HI,欢迎来到学术天下网

舰船运动预报在小波分析及混沌时序中的研究

分享到:
  • 论文详细
作者:
吴云峰
导师:
魏纳新
学科专业:
控制理论与控制工程 
文献出处:
江南大学 2012年
关键词:
极短期预报论文  模型论文  小波多尺度论文  分解层数论文  小波基函数论文  经验模态分解法论文  级数论文  混沌论文  

摘要: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。

摘要

Abstract

第一章 绪论

1.1 课题的背景与研究的目的、意义

1.2 船舶运动极短期预报研究及发展概况

1.3 国内外船舶运动预报算法小结

1.4 本文的主要研究内容

第二章 传统时间序列法建模及预报

2.1 自回归(AR)模型的建立

2.2 自回归(AR)模型的参数辨识

2.2.1 最小二乘准则

2.2.2 递推最小二乘(RLS)估计

2.2.3 AR 模型的定阶算法—AIC 定阶准则

2.3 船舶运动预报AR 模型算法

2.4 船舶运动时间序列的采集及预处理

2.5 仿真计算与结果分析

2.6 本章小结

第三章 基于小波多尺度分析的时间序列预报

3.1 小波分析

3.1.1 连续小波变换

3.1.2 离散小波变换

3.1.3 二进制小波变换

3.2 常用小波函数和小波函数的选取

3.2.1 常用小波函数列举

3.2.2 小波函数的主要时频特性

3.3 小波多分辨率分析和小波最优分解层数的选取

3.3.1 小波多分辨率分析

3.3.2 塔式Mallat 算法

3.3.3 小波多分辨最优分解层数的选取规则

3.3.4 小波多分辨率分解的信号能量分布

3.4 基于小波多分辨率分析的时间序列预报

3.5 仿真计算与结果分析

3.5.1 小波多分辨率分解层数的选取

3.5.2 最优小波基函数的选取

3.6 本章小结

第四章 经验模态分解法在船舶运动极短期预报中的应用

4.1 希尔伯特-黄变换原理

4.1.1 瞬时频率和希尔伯特变换

4.1.2 经验模态分解法

4.2 关于经验模态分解中问题的讨论

4.2.1 采样频率对EMD 分解的影响

4.2.2 迭代终止条件选取

4.2.3 包络线的插值问题

4.3 基于经验模态分解法的时间序列预报算法

4.3.1 算法步骤与推导

4.3.2 仿真计算与结果

4.4 改进的EMD 与小波多分辨率时间序列预报算法

4.4.1 EMD+全部小波时间序列预报算法

4.4.2 EMD+部分小波时间序列预报算法

4.4.3 一层EMD+小波时间序列预报算法

4.5 本章小结

第五章 混沌时间序列法建模及预报

5.1 混沌时间序列

5.1.1 混沌的定义与基本特征

5.1.2 奇异吸引子及其特征

5.1.3 Lyapunov 指数

5.2 混沌时间序列的相空间重构

5.2.1 相空间重构与Takens 定理

5.2.2 嵌入维数m 的计算

5.2.3 时间延迟τ的计算

5.3 自适应Volterra 级数预报模型

5.4 小波多尺度Volterra 级数预报模型

5.5 仿真计算与结果

5.6 本章小结

结论

致谢

参考文献

附录