机因子添加，生成新频率项、新相位项；
6、s4，在生成的新振幅项、新频率项、新相位项的基础上，通过线性叠加完成频谱到运动时历的变换。
7、在步骤s1中，所述获取运动时序为：
8、；
9、式中，为不同时刻下船舶运动时历组成的集合，为在第1个时刻下的船舶运动位移，为第2个时刻下的船舶运动位移，为第时刻下的船舶运动位移，为第时刻下的船舶运动位移；
10、获取的在频域下对应的频率分布为：
11、；
12、振幅分布为：
13、；
14、相位分布为：
15、；
16、式中，分别表示所有子波分量对应的频率集合、幅值集合与相位集合，分别表示第1个子波分量对应的频率值、幅值、相位值，分别表示第2个子波分量对应的频率值、幅值、相位值，分别表示第个子波分量对应的频率值、幅值、相位值，分别表示第个子波分量对应的频率值、幅值、相位值。
17、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：
18、；
19、；
20、；
21、式中，分别表示高低频滤波后所有剩余子波分量对应的频率项、振幅项与相位项，分别表示低频截断频率及其对应的幅值和相位，分别表示低频截断频率后第1个子波分量对应的频率值、幅值与相位，分别表示低频截断频率后第2个子波分量对应的频率值、幅值与相位，分别表示高频截断频率前1个子波分量对应的频率值、幅值与相位，分别表示高频截断频率及其对应的幅值和相位；
22、在船舶运动时历信号中，的选取保持在0.01以下，以保证截取后的频谱保留原频谱的主能量范围，其中为设定的振幅截断阈值。
23、在步骤s3中，所述生成的新振幅项为：
24、；
25、各项子振幅与的各项子振幅保持不变；所述生成新频率项、新相位项包括：原有的频率项由傅里叶变换直接得到，频率分布为等差数列，对原有的频率项进行随机波动处理；对于相位项进行完全的随机处理以模拟外界环境输入的变化，生成新频率项为，以及新相位项为。
26、进一步，对频率项进行随机波动处理包括：
27、针对中的任意一项频率在中间取随机数，获取一组新的随机波动频率，完成新频率项的获取，表达式为：
28、；
29、式中，表示新生成的新频率项，表示新生成的低频截断频率，表示新生成的低频截断频率后第1个子波分量对应的频率值，表示新生成的低频截断频率后第2个子波分量对应的频率值，表示新生成的高频截断频率前1个子波分量对应的频率值，表示新生成的高频截断频率。
30、进一步，所述对于相位项进行完全的随机处理以模拟外界环境输入的变化包括：
31、对每一项在中随机取值，重新生成一组新的相位项，完成新相位项的获取，表达式为：
32、；
33、式中，表示新生成的新相位项，表示新生成的低频截断频率对应的相位，表示新生成的低频截断频率后第1个子波分量对应的相位，表示新生成的低频截断频率后第2个子波分量对应的相位，表示新生成的高频截断频率前1个子波分量对应的相位，表示新生成的高频截断频率对应的相位。
34、在步骤s4中，所述通过线性叠加完成频谱到运动时历的变换包括：针对一组新的运动时历表示为：
35、；
36、式中，表示不同时刻下新的船舶运动时历组成的集合，表示时刻下新生成的船舶运动位移，表示时刻下的船舶运动位移，表本文档来自技高网...
【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以模拟外界环境输入的变化包括：
7.根据权利要求1所述的基于船
8.一种基于船舶运动频谱特征的数据样本扩充系统，其特征在于，该系统实施权利要求1-7任意一项所述基于船舶运动频谱特征的数据样本扩充方法，该系统包括：
9.根据权利要求8所述的基于船舶运动频谱特征的数据样本扩充系统，其特征在于，该系统搭载在计算机设备，该计算机设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于船舶运动频谱特征的数据样本扩充系统的功能。
10.根据权利要求8所述的基于船舶运动频谱特征的数据样本扩充系统，其特征在于，该系统搭载计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述基于船舶运动频谱特征的数据样本扩充系统的功能。
...【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。