基于并聯(lián)型灰色神經(jīng)網(wǎng)絡的艦船運動預報.pdf

1、船舶縱向運動姿態(tài)極短期預報對提高船舶武器裝備系統(tǒng)精度以及對艦載機著艦的安全系數(shù)的提高是十分重要的。由于受到海浪、海風及其它干擾的影響，船舶產(chǎn)生了六個自由度的復雜運動，具有很強的隨機性和非線性性，這就導致對船舶運動姿態(tài)進行預報相當?shù)睦щy。 通過對船舶運動姿態(tài)極短期預報的歷史背景和國內(nèi)外研究的現(xiàn)狀分析比較發(fā)現(xiàn)，傳統(tǒng)的時間序列分析與預報理論是以線性模型為基礎的，對線性系統(tǒng)有較好的效果，但不適用于非線性系統(tǒng)的時間序列建模與預報。

2、 本文從灰色系統(tǒng)理論和神經(jīng)網(wǎng)絡理論的觀點出發(fā)，從組合優(yōu)化的角度，利用有效度的概念，建立了一種適用于非線性系統(tǒng)在線實時預報的模型——等維遞推并聯(lián)型灰色神經(jīng)網(wǎng)絡模型(EDRPGNN)，并首次將其運用于艦船運動姿態(tài)的極短期預報當中。論文的主要工作如下： 1、研究了艦船縱搖運動數(shù)據(jù)的特點，針對GM(1，1)預報模型適用于單調(diào)增加序列的特點，選用了函數(shù)變換型GM(1，1)預報模型。 2、圍繞著基于神經(jīng)網(wǎng)絡的建模與預報方案，對不同的

3、神經(jīng)網(wǎng)絡模型進行研究，又考慮到預報可靠性、實時性、時間性的要求，我對神經(jīng)網(wǎng)絡模型進行了篩選，選擇了訓練速度快、具有較好的泛化能力的RBF神經(jīng)網(wǎng)絡。 3、從組合優(yōu)化的角度，利用有效度的概念，我將灰色系統(tǒng)理論GM(1，1)預報模型與RBF網(wǎng)絡預報模型很好的結合，建立了等維遞推并聯(lián)型灰色神經(jīng)網(wǎng)絡預報模型(EDRPGNN)。 4、借助于Matlab這個功能強大的軟件，我對大量數(shù)據(jù)進行仿真分析，由此確定了模型中的各個參數(shù)：灰色GM