导读:本文包含了舰船运动预报论文开题报告文献综述及选题提纲参考文献，主要关键词:舰载无人机,起飞控制,舰船运动预报
舰船运动预报论文文献综述
邓军,赵海涛[1]（2018）在《基于舰船运动预报的舰载无人机起飞辅助决策》一文中研究指出舰载无人机的起飞离舰过程中,因舰艇平台随海浪摇摆会影响无人机的离舰姿态,进而影响舰载无人机的起飞安全。建立舰载无人机的起飞离舰过程动力学仿真模型,通过对舰船摇摆运动参数的采集建立舰船摇摆运动预报模型。基于起飞动力学模型和舰船摇摆运动预报模型,提出用于舰载无人机的起飞辅助决策方法,以保障无人机离舰安全。(本文来源于《指挥控制与仿真》期刊2018年03期）
丰雁,郑凤婷[2]（2016）在《神经网络方法在舰船姿态运动预报中的应用研究》一文中研究指出将神经网络应用于舰船姿态运动预报中,利用带有延迟反馈的回归神经网络的暂态、学习效率高、动态映射等优点,提出多输入单输出简化的对角回归神经网络,并给出舰船姿态运动预报模型。在此基础上进行算法收敛性的说明。最后采集15个样本,通过分析样本的平均误差、均方误差和相对误差来说明本文所此采用的算法对舰船纵摇姿态的预报结果有效。为提高预报精度需要将船舶受到的外界干扰融合到模型中,从而可得到理想的预报效果。(本文来源于《舰船科学技术》期刊2016年04期）
王琳[3]（2014）在《基于CMAC神经网络的舰船运动预报仿真研究》一文中研究指出舰船运动是引发多种海面事故的主要原因,为了提高舰载机着舰安全系数、提高舰船战斗力、减少海难等事故的发生,舰船运动极短期预报是至关重要的.首次将CMAC神经网络应用于舰船纵摇运动姿态的极短期预报中,建立了CMAC神经网络舰船运动预报模型.同时对实际的舰船纵摇运动数据进行了数值仿真,证实了CMAC神经网络模型在舰船运动预报中的应用是合理且可行的.(本文来源于《数学的实践与认识》期刊2014年23期）
赵爽,安宇芳,王慧敬[4]（2014）在《基于拓扑预测与GM组合模型的舰船运动预报》一文中研究指出针对舰船运动系统的复杂性及非线性,提出采用灰色拓扑预测模型、GM(1,1)模型建立舰船运动的单项预测模型,并对各单项模型的优缺点进行了比较分析.采用标准差法建立基于拓扑预测与GM(1,1)模型的舰船运动组合预测模型.结果表明,组合预测模型的预测精度高于各单项模型的精度,该组合模型可作为提高舰船运动数据预测精度的有效工具.(本文来源于《高师理科学刊》期刊2014年01期）
张艳,李世鹏,荣晶晶,张仲毅[5]（2012）在《一种基于参数估计的自适应舰船运动预报方法》一文中研究指出运动预报是部分舰船系统的重要组成部分。为了有效地解决这一问题,文章提出了一种基于海浪峰值频率估计的自适应舰船运动预报方法。在舰船运动与海浪激励的建模基础上,建立了基于最小二乘估计的自复位海浪峰值频率估计器。采用自回归移动平均(ARIMA)模型拟合方法预报舰船运动,并通过海浪峰值频率估计值自适应调节ARIMA模型的采样周期,提高了复杂海况下对舰船运动的预报能力。该方法与常规ARIMA模型方法、反向传播神经网络方法的仿真对比结果表明了该方法在解决舰船动态预报问题上的良好精度和鲁棒性。(本文来源于《船舶力学》期刊2012年07期）
吴云峰[6]（2012）在《舰船运动预报在小波分析及混沌时序中的研究》一文中研究指出船舶在其航行过程中将受到风、浪等环境因素干扰,产生了相互耦合的复杂的六自由度运动,尤其是在恶劣海况条件下,其运动是一个非线性随机过程,并且在船舶航行过程中不同的海区或同一海区不同时段,其统计特性有所不同,造成船舶运动的统计特性具有一定的非平稳特性。运动极短期预报对海上作业的各种海洋平台和船舶具有很重要的意义。根据运动历史数据,预报未来极短时间的运动,进而采取相应的措施,尤其是对作业时需要进行运动补偿或具有一定运动限制要求的设备。近年来,国内外关于船舶运动极短期预报的研究越来越多,时间序列法在其中受到了特别多的关注,这类算法只需要寻求出历史数据中的规律,就可以得出预报值,算法计算量小且易于实现。本文的主要工作如下:1.首先,阐述了本文的研究背景,回顾了船舶运动极短期预报的发展历程及研究现状;比较了已有的多种预报算法,并总结出各自的优缺点。2.首先,阐述了基于传统时间序列的AR模型船舶运动极短期预报算法,并将实船实测船舶运动时间序列用于预报,验证了算法的可行性,但是传统的时间序列预报算法的预报效果较差。3.在传统时间序列法的基础上引入小波多分辨率分析法,将实船所测船舶运动时间序列分解为若干层近似意义上的平稳时间序列,再使用AR模型对每层的单支重构信号进行预报,最后综合每层的预报值得到原时间序列的预报值。通过小波多分辨率分析的频带划分规则确定了最优小波分解层数的选取方法;从分析各种小波基时频特性出发,通过理论分析及仿真计算的比较,确定了最优小波基函数的选取。4.分析了经验模态分解法对非平稳信号的处理效果,针对船舶运动时间序列的非平稳性确定了其算法中相关参数的选取,运用经验模态分解法对传统时间预报算法和小波多分辨率时间序列预报算法进行算法改进。5.通过对船舶运动时间的混沌识别,确定了嵌入维数以及时间延迟的选取,使用递推最小二乘(RLS)算法对混沌Volterra级数预报模型进行参数辨识。把这类混沌时间序列的预报算法的仿真计算结果与之前所述的算法进行对比。(本文来源于《江南大学》期刊2012-03-01）
刘亚楠[7]（2010）在《基于振荡序列灰色模型的舰船运动预报》一文中研究指出本文立足舰船运动预报,充分研究了舰船运动的特点,针对灰色系统理论处理振荡序列的预测效果不理想的情况进行处理,使之变换为单调递增序列,然后利用灰色系统理论对舰船运动进行建模预测,达到了预期的效果。本论文主要进行的工作如下：1.针对舰船运动振荡序列的不规律性,为使序列变为单调递增序列,从而可以应用GM模型,本文采用加速平移变换和加权均值生成变换,弱化振荡序列随机性,使得序列适合建立GM模型进行预测；并用概率论的知识对加权均值生成变换的性质作了证明,增强了建模的可行性和正确性；2.在灰色模型的建立中,利用最小二乘法原理对经过处理后的舰船运动数据进行曲线及线性拟合,证明了振荡序列可转化为线性序列,减小了预测的难度,也减小了预测的工作量；3.分别采用GM(1,1)模型和GM(0,1)模型对变换后得到的单调序列进行了仿真实验,对舰船运动数据进行预测。在预测的过程中,我们发现应用GM(1,1)模型的预测结果不理想。在检验后我们发现,经过加速平移变换和加权均值生成变换后的序列有明显的线性特征。因此,我们最终采用了GM(0,1)模型,对得到的序列进行预测,得到了好的效果。(本文来源于《哈尔滨工程大学》期刊2010-12-13）
孙李红,沈继红[8]（2009）在《基于改进GM(1,1)模型的舰船纵摇运动预报》一文中研究指出针对舰船运动的灰色特征,提出用改进的GM(1,1)模型对纵摇运动数据进行建模,改进的GM(1,1)模型是对服从非齐次指数增长规律的数据建模,克服了传统GM(1,1)模型指数规律的不足.首先给出改进GM(1,1)模型的微分方程形式及精确的离散化形式,考虑初值对模型的影响,建立优化灰色模型,提高了模拟精度.该模型为纵摇运动预报提供了一种新的方法.数值试验表明,这种方法较GM(1,1)模型效果好.(本文来源于《哈尔滨工程大学学报》期刊2009年03期）
孙李红[9]（2009）在《基于组合预测方法的舰船纵摇运动预报》一文中研究指出舰船的运动由于受到海浪、海风及其它因素的影响,产生了六自由度的复杂运动,具有很强的随机性和非线性,因此舰船极短期预报对于舰船航行有着重要的意义。舰船运动极短期预报就是根据舰船的运动历史数据对船体运动进行几秒或十几秒的预测。以往曾有时间序列法、周期图法、神经网络法、灰色系统理论等方法进行舰船的预报。本论文立足于舰船的纵摇运动预报,研究了组合预测方法在纵摇运动预报中的应用。组合预测方法需要利用各单项预测模型的有效信息,基于此本文研究了几种单项预测方法在纵摇运动预报中的应用。并针对实际的舰船运动数据进行了数值仿真。对船的纵摇的理论研究可帮助认识船的纵摇的规律,从而掌握和利用它为舰船航行服务。主要完成的工作有：首先,介绍了灰色系统建模的数据生成方式及建模的理论基础,考虑到灰色拓扑预测方法的趋势预测的特性,结合新陈代谢GM(1,1)模型,对纵摇运动角度建立了拓扑预测模型,根据不同的阈值,建立所对应的时间序列的新陈代谢GM(1,1)模型群。用此模型群对未来可能的运动趋势进行预测,并运用预测的有效点绘制拓扑预测曲线。其次,在纵摇运动预报过程中,突变点的出现影响到建模及预报的精度,对突变点及附近的数据处理是必要的。第叁章将小波变换奇异点检测理论应用到舰船纵摇角度处理中,通过对模极大值的检测来确定突变点发生的时刻,并在第四章介绍了数据处理的方法,最后用处理后的数据建立推广GM(1,1)模型,提高了预报精度。再次,灰色系统传统的GM(1,1)模型白化方程反映出生成数据仅与本身及其变化有关,而实际上很多时候生成数据还要受到其它因素的影响,这些因素不能完全由灰作用量表示。针对这个问题,本文先给出服从非纯指数函数变化的推广GM(1,1)模型,同时考虑初始点拟合误差的影响,改变初始值,从而构建了优化的时间响应函数,提高了模拟精度。最后针对船的纵摇角度数据的灰色特征应用这种模型进行建模,数值试验表明这种方法是可行的。最后,以预测值的对数的相关系数为误差标准,提出了基于相关系数的加权几何平均组合预测模型,加权几何平均组合预测为一种非线性的组合预测方法。针对基于相关系数的加权几何平均组合预测模型,定义了优性组合预测模型、预测方法优超、组合预测冗余度等概念,讨论了在一定的条件下,该组合预测存在非劣性及优性组合预测的充分条件,得出了一个判断冗余预测方法的判定定理。从理论上说明基于对数相关系数的非线性组合预测模型的有效性,同时本文用推广GM(1,1)模型及支持向量机回归模型作为单项预测模型,对纵摇角度应用该组合预测模型进行预报,验证了该模型的有效性。(本文来源于《哈尔滨工程大学》期刊2009-03-01）
张兮龙,叶家玮,魏栋[10]（2008）在《基于时间序列法的舰船运动预报实验研究》一文中研究指出采用线性自回归AR模型、具有首前波观测量的ARMA模型以及非线性自回归NAR模型叁种方法分别对舰船运动进行预报,将得到的预报结果与实验测量结果进行验证比较,并对最佳预报模式进行讨论。(本文来源于《船海工程》期刊2008年06期）
舰船运动预报论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
将神经网络应用于舰船姿态运动预报中,利用带有延迟反馈的回归神经网络的暂态、学习效率高、动态映射等优点,提出多输入单输出简化的对角回归神经网络,并给出舰船姿态运动预报模型。在此基础上进行算法收敛性的说明。最后采集15个样本,通过分析样本的平均误差、均方误差和相对误差来说明本文所此采用的算法对舰船纵摇姿态的预报结果有效。为提高预报精度需要将船舶受到的外界干扰融合到模型中,从而可得到理想的预报效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
舰船运动预报论文参考文献
[1].邓军,赵海涛.基于舰船运动预报的舰载无人机起飞辅助决策[J].指挥控制与仿真.2018
[2].丰雁,郑凤婷.神经网络方法在舰船姿态运动预报中的应用研究[J].舰船科学技术.2016
[3].王琳.基于CMAC神经网络的舰船运动预报仿真研究[J].数学的实践与认识.2014
[4].赵爽,安宇芳,王慧敬.基于拓扑预测与GM组合模型的舰船运动预报[J].高师理科学刊.2014
[5].张艳,李世鹏,荣晶晶,张仲毅.一种基于参数估计的自适应舰船运动预报方法[J].船舶力学.2012
[6].吴云峰.舰船运动预报在小波分析及混沌时序中的研究[D].江南大学.2012
[7].刘亚楠.基于振荡序列灰色模型的舰船运动预报[D].哈尔滨工程大学.2010
[8].孙李红,沈继红.基于改进GM(1,1)模型的舰船纵摇运动预报[J].哈尔滨工程大学学报.2009
[9].孙李红.基于组合预测方法的舰船纵摇运动预报[D].哈尔滨工程大学.2009
[10].张兮龙,叶家玮,魏栋.基于时间序列法的舰船运动预报实验研究[J].船海工程.2008